Krok 1: Przygotuj 2 tabele przestawne w Excelu

Pierwsza tabela przestawna nie posiada filtrów, natomiast druga ma ustawiony filtr poprzez fragmentator.

Krok 2: Przygotuj oddzielną tabelę z wynikami

Teraz wyskoczymy z tabeli przestawnej do oddzielnej tabeli. Za pomocą formuły WYSZUKAJ.PIONOWO wzbogaconej o JEŻELI.BŁĄD odnajdziemy wyniki z obu tabel.

Krok 3: Wstaw wykres kolumnowy

Krok 4: Sformatuj wykres

Ustaw nakładanie serii na 100% oraz kolor serii bez filtra jako jaśniejszy.

Porada dla użytkowników Excel Power Pivot

Podobny efekt można uzyskać w pojedynczej tabeli przestawnej, stosując formułę ALLEXCEPT. Dzięki temu unikniemy ręcznego utrzymywania tabeli pomocniczej i funkcji w stylu WYSZUKAJ.PIONOWO.

Pobierz plik Excel

Tu możesz pobrać plik Excel z wykresem wyróżnionym i przetestować jego działanie.

Przygotowanie wykresu punktowego Excel

Przygotujemy wykres punktowy na podstawie poniższej prostej tabeli.

Zaznaczmy dane i wstawmy wykres punktowy.

Domyślny wykres będzie wyglądał jak poniżej:

Ręczne wyróżnienie danych na wykresie („PowerPoint style”)

Zaznaczmy najbardziej interesujące nas punkty, tj 5 i 4,5 na osi Y. Punkty zostaną zaznaczone autokształtem w kolorze czerwonym (tak właśnie wygląda sposób ręczny).

Co się stanie, gdy dodamy kolejne dane do tabeli źródłowej?

Nowe dane zostaną także zaprezentowane na wykresie – widzimy, że punkty się przesunęły względem czerwonych ramek, gdyż osie dopasowują się automatycznie.

Automatyczne wyróżnienie danych na wykresie („Excel Pro style”)

Następnym krokiem będzie dodanie dwóch kolumn technicznych, w której zostaną wskazane wyróżnione punkty – aby wyróżnić punkty większe od 4 skorzystamy z formuły JEŻELI, która będzie wskazywała te dane, w których wartości kolumny Y są większe/równe 4.

Dodajmy nowe serie techniczne na wykres – będą to pomarańczowe punkty. Jeszcze raz zaznaczmy interesujące nas dane – teraz zróbmy to trochę inaczej: zaznaczmy autokształt (ramkę bez wypełnienia), skopiujmy go (CTRL+C), zaznaczmy serię techniczną i wklejmy autokształty (CTRL+V).

Aby nowa seria była identyczna z poprzednią wystarczy skopiować niebieskie punkty i wkleić je w miejsce pomarańczowych (Ctr+V) lub po prostu zmienić wypełnienie oraz obramowanie znacznika.

Rozbudujmy kolejny raz źródło danych i dołączmy dane do wykresu.

Widzimy, że skala pozostała bez zmian i obserwowane punkty są cały czas w ramkach. Ponadto nowe dane większe od 4 na osi Y również pokazują się w ramkach.

Pobierz szablon Excel i wstaw swoje dane

Pobierz przygotowany przeze mnie szablon z wyróżnionymi punktami Excel i spróbuj na Twoich danych.

O wykresie lejkowym w Excelu pisałem już wcześniej, pokazując niestandardowy sposób na jego wykonanie. Wykres służy do przedstawienia pewnego procesu (najczęściej sprzedaży) i związanego z nim przepływu pomiędzy etapami. Angielskie słowo funnel oznacza właśnie lejek lub komin. W języku angielskim spotyka się często jeszcze jedno słowo w tym kontekście – pipeline i sformułowanie to be in the pipeline (być w dystrybucji, w procesie np. sprzedaży, w przygotowaniu).

Przygotowanie danych w programie Excel do budowy wykresu lejkowego

Zaczynamy od przygotowania danych, które opisują proces sprzedaży – od rozmowy wstępnej do zawarcia umowy.

Wstawianie wykresu lejkowego w programie Excel

Wykres lejkowy pojawia się już w rekomendowanych wykresach. Znajdziemy go też na liście wykresów programu Excel.

Dlaczego nowy wykres lejkowy jest inny?

Wykres cechuje inne zachowanie niż standardowe wykresy. Może idzie nowe? Nie wiem, ale zachowanie wykresu jest nieprawidłowe lub dziwne:

• domyślne etykiety są czarne i przez to ich nie widać
• można zaznaczać z wyróżnieniem pojedyncze serie (żaden inny zwykły wykres Excel tego nie potrafi)
• brakuje ikony filtru przy wykresie

• nie można dodawać dodatkowych serii (wykres robi się pusty)
• brakuje nowych opcji dodawania etykiet jako Wartości z komórek – akurat w przypadku tego wykresu aż się prosi, aby dodawać wskaźniki procentowe, ale opcji tej nie ma

• wykresu nie da się wstawić na tabeli przestawnej (do tego Excel nas już przyzwyczaił – pisałem o tym już przy okazji omawiania wykresu punktowego na tabeli przestawnej)

A Ty co uważasz o nowym wykresie? Podziel się z Czytelnikami komentarzem.

Plik do pobrania

Pobierz plik z wykresem lejkowym w programie Excel 2016.

Jak przygotować dane źródłowe?

Dane źródłowe to zestaw wskaźników dla 133 krajów. Dane zawierają informację na temat liczby abonentów sieci komórkowych, wartości eksportu, śmiertelności poniżej piątego roku życia, wydatków na zdrowie na jednego obywatela, populacji w mieście, przewidywanej długości życia oraz przychodów z turystyki.

Dane dotyczą 2010 roku i jak widać są bardzo zróźnicowane: różne jednostki, różne wskaźniki. Poza tym nawet dane dotyczące jednego wskaźnika mogą być bardzo zróżnicowane. Jak więc takie dane pokazać na wykresie? Czy zwykły wykres liniowy bądź kolumnowy miałby tu zastosowanie? Może i tak, ale wskaźniki należałoby przedstawić na osobnych wykresach, kraje pogrupować. Może zatem przedstawić dane na wykresie o jednej skali osi pionowej, który będzie miał za zadanie raczej porównanie wartości dla danego kraju w stosunku do innego niż przedstawienie „rzeczywistych” danych?

Aby tego dokonać musimy najpierw usystematyzować dane. Pierwszym krokiem w tym kierunku będzie wyznaczenie maksymalnej wartości dla każdego ze wskaźników.

Dokonujemy tego za pomocą formuły = MAX, która zwraca największą wartość we wskazanym zbiorze danych.

