Przygotowanie danych do budowy pionowego wykresu liniowego w Excelu

Na początku przygotujmy dane do wykresu. Danymi źródłowymi będzie sprzedaż w kolejnych dniach tygodnia.

Kolejnym krokiem będzie wstawienie wiersza technicznego z numerami, które odpowiadają nazwom dni.

Budowa wykresu punktowego z liniami w Excelu

Następnie stworzymy wykres punktowy z prostymi liniami i znacznikami na podstawie wiersza technicznego i wartości sprzedaży.

Wybierzmy następnie polecenie Zaznacz dane w zakładce Projektowanie.

Edytujemy istniejącą serię i trochę ją modyfikujemy.

Wartościami serii X będą wartości sprzedaży, natomiast wartościami serii Y będą numery techniczne.

Kolejną czynnością będzie dodanie technicznej serii danych, która pozwoli nam utworzyć etykiety osi Y inne niż liczbowe.

Zmieńmy teraz typ wykresu.

Dane pozostaną wykresem punktowym, przeniesiemy jednak tę serię na oś pomocniczą. Etykiety zmieńmy n wykres słupkowy grupowany.

Kolejnym krokiem będzie edycja serii Etykiety,

Wartościami serii będą wartości sprzedaży.

Edycja będzie dotyczyła także etykiet osi poziomej – zmienimy je na nazwy dni tygodnia.

Sformatujmy techniczną serię danych: słupki nie będą miały wypełnienia oraz obramowania.

Następnie usuńmy linie siatki, ustawmy zakres etykiet osi prawej y na 0,5 do 7,5 i usuńmy (ukryjmy) tę oś, dodajmy etykiety danych i zmieńmy ich wartość na wartości sprzedaży.

Kategorie osi Y ustawmy w kolejności odwrotnej, tak aby poniedziałek był na górze wykresu i w takiej samej kolejności ustawiamy prawą oś y (jeśli jest już schowana odkrywamy ją zielonym plusem).

Gotowy wykres prezentuje się jak poniżej:

Pobierz szablon wykresu Excel

Pobierz szablon pionowego wykresu Excel i wstaw swoje dane: Pionowy wykres liniowy.xlsx.

W szeregu czasowym można wyróżnić m.in.:

• Tendencję rozwojowa (trend) – wyraża ona skłonność do jednokierunkowych zmian (spadku lub wzrostu);
• Wahania cykliczne – długookresowe, rytmiczne wahania wokół tendencji rozwojowej;
• Wahania sezonowe – wahania wokół tendencji rozwojowej w okresie nieprzekraczającym roku;

Dekompozycja szeregu czasowego składa się na proces przewidywania pewnych zjawisk. W przypadku prognozowania na podstawie szeregu czasowego proces ten odbywa się poprzez stworzenie odpowiedniego modelu.

Budowa modelu szeregu czasowego w Excelu

Jak powyższą teorię przełożyć na analizę danych w Excelu?  Za dane źródłowe posłuży informacja dotycząca wartości sprzedaży artykułów biurowych dla czterech segmentów: biuro w domu, korporacji, małych firm oraz osób fizycznych. Dane sprzedażowe dotyczą czterech lat 2011-2014 i są w rozbiciu miesięcznym. Na podstawie tych danych historycznych zostanie przygotowana prognoza na lata 2015-2016.

Przyjrzyjmy się najpierw sprzedaży artykułów biurowych do domowych biur. Przed wykorzystaniem danych do utworzenia modelu, układ tabeli zostanie zmodyfikowany. Najlepszym rozwiązaniem będzie wklejenie danych jako wartości do nowego arkusza. Dane dotyczące roku i miesiąca zostaną połączone w kolumnie data. Dane rozszerzmy o daty dla lat 2015-2016, dla których będziemy prognozować.

Dla tak przygotowanych danych wstawiamy wykres liniowy (zaznaczmy zakres zawierający puste komórki przygotowane dla lat 2015-2016).

