Scenariusz 1: Model danych Power Pivot i niestandardowe miary

Pierwsze rozwiązanie wymagało przeładowania danych przez model danych i utworzenie miar w języku DAX w dodatku Power Pivot. Dlaczego? Wykres słupkowy, na którym można oprzeć budowę wykresu pudełkowego musi być specjalnie przekalkulowany. Dlatego tabela startowa zawiera tylko pierwszy kwartyl jako startowy, a resztę miar przeliczamy.

Powstaje na tej podstawie tabela przestawna.

Następnie w Menedżerze nazw tworzę dynamiczny zakres do każdej kolumny oddzielnie.

Przykładowa formuła ma postać:

=PRZESUNIĘCIE(pivot!$A$1;1;0;ILE.NIEPUSTYCH(pivot!$A:$A)-1;1)

Reszta jest już analogiczna do sposobu opisywanego w ww. artykule – podłączamy serie danych do nazw zdefiniowanych.

To samo robimy ze słupkami błędów.

Co daje taka konstrukcja wykresu?

Dynamiczna zmiana zakresu zawsze odnajduje pełny zakres tabeli przestawnej i automatycznie odświeża wykres.

Scenariusz 2: Wykorzystanie wbudowanego wykresu skrzynka-wąsy

Od 2016 r. znajdziemy w Excelu wykres skrzynka-wąsy. Nie działa on na tabeli przestawnej, ale podobną metodą możemy podstawić konkretne serie danych – tym razem źródłowych.

Pobierz szablon Excel

Tu możesz pobrać szablon Excel z wykresem pudełkowym na tabeli przestawnej i podstawić swoje dane.

O histogramie pisałem już na blogu kilka artykułów:

• Histogram jako jedno z 7 tradycyjnych narzędzi jakości
• Jak utworzyć histogram w Excelu?
• Histogram na wykresie przestawnym jako element dashboardu
• Diagram łodygowo-listkowy jako niestandardowy histogram
• Wykresy rozkładu w dodatku Sparklines for Excel

Przygotowanie danych do wstawienia histogramu w programie Excel 2016

Aby wstawić histogram w Excelu 2016, przygotowujemy dane transakcyjne dla najniższego poziomu: 1 sztuki na produkcji / 1 transakcji / 1 pracownika itp. W moim przypadku mam w tabeli ponad 9000 zamówień.

Budowa histogramu w Excelu 16

Następnie zaznaczam tylko kolumnę z wartościami liczbowymi i wybieram kartę Wstawianie > Wykresy > Histogram.

Jeśli masz dużo danych, spokojnie możesz zaznaczyć całą kolumnę danych – Excel i tak złapie tylko wypełnione komórki.

Jakie opcje ma histogram w Excelu?

Mój histogram nie wygląda domyślnie zbyt dobrze – mimo iż moja wielkość zamówienia jest liczbą całkowitą, Excel proponuje przedziały z połówkami. Zmieniając opcje osi (prawy przycisk na osi x > Formatuj oś lub dwa razy lewy przycisk na osi x), możemy ustawić albo oczekiwaną liczbę przedziałów, albo ich szerokość – w moim przypadku optymalna szerokość to 3. Dodatkowo, aby uciąć ogon tego wykresu, ustawiłem przedział przepełnienia (cóż za tłumaczenie!) na 49.

Niestety w pierwszym przedziale były nadal wartości [1-4], co oznacza przedział obustronnie domknięty. Też niedobrze. W związku z tym ustawiam jeszcze przedział niedopełnienia na 3., co wymaga jeszcze przestawianie przedziału przepełnienia na 48. Teraz jest dobrze!

Do czego służą kategorie?

Zastanawia mnie opcja Według kategorii. Nie udało mi się znaleźć sposobu na budowę klasycznego histogramu, jednak odkryłem, że mając dane źródłowe jestem dla nich w stanie zbudować nieposortowany wykres słupkowy, który sumuje (już nie liczy) wartości.

Co się stanie, gdy otworzę histogram w Excelu wcześniejszym?

Spełni się wówczas najgorszy możliwy scenariusz – nie widać nic!

Dlaczego histogram na tabeli przestawnej jest bardziej funkcjonalny?