Następnie wyznaczamy wartość minimalną dla każdego ze wskaźników.

Pomoże nam w tym formuła =MIN, która zwraca minimalną wartość w zbiorze liczbowym.

Obie formuły przeliczamy dla wszystkich wskaźników.

Następnym krokiem będzie dodanie kolumn technicznych w ilości odpowiadającej ilości kolumn z danymi dla poszczególnych wskaźników – kolumny będą nosiły te same nazwy.

Następnie kolumny techniczne wypełnimy danymi na podstawie poniżej formuły, która zwraca stosunek wartości do wartości maksymalnej i minimalnej.

Formułę przeciągamy do wszystkich pól kolumn technicznych.

W polu A1 oraz A2 wpisujemy cyfry 1 i 2. Obie komórki wykorzystamy do indeksowania oraz finalnie do wykresu.

Nad kolumnami technicznymi (jak na poniższym screenie) wpisujemy formułę Indeks, która zawiera dane z poszczególnych kolumn (nazwa kraju i kolumny techniczne) oraz cyfry z pól A1 i A2.

Formułę przeciągamy przez wszystkie pola nad kolumnami technicznymi.

Kolejnym krokiem będzie zaznaczenie danych z kolumn technicznych i wstawienie na ich podstawie wykresu liniowego.

Domyślny wykres nie wygląda tak, jakbyśmy chcieli. W legendzie pojawiły się nazwy wskaźników, a w etykietach kraje.

Aby zmienić układ wystarczy przełączyć wiersz/kolumnę w oknie Wybieranie źródła danych.

Po tym zabiegu wykres prezentuje się jak poniżej. Nazwy wskaźników pojawiły się już jako etykiety, nazwy krajów w legendzie. Serie danych zawierają wartości dla ponad 130 krajów.

Ustawmy wartość maksymalną osi pionowej na 1, jednostkę zmieńmy na 0,1 i usuńmy na razie legendę.

Teraz przejdziemy do dość pracochłonnej czynności jaką będzie zmiana kolorów wszystkich serii danych na kolor jasnoszary – dzięki temu łatwiej będzie porównywać tylko zaznaczone serie na osi. Pomocny może być klawisz F4 (powtórz ostatnią operację) i przechodzenie przez serie strzałką w dół.

Teraz zmieńmy położenie osi pionowej, tak aby rozpoczynała się na znacznikach osi poziomej.

Następnie usuńmy poziome linie siatki na rzecz pionowych, które lepiej oddzielają wartości dla poszczególnych wskaźników

Teraz wstawimy dwie dodatkowe serie danych, które zostały obliczone nad kolumnami technicznymi (te, które wyliczają się z formuły Indeks). Aby wkleić serie wystarczy je zaznaczyć, skopiować i wkleić w obszar wykresu.

Wstawmy ponownie legendę, usuńmy z niej wszystkie pozycje oprócz tych, które dotyczą wklejonych przed chwilą serii. Zmieńmy kolor serii na bardziej wyróżniający się – w tym przypadku będzie to niebieski oraz czerwony.

Nad wykresem dodajmy jeszcze tytuły dla niebieskiej i czerwonej serii.

Następnie pod tytułami z zakładki Deweloper wklejmy dwa pola kombi (dostępne w poleceniu Wstaw).

Następnie wybieramy formatowanie formantu, aby wprowadzić niezbędne połączenia.

Zakres wejściowy niebieskiej i czerwonej serii to lista krajów. Łącze komórki w niebieskiej serii będzie odnosiło się do cyfry 1 z pola A1.

Natomiast łącze komórki w czerwonej serii będzie odnosiło się do cyfry 2 z pola A2.

Zastosowanie pól kombi umożliwia porównanie dwóch dowolnie wybranych krajów na wykresie. Serie wyróżniają się na tle innych „nieaktywnych” szarych serii i możemy korzystać z wygodnych list rozwijanych.

Gotowy interaktywny wykres współrzędnych równoległych prezentuje się jak poniżej. Wykres doskonale obrazuje dysproporcje , na przykład, między Polską a USA w wartościach eksportu, wydatkach na zdrowie oraz przychodach z turystyki. Zaznaczone serie wyróżniają się. Na wykresie nie mamy możliwości porównania wartości w wybranych wskaźników, ale wykres sprawdza się doskonale w przypadku konieczności porównania wielu serii danych i wartości, dla których nie można zastosować jednej osi oraz skali. Skala jest ujednolicona tak, aby wszystkie wskaźniki były ze sobą porównywalne, a właściwie żeby były porównywalne w wybranych krajach.

Co pokazuje wykres współrzędnych równoległych?

1. Korelacje – dodatnie i ujemne zależności są wskazywane poprzez kierunek linii. Jeśli linie krzyżują się między seriami (powstaje „x”), zależność jest ujemna, gdy większość linii jest równoległa, mamy zależność dodatnią.
2. Elementy dominujące – ukazują się w postaci przepływu szarej linii
3. Obserwacje odstające – nie pasują do głównego „nurtu”
4. Grupy danych o takich samych cechach – wykres pozwala rozbić zbiór danych na kilka grup, których elementy mają pokrywające się lub zbliżone kształtem linie.

Jak zwiększyć możliwości analizy wykresu współrzędnych równoległych?

• Dodaj kolejne interakcje za pomocą fragmentatorów lub innych filtrów, aby szukać zależności w mniejszych grupach (w Excelu 2013 fragmenator można tworzyć na tabeli zdefiniowanej, w Excelu 2010 tylko na tabeli przestawnej)
• Wykorzystaj kolor, aby odróżnić od siebie grupy danych. W naszym przypadku można by dodać podział krajów na kontynenty lub ze względu na PKB/mieszkańca
• Przeglądaj wykres, korzystając z opcji filtru, stojącego obok wykresu w Excelu 2013

Plik do pobrania

Tu możesz pobrać plik z wykresem współrzędnych równoległych w Excelu.

Przygotowanie danych do wykresu liniowego w Excelu

Dane, które zostaną przedstawione na wykresie liniowym, będą dotyczyć sprzedaży wyrobów firmy produkcyjnej w latach 2011-2015 (do września włącznie). Dane, które wymagają wyróżnienia to te, które dotyczą przestojów produkcyjnych – okresów zmniejszenia mocy produkcyjnej w związku z naprawą maszyn, ich konserwacją czy odgórnym nakazem zmniejszenia ilości poboru prądu, co miało miejsce kilka miesięcy temu.

Poniżej znajduję się tabela z miesiącami, w których odbywał się przestój produkcyjny i te daty na pewno wymagają wyróżnienia.

Natomiast poniższa tabela zawiera wartości produkcji i sprzedaży w ujęciu miesięcznym.

Zaznaczmy dane z drugiej tabeli i wstawmy wykres liniowy.