Wykres prezentuje się jak poniżej. Można na nim zaobserwować pewne wahania sezonowe.

Aby zobaczyć tendencję rozwojową dodajmy linię trendu.

Trend prezentuję tendencję wzrostowa, jednakże nie jest ona tak spektakularna jak niektóre z wyników historycznych i tworzenie prognozy na podstawie linii trendu nie będzie najlepszym rozwiązaniem. Użyjmy zatem bardziej skomplikowanego modelu.

Najpierw przygotujmy dane. Wykorzystamy do tego funkcję Nachylenie. Funkcja ta zwraca nachylenie wykresu regresji liniowej dla wszystkich punktów danych w argumentach znane_y i znane_x. Nachylenie to współrzędna pionowa podzielona przez współrzędną poziomą między dwoma dowolnymi punktami na linii, która określa wielkość zmiany wzdłuż linii regresji. Danymi y będą miesiące, natomiast x – wielkość sprzedaży.

Kolejną wykorzystaną funkcją będzie Odcięta, która oblicza punkt przecięcia się linii z osią y przy użyciu istniejących wartości znane_x i znane_y. Punkt przecięcia jest to punkt, w którym prosta regresji, poprowadzona przez wartości znane_x i znane_y, przecina oś y. Należy stosować funkcję ODCIĘTA wtedy, gdy chce się wyznaczyć wartość zmiennej zależnej przy zerowej wartości zmiennej niezależnej.

Kolejnym krokiem będzie dodanie kolumny Trend.

Aby obliczyć wartości trendu wykorzystamy poniższe obliczenie: wartość sprzedaży razy Nachylenie + Odcięta.

Wartości trendu prezentują się jak poniżej.

Kolejną dodaną kolumną będzie Sezonowość, która zostanie obliczona jako różnica pomiędzy danymi rzeczywistymi a trendem.

Następnie obliczymy średnią sezonowość dla każdego miesiąca oddzielnie, która będzie bazować na poniższej formule:

Prognoza zostanie obliczona jako suma trendu oraz średniej sezonowości dla danego okresu.

Dodajmy prognozę na wykres (także dla danych historycznych).

Ponieważ przedstawiamy dane nierzeczywiste kolejne elementy wykresu będziemy oznaczać linią przerywaną.

I właściwie taki model i wykres mógłby być tym finalnym. Jednakże uwagę zwraca fakt, że prognoza dla lat 2011-2014 bardzo odbiega od danych rzeczywistych. Dlatego najlepszym rozwiązaniem będzie dodanie do wykresy błędu prognozy.

Model z uwzględnionym błędem prognozy

Błąd prognozy można najprościej wyjaśnić jako różnicę pomiędzy danymi rzeczywistymi a danymi prognozowanymi dla tego samego okresu. Błąd prognozy zostanie obliczony jako różnica pomiędzy prognozą a danymi rzeczywistymi podzielona przez wartość danych sprzedażowych.

Na podstawie tak obliczonych danych widzimy, że błąd przekracza nawet 400%. Błędy są zarówno wartościami dodatnimi jak i ujemnymi, czyli prognoza została przeestymowana oraz niedoestymowana (estymacja=prognoza).

Na podstawie błędu prognozy dla każdego miesiąca obliczmy średni błąd dla całego analizowanego okresu.

Średni błąd wynosi 49%. Na podstawie wyżej prezentowanego wykresu można uznać to za świetny wynik, zważywszy na fakt, że w niektórych miesiącach błąd wynosi ponad 400%! Z czego to wynika? Taki wynik jest rezultatem uśredniania wartości ujemnych oraz dodatnich, niektóre z nich po prostu się znoszą.

Spójrzmy zatem na bezwzględną wartość błędu prognozy. Do jej obliczenia użyjemy formuły Moduł.Liczby, który zwraca jedynie wartości dodatnie.

Następnie te dane zostaną również uśrednione.