Opisany na blogu sposób na histogram w Excelu w tabeli przestawnej daje możliwość zbudowania wykresu z dwiema osiami np. dla sprawdzenia, jak ma się liczba zamówień do zysku/sprzedaży i innych KPI. Wykres przestawny pozwala też na budowę wykresu panelowego. I ostatnia rzecz – wyświetla się we wszystkich wersjach programu Excel.

Pobierz plik Excel i wstaw swoje dane

Pobierz przykład histogramu w programie Excel 2016.

Przykład 1. – wykres słupkowy zamiast kołowego

Jednym z klasycznych przykładów poprawy wykresu kołowego jest jego zamiana na wykres słupkowy. Kluczem do stworzenia wykresu słupkowego który będzie przedstawiał zarówno wartości absolutne oraz procentowe np. wyników ankiety jest stworzenie dwóch jednakowych wykresów oraz odpowiednie ich wyrównanie w przestrzeni.

Zatem tworzymy wykres słupkowy. W pierwszej kolejności formatujemy oś kategorii klikając na nią prawym przyciskiem myszy (Formatuj oś).

Zaznaczamy opcję „kategorie w kolejności odwrotnej” oraz przecięcie z osią poziomą „przy kategorii maksymalnej”, ustawiamy „etykiety osi” oraz „typ głównego znacznika osi” na brak, a następnie usuwamy zbędne elementy wykresu tj. tytuł, legendę, dodajemy etykiety danych oraz nadajemy wykresowi estetyczny wygląd zgodny z dobrymi praktykami wizualizacji danych.

Wynikiem powyższych operacji jest pierwsza część naszego wykresu.

Następnie tworzymy jego duplikat przy użyciu skrótu klawiszowego Ctrl+C > Ctrl+V, klikamy na serię danych drugiego wykresu i przeciągamy obszar zakresu danych na wartości %.

Otrzymujemy:

Drugą część wykresu również należy odpowiednio sformatować. Kolejno:

a)    Zaznaczamy serie danych i wybieramy brak wypełnienia (Formatowanie > Wypełnienie kształtu > Brak wypełnienia)

b)    Zaznaczamy oś wartości i wypełniamy białym kolorem (Formatowanie > Wypełnienie tekstu > Biały oraz Formatowanie > Kontur tekstu > Biały

c)    Ustawiamy etykiety danych na podstawie (Formatowanie etykiet danych > Podstawa wewnętrzna) oraz kolor linii osi pionowej na biały

d)    Zaznaczamy oś kategorii (oś pionowa) i ustawiamy opcję etykiet osi „obok osi” (Formatowanie osi > Opcje osi > Etykiety osi > Obok osi)

e)    Wstawiamy tytuł wykresu

Druga część naszego wykresu jest gotowa i prezentuje się następująco:

W ostatnim kroku pozostaje nałożyć dwa wykresy na siebie. W tym celu klikamy po kolei na wykresy przytrzymując klawisz Ctrl, a następnie wchodzimy w zakładkę Formatowanie > Wyrównaj > Wyrównaj do środka w pionie, dostosowujemy ręcznie w poziomie oraz grupujemy oba wykresy.

Przykład 2. – rozkład na wykresie kolumnowym

W drugim przykładzie zajmiemy się rozkładem danej zmiennej, w której to wykres kołowy zastąpimy dużo bardziej czytelnym słupkowym wykresem dystrybucji. Przygotujmy najpierw dane:

Dane w ostatniej kolumnie tys. PLN zostały odpowiednio ustawione poprzez użycie skrótu klawiszowego Alt+Enter Zastosowanie tego skrótu pozwala przenieść dany fragment tekstu do następnej linijki w danej komórce.

Zaczynamy od wstawienia wykresu kolumnowego wykorzystując kolumny „Przedział zarobków” oraz „Liczba odpowiedzi”. W ten sposób uzyskujemy wykres który po odpowiednim sformatowaniu powinien wyglądać następująco:

Cały myk polega teraz na wstawieniu osi kategori tak, żeby przesunąć wykres o jedną kolumnę w prawo oraz otrzymać oś wielo(w tym przypadu dwu)-poziomową. Aby uzyskać pożądany wynik klikamy na wykres, wybieramy zakładkę Projektowanie > Zaznacz dane > Edytuj serię (a), a następnie zaznaczamy zakres serii razem z nazwą kolumny.