Wstawiony wykres będzie prezentował się jak poniżej:

Do tabelki z miesiącami przestojów dodajmy kolumnę Wartość, w której wpiszemy w każdą pozycję liczbę 10 (jest to przykładowa liczba, można wpisać oczywiście inną, ale należy zachować schemat przygotowywania danych).

Następnie do tabeli z danymi sprzedażowymi dodamy kolumnę Przestoje, w której formułą WYSZUKAJ.PIONOWO przyporządkujemy liczbę 10 z tabeli dot. przestojów do odpowiedniego miesiąca w głównej tabeli.

Tabela po modyfikacji prezentuje się jak poniżej:

Budowa wykresu liniowo-kolumnowego w programie Excel

Kolejnym krokiem będzie wstawienie nowej serii danych na stworzony wcześniej wykres.

Nowa seria danych widoczna jest na wykresie jako pomarańczowa linia równoległa z osią X.

Zakres danych, które zostały użyte do stworzenia wykresu, wygląda tak:

Zaznaczmy pomarańczową serię danych, kliknijmy prawym przyciskiem myszy i wybierzmy polecenie Formatuj serię danych.

Wybierzmy dla tej serii oś pomocniczą.

Następnie zmienimy typ wykresu serii przestojowej.

Seria Przestoje będzie wyświetlana jako wykres kolumnowy grupowany.

W formatowaniu serii danych zmieńmy jeszcze szerokość przerwy na 0%, tak aby kolumny były jak najszersze.

Kolejnym krokiem będzie sformatowanie pomocniczej osi czasu.

Zmiana będzie dotyczyła wartości maksymalnej ze skali. Założenie jest taki, żeby wartość ta była niższa niż wartości techniczne przyjęte do tabeli z przestojami – w tym przypadku będzie to 9. Zabieg ten jest stosowany, żeby kolumny zajmowały wysokość całego obszaru kreślenia i żeby ich zakończenie nie było widoczne.

Następnym działaniem będzie zmiana czcionki przy osi pomocniczej na białą, aby skala nie była widoczna.

Zaznaczmy kolumny i wybierzmy Formatowanie serii danych.

Ustawmy przezroczystość kolumn na 50%, tak aby linie siatki były widoczne.

Tak prezentuje się gotowy wykres:

Okazało się, że w 2012 i 2014 roku były dwie poważne awarie w fabrykach, które spowodowały ograniczenie mocy produkcyjnej na trzy miesiące.

Nanieśmy powyższe dane na wykres. Dzięki pomarańczowym kolumnom dane w tym okresie znacząco się wyróżniają.

Czy ograniczone moce produkcyjne miały wpływ na wielkość sprzedaży? Zdecydowanie! W trakcie trwania przestojów, a także zaraz po nich sprzedaż jest niższa.

Plik do pobrania

W załączeniu plik Excel do pobrania zawierający wykres kolumnowo-liniowy.

Przykład

Rezultat badania przedstawiono na poniższym rysunku.

Rozwiązanie

Powyższa prezentacja prostych (teoretycznie) danych zawiera szereg podstawowych błędów i stanowi świetny materiał do poprawy.

Komunikat
Wizualizacja wyników sondy powinna przede wszystkim przekazać informację, ilu procent kredytobiorców dotyczy ten problem, czyli jaka jest potencjalna skala problemu. Zamiast tego otrzymujemy komunikat, że prawie 50% respondentów nie ma kredytu. Ich artykuł jednak nie dotyczy, więc dlaczego nie odjąć ich odpowiedzi, poprawiając przekaz i odpowiadając na postawione pytanie. Informacja o liczbie uczestników może zostać przesunięta na drugi plan.

Porównanie nominalne vs Ranking
Czytelnika tego artykułu w drugiej kolejności interesować może informacja, która waluta jest najpopularniejsza i na którym miejscu jest w tym zestawieniu frank, o którym mowa w artykule. Dane reprezentują związek część całości, w ramach którego sortowanie tworzy nam ranking, a jego brak – porównanie nominalne. Dane korzystniej będzie posortować malejąco, zastępując tym samym porównanie nominalne rankingiem.

Tabela vs Wykres
Umieszczenie tabeli i wykresu razem rzadko ma sens. W przypadku wyników sondy wykres spełnia zadanie znacznie lepiej i w zupełności wystarczy do ich przedstawienia. Liczba osób, które oddały głosy na poszczególne waluty jest zupełnie niepotrzebna, gdyż skalę zjawiska odda najlepiej udział poszczególnych walut.

Formatowanie
Formatowanie wykresu stanowi w powyższym przykładzie znaczną barierę komunikacyjną. Główne błędy tu popełnione to: różne kolory dla kolumn, brak wyróżnienia dla najważniejszego elementu, gradienty, niepotrzebna legenda (przez którą Czytelnik musi wodzić wzrokiem w tę i z powrotem), zbędne linie siatki i cieniowanie między nimi, zaokrąglony obszar kreślenia.

Skala i oś
Skala została błędnie zaprojektowana, gdyż odstępy na osi Y są nieregularne – pierwszy skok wynosi 8%, następne po 7%. To może wprowadzić Czytelnika w błąd. Etykiety danych na skali są skrótami, których część odbiorców może nie znać, warto więc zastąpić je powszechnie używanymi nazwami walut.

Oto poprawiona wizualizacja wyników tej samej sondy.

W odróżnieniu od poprzedniej wersji, wykres ma przejrzystą strukturę, a komunikat jest czytelny („Frank jest drugą najpopularniejszą walutą z udziałem 35%.”). Odbiorca nie musi się niczego domyślać, co więcej dowiaduje się, że skala problemu może być większa niż sugerowało to pierwotne zestawienie. Proste dane, jasny komunikat, skuteczny wykres.

Kolor w kontekście

Zacznijmy od poznania ważnych faktów dotyczących postrzegania kolorów, które powinny zostać zrozumiane, aby używać ich skutecznie. Kolorów, analogicznie do innych aspektów percepcji wizualnej, nigdy nie postrzegamy samodzielnie. Wpływ na naszą percepcję obiektu ma kontekst, który go otacza. Innymi słowy, mimo że oko odczuwa wahania długości fali światła, które zwiemy kolorem, postrzegamy kolor obiektu w kontraście do jednego lub większej liczby kolorów, które go otaczają. Wizualna percepcja jest relatywna, nie absolutna. Najlepiej ilustruje to przykład poniższego szarego kwadratu:

Obiekt ten został umieszczony w różnych miejscach prostokąta, którego kolor waha się od białego poprzez progresywną skalę gradientu szarego do czarnego. Można łatwo dostrzec, jak różnie dla oka wygląda ten sam kwadrat w każdym miejscu.