Jak można zauważyć średni bezwzględny błąd prognozy jest znacząco wyższy od uśrednionego błędu prognozy.

Dodajmy do modelu jeszcze jedną kolumnę, która będzie przedstawiać prognozę skorygowaną na plus o uśredniony błąd. Gdyby zależało nam na prognozie in minus, moglibyśmy dodać kolejna kolumnę.

Tak obliczone wartości dodamy jako kolejną serię na wykres.

Po sformatowaniu gotowy wykres prezentuje się jak poniżej. Można zauważyć, że prognoza skorygowana o wartość błędu jest zbliżona do danych historycznych.

Wszystkie powyższe operacje powtarzamy dla pozostałych segmentów i formatujemy wykresy odpowiednio, aby otrzymać poniższy wykres panelowy:

Powyższy przykład obrazuje, jak bardziej zaawansowany model statystyczny pozwala urealnić prognozę, czego rezultatem nie musi być wcale skomplikowana tabela z danymi a prosty wykres z dwiema liniami przerywanymi. Taki pozwala nie tylko szybko zweryfikować poprawność modelu historycznie, ale także planować działania na przyszłość.

Plik do pobrania

Tu możesz pobrać plik źródłowy z modelem szeregu czasowego w Excelu.

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.

Miniwykres liniowy z wieloma opcjami

Wykres liniowy jest pierwszym i najprostszym wykresem, który można narysować za pomocą SfE®. Tylko skoro wykres taki jest też dostępny jako wbudowany miniwykres w Excelu 2010 i nowszych, po co korzystać z dodatku SfE®, aby go narysować? Głównie ze względu na dostępność wielu dodatkowych opcji formatowania, których nie zapewnia korzystanie z samego wykresu Excelowego. Co więcej, w SfE® możemy dodać drugą, dodatkową serię danych, a także linię odniesienia.

Zacznijmy jednak od początku. Załóżmy, że chcemy narysować wykres pokazujący sprzedaż w pierwszym półroczu przez dwa regiony naszej firmy. Gromadzimy potrzebne dane w prostej tabeli:

Następnie przechodzimy do wstążki SfE® i wybieramy typ wykresu, w tym przypadku Line:

Pojawia się okno dialogowe, w którym określamy wszystkie parametry wykresu. Przypomina ono nieco okno excelowych funkcji i działa na podobnej zasadzie:

W pierwszych dwóch polach (Points1 i Points2) wpisujemy adresy serii danych, czyli w naszym wypadku odpowiednio zakresy C3:H3 i C4:H4, co daje nam następujący wynik:

Zauważcie, co pojawia się w pasku formuły (1) – przypomina to formuły funkcji excelowych i działa na takiej samej zasadzie – można edytować argumenty z poziomu paska. Jeśli natomiast chcemy znowu otworzyć okno dialogowe, aby wprowadzić kolejne parametry wykresu, wystarczy kliknąć na przycisk „Wstaw funkcję” (zaznaczony na powyższym rysunku cyfrą 2). Zwróćcie też uwagę, co pojawia się w polu nazwy (3) – każdy wykres narysowany za pomocą SfE® automatycznie zostanie nazwany w ten sposób, czyli frazą „Sprk” oraz oznaczeniem adresu komórki, w której się znajduje (w tym przypadku R6C9, czyli row 6, column 9, co odsyła nas do komórki I6).

Uwaga: przykładowy wykres, na którym pracujemy w niniejszym artykule, celowo został umieszczony w znacznie powiększonej komórce tak, aby lepiej były widoczne wszystkie możliwe opcje jego modyfikacji. W docelowych dashboardach i raportach zachęcamy oczywiście do stosowania miniwykresów w takim rozmiarze, jaki będzie najbardziej użyteczny i przejrzysty. Celowo też prezentujemy tutaj wszystkie możliwe modyfikacje wykresu, tak, aby w pełni zaprezentować możliwości SfE®. Dobór docelowych elementów wykresu zależy oczywiście od tego, co dany wykres ma przedstawiać, zgodnie ze współczynnikiem dane/atrament.