W ten sposób nasz wykres przesunie się o jedną pozycję w prawo. Ostatnim etapem jest analogiczny zabieg dla etykiet osi poziomej (kategorii) (b).

Edytuj etykiety osi, a następnie zaznaczamy zakres razem z nazwami kolumn.

Otrzymujemy finalny wykres rozkładu, który w czytelny sposób przedstawia zarówno wartości absolutne jak i procentowe udziały odpowiedzi w ankiecie odnośnie miesięcznych zarobków w gospodarstwie domowym.

Już na pierwszy rzut oka możemy określić dominantę w ankietowanej próbie, którą stanowią zarobki w przedziale od 3 do 4,5 tys. PLN (21% ankietowanych osób).

Przykład 3. – wykres liniowy i panelowy zamiast skumulowanego kolumnowego

Zaczynamy od odpowiedniego przygotowania danych. Drugą kolumnę w naszej tabeli danych pozostawiamy pustą. Wpłynie to na czytelność wykresu w dalszym etapie jego konstrukcji. Kolumna „Etykiety” to procentowa zmiana udziałów na koniec 2014 w stosunku do 2010 roku. Wykorzystamy ją w późniejszym etapie.

Zaznaczamy kolumny od 1 do 7 i wstawiamy wykres liniowy. Excel automatycznie błędnie zaznacza nam zakres nazw serii (o jedną kolumnę za dużo) oraz zakres danych (o jedną kolumnę za mało). Dostosowujemy ręcznie zakres każdej serii poprzez Projektowanie > Zaznacz dane > Edytuj serię. Nadajemy poszczególnym seriom indywidualny kolor oraz wstawiamy wbudowany typ znacznika (kółko). Po tych zabiegach wykres wygląda następująco.

Dodajemy etykiety danych punktów krańcowych. Zaznaczamy każdy z punktów indywidualnie poprzez dwukrotne kliknięcie i dodajemy etykiety danych. Formatujemy każdą etykietę z osobna (do lewej dla punktów krańcowych z lewej strony oraz do prawej dla punktów z prawej). Dopasowujemy kolor czcionki do koloru serii oraz stosujemy pogrubienie. Ostatecznie wstawiamy tytuł wykresu.

Otrzymujemy sformatowany wykres.

Nie widać na nim jeszcze o ile procent zmieniły się udziały poszczególnych grup telewizyjnych w 2014 vs 2010 rok. Do przedstawienia procentowej zmiany wykorzystamy komórki arkusza oraz formatowanie niestandardowe. Musimy najpierw ustawić właściwości wykresu na „Nie przenoś ani nie zmieniaj rozmiaru z komórkami”. Umożliwi do dostosowywanie położenia wartości etykiet na poziomie odpowiednich serii danych bez wpływu na rozmiar wykresu.

Wstawiamy w komórkach odwołanie do obliczonych wcześniej % zmian w latach 2010-2014. Jeśli komórka nie znajduje się na poziomie końca odpowiadającej jej serii danych możemy dowolnie manipulować wysokością wiersza żeby zsynchronizować ją w jednej linii z serią danych.

Ostatnim działaniem będzie ustawienie niestandardowego formatu komórek, tak żeby wartości dodatnie były wyświetlane z (+) przed liczbą. W formatowaniu komórek wpisujemy „+0%;-0”.

Voilà:

Alternatywę dla powyższego wykresu może stanowić propagowana przez Edwarda Tufte’go tzw. „mała wielokrotność” (ang. small multiples). Doskonale obrazuje ona trendy poszczególnych zmiennych.

O autorze

Piotr Lorenc – analityk biznesowy jednej z głównych firm energetycznych w Polsce.

Ty też możesz opublikować własny artykuł na blogu SkuteczneRaporty.pl

Jeżeli czujesz, że temat wizualizacji danych i dashboardów jest Ci bliski i masz ciekawe doświadczenia, praktyczne przykłady wykorzystania wiedzy z tej strony czy triki Excel, którymi chcesz się podzielić, zerknij na stronę Współpraca lub po prostu napisz na kontakt@skuteczneraporty.pl. Czekam na Twoje wykresy i dashboardy.