Poszczególne kwadraty postrzegamy jako różne od siebie, gdyż są otoczone przez różne odcienie szarości. Przykładowo ten otoczony przez odcień jasnoszary (po lewej stronie) wydaje się znacznie ciemniejszy niż ten po stronie prawej. Co to znaczy w praktyce? Z powyższej obserwacji wynikają dwie zasady:

Zasada 1.
Jeśli chcemy, aby różne obiekty tego samego koloru, występujące w tabeli lub na wykresie, wyglądały tak samo, upewnijmy się, że tło, czyli kolor je otaczający, jest identyczny.

Zasada 2.
Jeśli chcemy, aby obiekty w tabeli lub na wykresie były łatwo dostrzegalne, używajmy koloru tła, który będzie wystarczająco kontrastował z tymi obiektami.

Bezpośrednim zastosowaniem w wykresach Zasady 1. jest unikanie użycia gradientów w kolorze tła lub tła o zmiennym kolorze. Nie ma sensu dekorowanie wykresu gdyż uniemożliwia to jasne i efektywne zaprezentowanie danych.

Zasada 2. ostrzega nas, aby ostrożnie wybierać kolory, zawsze upewniając się, że są łatwo dostrzegalne i efektywnie służą celowi, do którego zostały użyte. Poniższy przykład mapy gorąca (ang. heat map) pokazuje, że zasada ta rzadko jest stosowana poprawnie.

W przykładzie tym kolory znane z sygnalizacji ulicznej (ang. traffic lights) zostały użyte, aby pokazywać wysokie zyski (zielony), niskie zyski lub straty (żółty) i wysokie straty (czerwony) w matrycy produktów i województw. Jest wysoce prawdopodobne, że wartościami wymagającymi najwięcej uwagi są te ciemnoczerwone i ciemnozielone. Niestety są one także tymi, które najtrudniej odczytać, gdyż kontrast pomiędzy czarnym tekstem i ciemnym kolorem tła jest dla tych liczb niewystarczający.

Używaj koloru sensownie i z rezerwą

Większość osób uważa, że im więcej koloru i im jest on intensywniejszy tym lepiej. O tym, że jest inaczej najlepiej świadczą prezentacje ekspertów od koloru, którzy podczas swoich konferencji umieszczają na slajdach niespotykane nigdzie indziej ilości szarości. Eksperci ci mają bowiem świadomość, że kolor powinien być stosowany sensownie, a nie wszędzie tam gdzie to możliwe.

Zasada 3.
Stosuj kolor tylko wtedy, gdy służy to konkretnemu celowi komunikacyjnemu.

W naszym przekazie informacji powinniśmy stosować kolor tylko wtedy, gdy chcemy osiągnąć coś, co służy jakiemuś celowi. Nie powinno się stosować kolorów, żeby udekorować obraz. Upiększanie wykresu może służyć celom w reklamie, ale dla nas odwraca ono uwagę ludzi od tego, co naprawdę ważne – danych w naszym przekazie informacji.

Zasada 4.
Stosuj różne kolory tylko wtedy, gdy odzwierciedla to odrębności w znaczeniu danych.

Poniższy wykres ilustruje to, czego powinniśmy unikać:

Co oznaczają różne kolory kolumn na wykresie? Nic. Etykiety osi X mówią nam, co oznaczają kolumny. Kolory nie dodają zatem żadnego sensu i wartości, ale ich obecność sugeruje, że jest przeciwnie. Świadomie czy nie, kiedy ludzie patrzą na takie przedstawienie danych i widzą różnice, starają się ustalić, co one znaczą. Zatem sugerowanie znaczenia, którego nie ma, jest stratą czasu odbiorcy. Wykres powinien pomóc ludziom porównać wyniki sprzedaży powiązane z różnymi krajami. Porównanie kolumn przychodzi na myśl automatycznie, gdy widziany przez nas wykres wygląda jak poniżej.

Jeśli kiedykolwiek będziemy dodawać kolor do przekazu zawierającego dane, zadajmy sobie pytania: „Jakiemu celowi będzie służył ten kolor?” i „Czy będzie służył temu celowi efektywnie?”. Jeśli odpowiedź na powyższe pytania brzmi: „Nie służy żadnemu celowi” lub „Służy celowi, ale inne rzeczy mogą to zrobić lepiej”, nie stosuj koloru.

Zdefiniuj standardową paletę kolorów dla konkretnych celów

Natura stosuje kolor znacznie rozważniej niż większość ludzi robi to w tabelach i na wykresach. Jakiemu celowi służą wyraźne kolory kwiatów? Przyciągają ptaki i pszczoły, które roznoszą pyłek kwiatowy. Ta sama strategia ma zastosowanie przy przedstawianiu danych. Poprawnie użyty kolor może idealnie przyciągnąć uwagę do konkretnych danych.

Przy wizualnym przedstawianiu informacji, chcąc coś zakomunikować, możemy stosować kolor dla trzech fundamentalnych celów:
– wyróżnienie konkretnych danych,
– zgrupowanie obiektów,
– ukazanie danych ilościowych.

Zasada 5.
Stosuj miękkie, naturalne kolory dla przedstawienia większości informacji i wyraźne i/lub ciemne kolory, aby wyróżnić informacje, które wymagają większej uwagi.

Zamiast tracić czas za każdym razem, kiedy chcemy wybrać kolor z długiej listy dostępnych możliwości, lepiej i skuteczniej jest stworzyć standardowy zestaw dobrych kolorów. Najlepiej jest stworzyć kilka palet kolorów i każdą zaprojektować dla konkretnych celów. Minimum stanowią trzy palety: jedna dla kolorów wyraźnych, druga dla średnich odcieni, które oko ludzkie łatwo przyswaja, i wreszcie trzecia dla kolorów jasnych, prawie przezroczystych. Różne poziomy nasycenia, które te palety reprezentują, służą odrębnym celom.

Kolory wyraźne, ciemne są przede wszystkim użyteczne przy wyróżnianiu danych na graficznej ich prezentacji, takiej jak wyjątkowa kolumna danych lub nagłówek tekstu. Kolory są trudniejsze do zauważenia, gdy obiekty są niewielkie i cienkie, takie jak tekst, linie i małe punkty danych. Patrząc na poniższe dwa wykresy dostrzeżemy, że średnie odcienie kolorów, które świetnie działają dla kolumn, są trudniejsze do zobaczenia i rozróżnienia, kiedy użyte dla niewielkich punktów.

Kiedy obiekty są niewielkie lub cienkie, kolory stosowane w celu ich prezentacji powinny być czasem wyraźniejsze i ciemniejsze niż zwykle. Dlatego dla tekstu, cienkich linii i niewielkich punktów danych lepiej jest wybrać paletę intensywną.