Pole Points1 jest jedynym wymaganym polem, które należy uzupełnić, aby SfE® narysował nam wykres. Wszystkie pozostałe pola są opcjonalne. Przyjrzyjmy się teraz argumentom, które pomogą nam sformatować wykres.

Jak sformatować wykres liniowy?

Kolejnymi polami, które możemy edytować w oknie dialogowym wykresu, są pola Mini i Maxi. Służą one do określenia minimalnej i maksymalnej wartości, które ma pokazywać nasz wykres, czyli odpowiadają zakresowi ukrytej osi. Co ciekawe, nie da się za pomocą tych argumentów przyciąć wykresu w ten sposób, żeby pokazywał zakres mniejszy, niż podane przez nas liczby. Można tylko rozszerzyć perspektywę:

Jeśli pola Mini i Maxi zostaną pozostawione puste, wykres automatycznie dopasuje się do zakresu pokazywanych liczb.

Do naszego wykresu możemy też dodać linię odniesienia, wpisując w pole Hline odpowiednią wartość. Załóżmy, że chcemy, aby ta linia pokazywała średnią wartość sprzedaży. Wystarczy odniesienie do adresu komórki, która nam tę średnią wyliczy:

Na wykresie pojawiła się czerwona linia, która odpowiada policzonej w komórce C5 średniej. Zwróćcie uwagę, w jaki sposób zmienia się formuła – kolejne argumenty są oddzielone średnikami. Średniki wyznaczają też puste miejsca pozostawione w polach Mini i Maxi.

Kolejna opcja formatowania wykresu to określenie „normality zone”, czyli zakresu, który chcemy wyróżnić innym tłem. Robimy to za pomocą pól MinZone i MaxZone w oknie dialogowym (bądź edytując formułę wykresu w pasku formuły, pamiętając o średnikach). W naszym przykładzie załóżmy, że chcemy wykorzystać tę opcję do podkreślenia średniej. Określmy więc „normality zone” jako zakres od średnia-1 do średnia+1, znów wykorzystując odwołanie do konkretnych komórek. Wykres wygląda teraz tak:

Do wykresu możemy również dodać znaczniki (podobną funkcję oferuje wbudowany excelowy sparkline). Aby to zrobić, w oknie dialogowym edytujemy pole Tags, wpisując tam liczbę od 1 do 9, oznaczającą wariant, którego chcemy użyć. Twórca przewidział następujące warianty:
1 – oznaczenie maksymalnego i minimalnego punktu wykresu
2 – oznaczenie pierwszego i ostatniego punktu wykresu
3 – wariant 1 i 2 jednocześnie
4 – oznaczenie wszystkich punktów jednym kolorem
5 – oznaczenie wszystkich punktów, z czego ostatni i pierwszy są w innym kolorze
6 – oznaczenie wszystkich punktów, z wyróżnieniem minimalnego i maksymalnego punktu
7 – same punkty, bez linii
8 – oznaczenie tylko ostatnich punktów
9 – oznaczenie tylko pierwszych punktów

W następnym kroku możemy określić kolory linii na naszym wykresie, jeśli chcemy, aby były one inne, niż domyślny granatowy i czarny. Aby to zrobić, musimy zerknąć do pliku z kodami kolorów, dostępnego na stronie projektu i pod adresem http://garr.dl.sourceforge.net/sourceforge/sparklinesforxl/color_codes.pdf. Na sześciu stronach mamy tam podane przeróżne kolory, wraz z kodami, które wystarczy skopiować do odpowiedniego pola (ColorLine1 i ColorLine2) w oknie dialogowym wykresu:

Formuła poszerza nam się o kolejne argumenty, a wykres zmienia kolory.