Podoba Ci się redesign wykresów? Podziel się Twoją opinią w komentarzu.

Ogólny przebieg analizy

W pierwszej fazie neurony w naszym oku dostrzegają elementy w polu widzenia i wykrywają, bez naszej świadomości, atrybuty takie jak położenie, rozmiar, kształt, kolor, orientację, teksturę. Pomagają one pogrupować  i zorganizować widziane elementy. W drugiej fazie, pole widzenia jest dzielone na kształty i wzorce. W trzecim etapie aktywnie szukamy związku między elementami tworzącymi wzorce, przechowując wyniki naszego badania w pamięci krótkotrwałej. Dla analizy danych kluczowa jest zdolność do rozpoznawania kształtów i wzorców, która kiedyś umożliwiła ludziom przetrwanie, a w dzisiejszych czasach jest szczególnie przydatna przy wnioskowaniu na podstawie danych biznesowych.

Analiza przebiega zwykle w następujących etapach: Przegląd całości > Zbliżenie na szczegół > Odfiltrowanie elementów nieistotnych > Wejście w niezbędne detale > Wyciągnięcie wniosków.

Związek między danymi

Punktem wyjścia do analizy zawsze jest związek między danymi, które są analizowane. Dla każdego z nich problem jest definiowany inaczej, np.:
– szereg czasowy – Czy ruch na stronie internetowej rośnie czy maleje?
– korelacja – Czy istnieje związek między wydatkami na marketing a sprzedażą?
– rozkład – Jaki jest zakres zarobków pracowników i ile osób znajdzie się w grupie powyżej 10 000 zł?
– część całości – Jaki udział w rynku ma nasza firma?
– ranking/porównanie nominalne – W jakiej kolejności występują departamenty?
– odchylenie – W jakim stopniu wydatki departamentów różnią się od planowanego budżetu?

Wzorce w związkach

W zależności od występującego związku szukamy innych wzorców i kształtów.

Szereg czasowy

– punkty skrajne – W którym miesiącu sprzedaż była najwyższa, a w którym najniższa?

– trend – Czy wartości rosną, maleją czy pozostają bez zmian?

– zmienność – Czy ruch na stronie internetowej waha się mocno czy nieznacznie?

– tempo zmian – Czy tempo jest stałe, rośnie czy maleje? Który z dwóch zestawów danych zmienia się szybciej?

– sezonowość – Czy występują skoki (tzw. peaki) sprzedaży?

– chwilowy związek – Czy kampania marketingowa miała wpływ na sprzedaż?

– przesunięcie – Z jakim opóźnieniem zadziałała kampania marketingowa?

– przecięcie – Kiedy sprzedaż produktu A dogoniła produkt B?

Korelacja

– zależność – Czy wraz ze wzrostem stażu pracy rosną uzyskiwane premie (zależność liniowa dodatnia)?

Czy wraz ze wzrostem PKB spada umieralność noworodków (zależność liniowa ujemna)?

Czy wraz ze wzrostem liczby lat działalności w branży IT sprzedaż rośnie coraz szybciej (zależność dodatnia nieliniowa)?

– koncentracja – Czy większość zamówień jest średniej wielkości?

– skupisko – Czy istnieje grupa dużych zamówień z niewielkim zyskiem?

– luka – Czy na rynku są mieszkania większe niż 80 m2, ale mniejsze niż 100 m2?

– wyjątek – Czy największy klient jest traktowany na zwykłych warunkach?

– losowość – Czy dane na wykresie nie wykazują związku?

Rozkład

– symetria – Czy rozkład wzrostu uczniów w klasie jest symetryczny czy asymetryczny?

– szerokość – Jeśli rozkład jest symetryczny, czy jest wąski czy szeroki?

– jednolitość – Czy wszystkie badane grupy wiekowe z podobnym natężeniem korzystają ze strony internetowej w tych samych porach?

– wierzchołki – Czy korki w badanym mieście tworzą się 2 razy dziennie?

– luka – Czy istnieją zamówienia między 15 i 20 zł?

– wyjątek – Czy prezes zarządu zarabia wielokrotnie więcej niż inni?

Ranking/porównanie nominalne/część całości/odchylenie

– punkty skrajne – Która firma dominuje na rynku? Jaka jest jej przewaga nad drugą w rankingu?