Innym rozwiązaniem, które umożliwia pozostanie przy bardziej miękkich kolorach dla linii i punktów danych, jest pogrubienie linii i powiększenie punktu, jak poniżej:

Jasna paleta powinna być stosowana dla tych elementów tabeli i wykresów, które nie przedstawiają danych (np. osie) i dla danych, których znaczenie chcemy umniejszyć. Przecież nie wszystkie informacje mają równą rangę. Takie informacje często musimy umieścić, ale odgrywają one niewielką rolę w wiadomości, którą chcemy komunikować.

Kiedy kolor jest stosowany w celu pogrupowania danych (np. inny kolor dla każdego regionu sprzedaży), chcemy, żeby kolory wyglądały na tyle różnie, aby jasno te grupy oddzielić. Pragniemy je odróżniać od siebie, ale nie w taki sposób, aby któryś z kolorów się wyróżniał. Powinny tylko wyglądać inaczej bez postrzeganej przez oko intensywności. W tym celu potrzebne jest zebranie takiej kolekcji barw, które będą oddalone od siebie wzdłuż spektrum kolorów tak mocno, jak to możliwe, ale pozostaną przy tym podobne w odbieranej przez oko intensywności (tzn. od jasnej barwy do ciemnej oraz od przezroczystej do wyraźnej). Oto paleta pięciu przykładowych barw, które reprezentują 3 skale intensywności:

Wybrane tu kolory są nie tylko łatwo wyróżnialne, ale też zrównoważone. Żaden kolor nie wychodzi przed szereg. Pierwszy wiersz zawiera barwy neutralne, nadające się do szerokiego zastosowania. Drugi wiersz zawiera intensywne barwy, które mogą zostać wykorzystane w celu podkreślenia danych. W trzecim wierszu znajdziemy paletę dla elementów o mniejszym znaczeniu, czyli paletę jasną.

Mądry wybór kolorów do standardowej palety nie jest sprawą trudną – wystarczy zaufać ekspertom, którzy za darmo dostarczają przez Internet predefiniowane palety, które są skuteczne. Jednym z takich ekspertów jest Cynthia Brewer z Uniwersytetu Stanowego w Penn, która poprzez swoją webową aplikację Color Brewer pomaga zaprojektować każdemu własną paletę kolorów. W jej aplikacji kolory są podzielone na trzy rodzaje:
– kategorie,
– sekwencje,
– dywergencje.

Palety kategorii są tymi, które służą do rozdzielania obiektów w odrębne grupy. Palety sekwencji i dywergencji są wykorzystywane przede wszystkich w celu obrazowania różnic ilościowych. Wartości liczbowe są ułożone sekwencyjnie, od najniższego do najwyższego lub odwrotnie; wahają się w sposób ciągły, rosnąc lub malejąc w percepcyjnie równym stopniu. Zrozumienie tego prowadzi nas do kolejnej zasady:

Zasada 6.
Używając koloru do prezentacji sekwencyjnego zakresu wartości liczbowych, należy trzymać się pojedynczej barwy (lub niewielkiego zestawu blisko związanych barw) i zmieniać intensywność od jasnych kolorów dla niskich wartości do ciemniejszych i wyraźniejszych kolorów dla wartości wyższych.

Intuicyjnie postrzegamy kolory o rosnącej intensywności jako liczby o rosnącej wartości. Nie dostrzegamy jednak w ten sposób różnic w barwach. Aby to sprawdzić, spróbujmy ułożyć poniższe barwy w kolejności od najniższej do najwyższej.

Tylko osoba, która studiowała teorię koloru i poświęciła czas na zapamiętanie kolejności barw wzdłuż spektrum światła, jest w stanie uporządkować powyższe barwy w kolejności zgodnej z falą, ale nie dlatego, że intuicyjnie tak je postrzega. Teraz natomiast, próbując umieścić poniższe kolory w kolejności od najmniejszej wartości do największej, nikt nie powinien mieć problemów.

Można sensownie przypisać te kolory do czterech zestawów kolumn na poniższym wykresie w celu prezentacji porządku, w którym cztery oddziały osiągały wyniki w odniesieniu do planu w ciągu całego roku, zaczynając od najgorszego (najciemniejsze kolumny) do najlepszego (najjaśniejsze kolumny).

Możemy także wykorzystać zestaw uporządkowanych kolorów w formie mapy gorąca, żeby zaprezentować wysoką wartość sprzedaży w sposób, który umożliwi szybkie odnalezienie informacji, które produkty w jakim województwie sprzedawały się najlepiej i najgorzej oraz które województwa lub produkty okazały się ogólnie najlepsze lub najgorsze.

Powyższa mapa nie zwiera wartości jako tekstu, nie tylko ponieważ niektóre wpisy byłyby niewidoczne przez niewielki kontrast z kolorem komórki, ale także gdyż skanując kolory w celu dostrzeżenia wzorca w danych, nie chcemy zostać rozproszeni i spowolnieni poprzez czytanie tekstu. Pozostawienie liczb niewidocznymi podczas eksploracji danych sprawdza się w tym przypadku najlepiej. Jeśli chcemy spojrzeć na precyzyjne wartości, możemy w tym celu umieścić w pobliżu kopię komórek z danymi, tym razem bez żadnego koloru tła.

Bardzo użyteczne jest utrzymywanie kilku standardowych palet z uporządkowanymi kolorami, jak ta poniżej:

Pojedynczy zestaw uporządkowanych kolorów, który wzrasta w percepcyjnie równych interwałach, tak jak ten powyżej, jest paletą sekwencji. Paleta dywergencji, inaczej paleta dwustopniowa, składa się z dwóch sekwencji kolorów, które przybierają na intensywności, rosnąc od środka palety, jedna w jedną stronę, a druga w przeciwną stronę. Oto przykład:

Paleta dywergencji pokazuje zakres wartości liczbowych, które są nad lub pod jakimś logicznym punktem środkowym. Przykładowo, zyski firmy mogą być przedstawione z wykorzystaniem mapy gorąca przy wykorzystaniu palety dywergencji w taki sposób, że jedna paleta dotyczy zysków, inna strat, a punktem środkowym jest zero.

Ponieważ paleta dwustopniowa składa się z dwóch palet, nie ma sensu tworzenie oddzielnej jako dodatek do już istniejących. W razie potrzeby łatwo możemy ją konstruować za każdym razem z dwóch już istniejących palet.

Wybierz najlepszy kolor dla każdego składnika

Tabele i wykresy składają się z dwóch typów obiektów: odzwierciedlających rzeczywiste dane oraz takich, które żadnych wartości liczbowych nie reprezentują. Przykładowo, większość wykresów używa kolumn, linii lub punktów danych w celu prezentacji wartości. To one powinny dominować na wykresie i przyciągać naszą uwagę. Pozostałe obiekty także przekazują jakąś informację, ale raczej mniej ważną, o charakterze wspierającym, np. tekst (tytuł wykresu, nazwa osi, etykiety osi ukazujące skali wartości i nazwy rzeczy mierzonych) lub znacznik osi, który mówi nam, gdzie konkretne wartości są umieszczone na skali.