Kolejny argument pozwala na określenie, jak ma się zachować wykres, jeśli nasze dane nie są ciągłe i występują między nimi puste miejsca. Tutaj twórca przewidział 3 warianty:
0 – nie łącz punktów i zostaw puste miejsce;
1 – połącz punkty linią ciągłą;
2 – połącz punkty linią przerywaną.

Następne dwa pola w oknie dialogowym wykresu pozwalają nam określić kolor punktów maksymalnych i minimalnych na wykresie, jeśli chcemy aby były inne, niż domyślne (niebieski i czerwony). Postępujemy tutaj analogicznie, jak przy określaniu koloru linii, czyli wybieramy kolor z tabeli kodów.

Kolejna grupa argumentów dotyczy zaznaczania na wykresie interwałów czasowych za pomocą szarych pól. Załóżmy, że na naszym wykresie chcemy odróżnić od siebie poszczególne miesiące. W tym celu w trzy kolejne pola musimy wpisać odpowiednie wartości. I tak, w pole ShadedStart wpisujemy liczbę, która określa ilość punktów danych przed szarym polem (w naszym przypadku 0, jeśli chcemy, aby już pierwszy miesiąc był szary); w pole ShadedWidth wpisujemy liczbę, która określa szerokość szarego pola w ilości punktów danych (w naszym przypadku 1, bo chcemy, aby szare pole obejmowało 1 miesiąc); a w pole TransparentWidth wpisujemy liczbę, która określa szerokość pomiędzy szarymi polami, również wyrażoną w ilości punktów danych (czyli w naszym przypadku również 1). Wykres wygląda teraz następująco:

SfE® pozwala także na wstawienie w dowolnym miejscu pionowej linii, którą możemy wyróżnić jakiś punkt na wykresie. W tym celu w pole MarkPosition wpisujemy liczbę, która określi pozycję naszej linii w poziomie (jeśli w przykładzie chcielibyśmy zaznaczyć np. luty, wtedy byłaby to liczba 2).

Kolejną opcją dostępną dla wykresu liniowego w SfE® jest lustrzane odbicie. Jeśli chcemy, żeby wykres wyświetlał dane w odwrotnej kolejności, w pole MirrorDisplay wpisujemy 1.

Następne cztery pola pozwalają na umieszczenie na wykresie etykiety. Biorąc pod uwagę pierwotne założenia sparklines, które mówią o jego miniaturowej wielkości, umieszczanie etykiety wydaje się zadaniem dość karkołomnym, jednak przyjrzyjmy się i tej opcji, skoro taką możliwość daje nam SfE®.

W polu TxtLabel umieszczamy tekst naszej etykiety (może to być również odniesienie do komórki z tekstem), następnie w polu PlaceLabel określamy pozycję etykiety na wykresie. Mamy do wyboru dziewięć możliwości:
TR (top right) – na górze po prawej
TC (top center) – na górze po środku
TL (top left) – na górze po lewej
CR (center right) – na środku po prawej
CC (center center) – na środku
CL (center left) – na środku po lewej
BR (bottom right) – na dole po prawej
BC (bottom center) – na dole po środku
BL (bottom left) – na dole po lewej

Oprócz tego, możemy jeszcze określić, jakiego rozmiaru ma być czcionka etykiety (wpisujemy odpowiednią cyfrę odpowiadającą rozmiarowi w pole SizeLabel) oraz to, w jakim czcionka ma być kolorze (tu znowu używamy tabeli kolorów, wpisując odpowiedni kod w pole ColorLabel).

Ostatnie dwa pola w oknie dialogowym dają nam możliwość określenia grubości linii naszego wykresu. W polu LinesWeight określamy za pomocą liczby grubość głównych linii, a w polu HLineWeight grubość linii odniesienia. W obu przypadkach możemy użyć miejsc po przecinku, aby bardziej precyzyjnie wskazać ten parametr.

Tym sposobem przeszliśmy przez wszystkie możliwości, jakie oferuje SfE® w zakresie modyfikacji wykresu liniowego – wykresu przebiegu w czasie. W kolejnym odcinku tego cyklu przyjrzymy się wykresowi pociskowemu.