– udział w całości – Jaki jest udział firmy w rynku?

Większość związków między ilościowymi danymi biznesowymi może zostać sklasyfikowanych w 7 kategorii. Poznanie ich jest pierwszym krokiem do zrozumienia, jak je przedstawiać, ponieważ kategorie te są ściśle powiązane ze sposobem ich obrazowania.

Szereg czasowy

Kiedy wartości ilościowe są wyrażane jako seria pomiarów wykonanych w równych odstępach czasu, związek ten nazywa się szeregiem czasowym. Żaden innych związek nie występuje w danych biznesowych tak często jak ten. Badania wykazały, że ok. 75% wszystkich wykresów biznesowych pokazuje szereg czasowy. Czas może być podzielona na interwały różnej długości, takie jak lata, kwartały, miesiące, tygodnie, dni, godziny, a nawet minuty. Typowym przykładem jest poniższy wykres:

Obserwacja faktu, jak wartości różnią się od siebie, rosnąc lub malejąc w czasie, jest bardzo wartościowa. Szeregi czasowe ujawniają trendy i wzorce, których musimy być świadomi i które musimy rozumieć, aby podejmować skuteczne decyzje.

Ranking

Kiedy wartości ilościowe są ułożone wg wielkości, od największego do najmniejszego lub odwrotnie, związek ten nazywany jest rankingiem. Często ma to duże znaczenie w biznesie, aby spojrzeć na dane uporządkowane, np. wyniki sprzedaży lub wydatki departamentów. Pozwala to nie tylko pokazać ich kolejność, ale także ułatwia porównania wartości poprzez umieszczenie wartości zbliżonych obok siebie. Poniższy wykres pokazuje typowy ranking:

Część całości

Kiedy wartości ilościowe są przedstawiane w celu ukazania porcji ogółu, który reprezentują, mamy do czynienia z częścią całości. Nierzadko przydaje się widok elementów, z których składa się całość i procent, który przypada na każdy element, np. podział rynku między konkurentów lub wydatki w podziale na region, jak na poniższym wykresie.

Odchylenie

Kiedy wartości ilościowe są przedstawiane w celu uwypuklenia, jak bardzo zbiór danych różni się od zbioru referencyjnego, jesteśmy świadkami odchylenia. Najczęstszym przykładem biznesowym jest ukazanie, jak bardzo zbiór danych (np. wydatki rzeczywiste) odbiega od wartości planowanych (budżetu zaplanowanego), tak jak na poniższym wykresie.

Rozkład

Kiedy pokazujemy, jak dane są rozsiane w całym zakresie, mamy do czynienia z rozkładem. Wiele rzeczy można się dowiedzieć poprzez analizę dystrybucji danych, szczególnie zaś jej kształtu, który mówi, co jest typowe dla danego zbioru wartości (jeśli rozkład jest niesymetryczny) lub gdzie są luki lub skupiska. Poniższy rysunek przedstawia symetryczny rozkład zwany normalnym, który ma kształt dzwonu.

Korelacja

Kiedy pary wartości ilościowych, z których każda mierzy inną właściwość dotyczącą tej samej jednostki (osoby, departamentu, produktu), są przedstawiane w celu ukazania związku między nimi (np. gdy jedna cecha rośnie, inna także lub jedna rośnie, a druga maleje) powstaje korelacja. Zrozumienie związku między wartościami ilościowymi może pomóc przewidzieć i wykorzystać te zachowania. Poniższy rysunek pokazuje korelację między kwotą kredytu a długością rozpatrywania wniosku kredytowego w banku.

Porównanie nominalne

Związek ten wykorzystuje skalę nominalną, w której elementy nie są ze sobą powiązane i nie ma związku między wartościami. Poniższy wykres dostarcza materiał do porównania wartości dla regionów, ale nic więcej. Jeśli wykres przedstawia tylko porównanie nominalne, warto zastanowić się, czy użycie innego związku nie miałoby więcej sensu. W tym przypadku wystarczy uporządkować wartości dla regionów, aby utworzyć ranking. Czasami jednak elementy są tak ułożone celowo, ponieważ ludzie oczekują zobaczyć je właśnie w ten sposób (np. tak jak poniższe regiony).