Głównymi obiektami na wykresie, które nie dotyczą danych, są linie osi (wyłączając znacznik i etykiety, które przenoszą wartości), kolor wypełnienia tła, obramowanie (wykresu, legendy) Poszczególne elementy wykresu, niezależnie czy pokazują wartości, czy nie, zwykle funkcjonują najlepiej, gdy są prezentowane w określony sposób. Następna zasada porusza właśnie tę kwestię:

Zasada 7.
Elementy wykresów i tabel niezwiązane z danymi, powinny być przedstawiane jako widoczne tylko na tyle, na ile ich rola tego wymaga, ale nie więcej, tak aby ich nadmierna obecność nie powodowała odwrócenia uwagi od danych.

Kolory używane w celu pokazania elementów niepowiązanych z danymi powinny być jasne, przezroczyste, o niskim znaczeniu wizualnym. Oto kilka zasad, które warto zapamiętać:
– linia osi – stosuj cienką szarą linię o średniej intensywności,
– obramowanie – niezależnie od tego, czy dotyczy wykresu jako całości, obszaru kreślenia czy legendy, gdy obramowanie jest konieczne (a zwykle nie jest),użyj cienkiej szarej linii o średniej intensywności,
– tło – użyj białego tła (w Excelu zaznacz „Brak” dla koloru obszaru).

Elementy związane z danymi powinny zdominowały krajobraz i były łatwo widoczne. Oto kilka sugestii dotyczących dobrego zestawu kolorów:
– kolumny – stosuj różne barwy o średniej intensywności dla każdej serii danych,
– linie – dla cienkich linii używaj różne barwy dla każdej linii o raczej wysokiej intensywności; dla linii o normalnej grubości stosuj różne barwy o średniej intensywności,
– punkty danych – dla nie wielkich punktów danych stosuj różne barwy o wysokiej intensywności, w pozostałych przypadkach różne barwy o średniej intensywności.

Przeszkody w percepcji koloru

Niektórzy ludzie nie potrafią odróżnić kolorów, z którymi większość z nas radzi sobie całkiem łatwo. Może dziwić fakt, że ok. 10% mężczyzn i 1% kobiet cierpi na odchylenie percepcji koloru, potocznie zwane daltonizmem. Większość z tych osób nie rozróżnia zielonego i czerwonego. Oznacza to, że podążając za popularną dziś konwencją kodowania niezadowalających wartości kolorem czerwonym a satysfakcjonujących kolorem zielonym, przedstawiamy to rozróżnienie w sposób, którego wiele osób nie dostrzega. Pomimo że to nie rozwiąże problemu dla każdej z tych osób, poniższa zasada spełnia swoje zadania dla większości z nich:

Zasada 8.
Aby zapewnić daltonistom możliwość rozróżnienia grup danych, które są w różnych kolorach, należy unikać łączenia na jednym obrazie czerwonego i zielonego.

Dobrym substytutem dla czerwonego i zielonego, stosowanych na mapie gorąca w celu odróżniania wartości pozytywnych od negatywnych, są czerwony i niebieski.

Efekty gry światła i cienia

Większość programów stosowanych obecnie do tworzenia wykresów, włączając Excel, dostarcza użytkownikom zbiór efektów wizualnych, w które może ubrać wykresy. Efekty gry światła i cienia, szczególnie te umożliwiające przeobrażenie obiektów w 2D, takich jak kolumny, linie lub punkty danych, w takie, które wyglądają na 3D, są bez sensu. Niestety efekty te wprowadzają do wykresu problemy, podkopując jasną komunikację, która jest naszym celem. Dodają one jedynie pięknego wyglądu, ale rzadko prawdziwej wartości. Oto ostatnia zasada:

Zasada 9.
Unikaj stosowania efektów wizualnych na wykresach.

Który z poniższych wykresów jest łatwiejszy do czytania?

Na wykresie nie ma potrzeby sprawiania, aby obiekty wyglądały jak z prawdziwego świata. Chcemy prezentować dane tak prosto i jasno jak to tylko możliwe.

Przestrzeganie tych dziewięciu prostych zasad sprawi, że poprawimy jakość tabel i wykresów bez zwiększania nakładów pracy. Jeśli dane są warte pokazania, warto je pokazać dobrze.

Skąd pochodzą zasady wizualizacji danych?

Reguły, którymi powinniśmy się kierować prezentując graficznie dane ilościowe, nie są młode. Powstawały przez wiele lat badań, począwszy od Gestalt School of Psychology, założonej w 1912 r. Niemieckie słowo „gestalt” znaczy tyle co wzorzec. Badacze z tej szkoły byli zainteresowani tym, jak oko ludzkie postrzega wzorce i jakie prawa żądzą naszym wzrokiem. Oto najważniejsze odkrycia, które stanowią 7 głównych zasad komunikacji wizualnej.

Rezultat badań: Komunikacja jest najbardziej efektywna, gdy przekazujmy nie więcej i nie mniej niż jest to konieczne dla komunikatu.

Zasada 1. Pokazuj nie więcej i nie mniej niż jest to konieczne dla komunikatu

Kiedy chcesz przekazać jakiś komunikat (obojętnie czy jest to rozmowa, pismo, wykres), nieistotna zawartość rozprasza. Nie każ odbiorcy brnąć przez bezsensowną treść wizualną, aby odszukał w tym gąszczu kwestie naprawdę istotne. Jest to znamienne dla dzisiejszych czasów, także przy tworzeniu wykresów biznesowych, aby wykorzystać wszystkie rodzaje elementów bez znaczenia, takich jak ładne tło, dodanie trzeciego wymiaru do kolumn, linii, koła (w wykresie kołowym). Pomimo dobrych intencji, zawartość wizualna tego typu prezentacji jest czymś, co ludzkie oko musi skanować i procesować na darmo. Ekstrawagancki dodatek powoduje stratę ludzkiego czasu (zarówno przy tworzeniu, jak i czytaniu), ale czyni komunikat trudniejszym od odczytania. Z drugiej strony, nie ma sensu przedstawianie informacji, której brakuje wszystkiego, co pozwoli ludziom ją zrozumieć. Zawrzyj wszystkie elementy informacji, które stanowią jej część (nawet notatki wyjaśniające to, co może być niejasne), w przeciwnym razie twój komunikat będzie niskiej jakości. Zasada 1. jest często łamana w dzisiejszej praktyce poprzez dodanie efektu 3D do kolumn, linii, punktów danych i koła (na wykresie kołowym). Poniższy wykres ilustruje doskonale tę popularną praktykę. Czemu służy dodanie głębi do kolumny? Czy nadaje nowe znaczenie istniejącym danym? Nie. Co więcej, czyni odczytanie danych znacznie trudniejszym niż z analogicznego wykresu 2D.

Rezultat badań: Ludzie dostrzegają wizualne różnice w przedstawianiu informacji jako różnice w znaczeniu.

Zasada 2. Nie wprowadzaj na wykresie wizualnego rozróżnienia, które nie odzwierciedla rzeczywistych różnic w danych.

Wykresy przedstawiają dane liczbowe w formie obiektów, takich jak kolumny, linie, punkty danych, i wizualnych właściwości tych obiektów, takich jako kolor w celu zgrupowania obiektów. Przykładowo, poniższy wykres pozwala rozróżnić dwa zestawy kolumn używając odmiennych barw. Ponieważ różnice w wizualnych właściwościach, takich jak kolor, są stosowane, by komunikować rzeczywistą odmienność informacji, nie powinny one być używanie arbitralnie. Kiedy ludzie widzą różnice wizualne, próbują odkryć znaczenie tej różnicy. Nie ma sensu mieszanie odbiorcom poprzez stosowanie różnic wizualnych, które są nieistotne. Poniższy wykres przedstawia częsty przykład łamania tej zasady. Jaki jest sens użycia różnego koloru dla kolumn? Odpowiedź brzmi: „Żaden”. Wiemy już przecież, co reprezentują poszczególne kolumny, czytając etykiety wzdłuż osi X. Nieuzasadnione zastosowanie różnic wizualnych, takich jak użycie koloru, sprawia, że ludzie nie tylko doszukują się znaczenia, którego nie ma, ale także, tak jak w tym przypadku, zaśmieca wykres atakującym oko nadmiarem koloru.

Rezultat badań: Wizualne właściwości, które najlepiej działają w celu przedstawienia danych liczbowych, to długość i lokalizacja obiektów w 2D.

Zasada 3. Używaj długości i lokalizacji obiektów w 2D, aby przedstawić wartości liczbowe na wykresie, chyba że zostały już wykorzystane dla innych zmiennych.

Istnieje ważny zestaw właściwości wizualnych, które są zwane właściwościami przed zwróceniem uwagi (ang. preattentive). Funkcjonują przed zwróceniem uwagi w takim znaczeniu, że proces percepcji wizualnej nie wymaga od nas świadomego myślenia, jest automatyczny i natychmiastowy. Dotyczy to takich właściwości, jak długość obiektu (np. długość kolumny na wykresie kolumnowym), jego lokalizacji w 2D (np. pozycja punktu danych na wykresie punktowym, jego rozmiar, jego kształt, jego orientacja, jego barwa itp. Jeśli obiekty na wykresie różnią się od siebie pod względem jednej z tych właściwości w wyraźny sposób, natychmiast dostrzegamy te różnice, nawet bez zbędnego wysiłku. Przykładowo, jeśli pojedynczy punkt danych w kolorze pomarańczowym zostanie umieszczony na wykresie punktowym w otoczeniu 99 czarnych punktów, z pewnością będzie odstawał od reszty. Możemy zrobić użytek z tej wiedzy intencjonalnie wyróżniając ważny lub inny punkt danych. Z całego zestawu właściwości przed zwróceniem uwagi, kilka z nich jest postrzeganych ilościowo. Różnice dostrzegamy na podstawie wielkości danej właściwości wizualnej (np. kolumna długa, średnia i krótka). Pozostałe właściwości przed zwróceniem uwagi pozwalają rozróżniać, jak np. barwy czarna, zielona, niebieska, pomarańczowa itd. Dwie spośród właściwości przed zwróceniem uwagi postrzeganych ilościowo są także odbierane z odpowiednią precyzją ilościową: długość i pozycja w 2D. Patrząc na dwa zestawy danych na poniższym wykresie, łatwo jest dojść do wniosku, że wysoka kolumna jest o połowę dłuższa od krótkiej, a punkt położony wysoko leży o połowę wyżej niż punkt niższy.

Nie jest przypadkiem, że podstawowymi środkami przedstawienia wartości liczbowych na wykresie są długość i pozycja w 2D. Także gdy linie są wykorzystywane do pokazania wartości na wykresie liniowym, w miejscach, gdzie punkty danych znajdują się wzdłuż linii, ma zastosowanie pozycja w 2D. Pozostałymi właściwościami postrzeganymi ilościowo, lecz o mniejszym stopniu dokładności, są rozmiar (powierzchnia obiektu w 2D jak wielkość wycinka koła na wykresie kołowym lub wielkość bąbelka na wykresie bąbelkowym) oraz intensywność koloru (zawierająca się między jasną, przezroczystą a ciemną, nasyconą).

Ponieważ różnice ilościowe przy wykorzystaniu tych właściwości nie są dostrzegane precyzyjnie, w najlepszym przypadku dostarczają one przybliżonej informacji i powinny być stosowane, gdy to wystarcza dla istotności komunikatu. Na poniższym wykresie bąbelkowym pozycja w 2D kół została użyta w celu ukazania wydatków marketingowych i powiązanych z nimi przychodami ze sprzedaży, natomiast wielkość kół odzwierciedla wielkość zysków przedsiębiorstwa. Rozmiar i kolor mogą zostać wykorzystane w celu przedstawienia wielkości liczbowych, ale tylko jeśli zaokrąglone wartości spełnią swoją rolę.

Rezultat badań: Ludzie postrzegają różnice w długości i lokalizacji obiektów w 2D poprawnie i interpretują je jako różnice w rzeczywistych wielkościach, które one reprezentują.

Zasada 4. Różnice w wizualnych właściwościach reprezentujące wartości (tj. różnice w długości i pozycji w 2D) powinny odpowiednio odzwierciedlać rzeczywiste różnice w wartościach, które reprezentują.

Wykresy są czasem celowo projektowane, by zakrzywić obraz rzeczywistości poprzez zaprezentowanie wartości w sposób, który nie odzwierciedla różnic. Jeszcze częściej jednak ludzie nieświadomie zakrzywiają obraz w ten sposób, ponieważ nie rozumieją tej zasady i jej nie przestrzegają. Najczęstszym błędem, który narusza tę zasadę, jest wykres kolumnowy, na którym skala wartości nie zaczyna się od zera. Ponieważ długość kolumny ma za zadanie pokazać odpowiadającą jej wartość, pełna długość kolumny musi zostać przedstawiona, zaczynając od zera. Patrząc na rysunek poniższy można zauważyć, że wynik regionu wschodniego wydaje się być dwa razy większy niż planowano, jednak w rzeczywistości to nieprawda. Rzeczywista sprzedaż jest tylko o 5% wyższa od planu. Stosując wykres w celu komunikowania czegoś, należy umożliwić ludziom spojrzenie na graficzne przedstawienie danych, aby mogli porównać na tej podstawie różnice w wartościach. Jeśli wykres tego nie umożliwia, jaki jest sens jego użycia?

Rezultat badań: Ludzie postrzegają obiekty, które są połączone, jako całość, a rzeczy rozdzielone jako coś odrębnego.

Zasada 5. Nie łącz wizualnie wartości, które są odrębne, poprzez sugerowanie związku, który nie istnieje w danych.

Przedstawiane na wykresie wartości są czasem bezpośrednio ze sobą związane a czasem odrębne. Sposób, w jaki wizualnie pokazujemy te wartości, powinien ułatwić dostrzeżenie rozróżnienia bez zbędnego wysiłku. Poniższy wykres ilustruje jeden z najczęstszych sposobów łamania tej zasady. Linie na tym wykresie łączą wartości, sugerując związek między nimi, który w rzeczywistości nie istnieje. Regiony północny, południowy, wschodni i zachodni są odrębne, więc wartości pokazujące, co dzieje się w regionach, powinny być pokazane jak odrębne. Łączenie ich linią wprowadza w błąd i formuje wzorzec spadków i wzrostów, które są całkowicie pozbawione sensu. Dla kontrastu, wykres poniższy przedstawia właściwe zastosowanie linii w celu prezentacji wartości na wykresie. Pomiary czegoś w równych odstępach czasu są z pewnością czymś powiązanym ze sobą. Linia spełnia idealnie swoją funkcję, pokazując powiązania między wartościami i zmiany zachodzące pomiędzy poszczególnymi jednostkami czasu poprzez zmianę nachylenia. Kolumny także mogą pokazywać wartości w czasie, ale powinny być stosowane tylko wtedy, gdy wykres służy ludziom raczej w celu śledzenia i porównywania indywidualnych wartości niż w celu obserwowania zakresu zmiany w czasie. Kolejny wykres przedstawia, w jaki sposób kolumny umożliwiają skupienie się na indywidualnych kwartałach niezależnie i porównanie planowanych i rzeczywistych wydatków w danym kwartale. Takiego efektu nie udałoby się osiągnąć przy użyciu linii.

Rezultat badań: Ludzie przywiązują największą wagę do tych części wizualnej prezentacji, które są dominujące.

Zasada 6. Informację, która jest najważniejsza dla komunikatu, uczyń bardziej widoczną od tej o mniejszym znaczeniu.

Nie każda informacja jest sobie równa. Częstym przypadkiem jest, że niektóre informacje są ważniejsze od innych. Fakt ten można wykorzystać na wykresie poprzez uczynienie najważniejszych informacji wizualnie dominującymi. Twoim zadaniem jest, jeśli chcesz komunikować efektywnie, aby skierować ludzkie oko na najważniejsze części Twojej prezentacji w celu odpowiedniego skupienia na nich. Tytuł kolejnego wykresu jednoznacznie wskazuje na jego cel: wyróżnić, co stało się w marcu. Cel ten zostały wizualnie wzmocniony poprzez wyróżnienie kolumn dotyczących marca, w tym przypadku poprzez zastosowanie obramowania. Wiele wizualnych właściwości ma zastosowanie w celu wyróżnienia rzeczy ważnych, włączając w to kolor jaśniejszy, ciemniejszy lub nawet zupełnie inny od standardowego. Tak jak modulujemy nasz głos w trakcie rozmowy, aby coś podkreślić (np. mówiąc wolniej lub szybciej), powinniśmy stosować środki wizualne, żeby zaakcentować jakieś części komunikatu dla ludzkiego oka.

Rezultat badań: Krótkoterminowa pamięć jest ograniczona do ok. czterech kawałków informacji w jednym momencie.

Zasada 7. Zwiększ ludzką pamięć krótkoterminową poprzez połączenie wielu faktów w jeden wzór wizualny, który może zostać zapamiętany jako kawałek pamięci i poprzez prezentowanie wszystkich istotnych informacji w zasięgu wzroku.

Pamięć krótkoterminowa, także znana pamięcią roboczą, jest analogiczna do pamięci RAM komputera. Jest miejscem, gdzie wszystkie informacje są magazynowane w trakcie procesowania. Niestety, w odróżnieniu od dużej ilości danych, które mogą być magazynowane w pamięci RAM, pamięć krótkoterminowa ma bardzo ograniczoną pojemność. Tylko ok. czterech kawałków pamięci może zostać zapamiętanych w danym momencie. Informacje zapisane tymczasowo w tej pamięci pochodzą ze świata zewnętrznego poprzez pięć ludzkich zmysłów albo z pamięci długoterminowej, gdzie są przechowywane póki są potrzebne. Komputery mają przewagę nad ludzkim mózgiem w kwestii pojemności pamięci roboczej szybkiego dostępu, ale nasze mózgi przeważają w zdolności łączenia wielu części informacji w pojedynczy kawałek pamięci. Każda z dwóch linii na wykresie liniowym łączy dwanaście odrębnych danych sprzedażowych, jedną za każdy miesiąc, w pojedynczy wzorzec wzrostów i spadków. Jeśli wzorzec zostanie pokazany w ten właśnie sposób, dwanaście liczb może zostać zapamiętanych razem jako jeden kawałek informacji w pamięci krótkoterminowej. Prezentując wizualnie informację ilościową jako wzorce, większa ilość tej informacji może zostać jednocześnie zapisana w pamięci krótkoterminowej i augment w taki sposób, który przekracza ludzką zdolność do myślenia o tym. Kiedy osoba przegląda informacje na ekranie komputerowym lub na wydrukowanym raporcie, ograniczona ilość informacji może zostać umieszczona w pamięci krótkoterminowej, jeśli porównania muszą być prowadzone na kolejnym ekranie lub następnej stronie. Informacja, która nie bierze udziału w tym porównaniu, nigdy nie zostanie zapamiętana, a nawet gdy kilka części informacji bierze udział, tylko jakieś cztery z nich zostaną zapamiętane, jeśli osoba zmienia stronę. To znacznie utrudnia porównania. Można jednak zwiększyć ludzką pamięć krótkoterminową poprzez umieszczenie wszystkich niezbędnych do porównania informacji w zasięgu wzroku, tak aby były dostępne dla szybkiego wymieniania danych w pamięci krótkoterminowej w trakcie ich procesowania. Najpopularniejszym przykładem zastosowania tej zasady jest dashboard, który został właściwie zaprojektowany, aby prezentować wszystko w zasięgu jednego spojrzenia na pojedynczym ekranie, który ludzie muszą monitorować w celu szybkiego procesowania i zrozumienia.