Plik do pobrania

Tu możesz pobrać wykres liniowy utworzony z dodatkiem Sparklines for Excel.

Skala logarytmiczna – kiedy ją stosować?

Są dwa główne powody stosowania skali logarytmicznej. Pierwszym z nich jest prezentowanie danych w tych samych jednostkach, których wartości znacząco się od siebie różnią (jeśli mamy różne jednostki zalecane jest użycie wykresu z dwiema osiami). Drugim powodem jest chęć pokazania procentowej zmiany wielkości oraz chęć ich bezpośredniego porównania.

Która firma rośnie szybciej: A czy B?

Na pierwszy rzut oka przychody firma B rosną znacznie szybciej niż firmy A. I rzeczywiście nominalnie tak jest.

Co jednak ze stopą wzrostu? Wykres ten nie mówi nam nic o procentowym wzroście miesiąc do miesiąc (m/m). Nie jesteśmy w stanie tych informacji odczytać szybko z wykresu. Dla tego typu porównania najlepszym wykresem będzie właśnie wykres ze skalą logarytmiczną zamiast skali liniowej.

Jak wstawić skalę logarytmiczną w programie Excel?

Skalę osi możemy zmienić przez zaznaczenie jej, a następnie po kliknięciu prawym przyciskiem i rozwinięciu listy opcji, wybieramy Formatuj oś.

Wybieramy skalę logarytmiczną o jednostce podstawowej 10 – skala będzie wyliczona na podstawie logarytmu dziesiętnego, który był już przybliżany w artykule o skali logarytmicznej.

Wybór skali logarytmicznej zdecydowanie zmienił oś y. Kolejna wartość podziałki jest wynikiem mnożenia poprzedniej wartości przez 10, tj.  1x 10=10, 10×10=100, 100×10=1000 itd. – tak właśnie działa logarytm dziesiętny. Dzięki zmianie skali możemy porównywać stopę wzrostu. Co widzimy? Że obie firmy mają porównywalne stopy wzrostu, przy czym kąt nachylenia, bo na nim się skupiamy, jest minimalnie wyższy dla firmy A, co potwierdzają dane (średnia stopa wzrostu dla firmy A wynosi 11%, przy średniej 9% dla firmy B).

Skala logarytmiczna – stosować czy nie?

Podsumowując rozważania na temat skali logarytmicznej, stwierdzamy, że jest to skala, która nadaje się do stosowania dla wąskiego grona odbiorców – analityków, którzy będą wiedzieli o jej wadach i zaletach. W większości przypadków stosujmy skalę liniową.

Plik do pobrania

Tu możesz pobrać plik: skala logarytmiczna w Excelu.xlsx.

Przykład 1. Wykres cykliczności poszczególnych miesięcy w kolejnych latach

Dane do wykresu cykliczności powinny być ułożone w sposób schodkowy -> sposób ten zaprezentowany jest na poniższym obrazie. W kolumnie A zostały umieszczone poszczególne miesiące, natomiast w kolumnie B kolejne lata dla poszczególnych miesięcy. Dla każdego miesiąca umieszczone w pierwszej kolumnie są dane, a następnie średnia, która jest przeliczana automatycznie, a więc kolumny mają kolejność Styczeń, Styczeń Średnia, Luty, Luty Średnia, Marzec itd. Następnie zaznaczamy dane razem górnymi nagłówkami (w naszym przykładzie komórki C5:Z65) i wstawiamy wykres liniowy. Następnie klikamy prawym przyciskiem myszy na wykresie > Wybierz dane > wybieramy edytowanie etykiet osi poziomej (kategorii). W zakresie etykiet osi wybieramy obszar nagłówków z kolumn A i B z nazwami miesięcy w poszczególnych latach (w naszym przykładzie będzie to zakres komórek A6:B65). Z legendy usuwamy dane dotyczące średniej (styczeń średnia, luty średnia itd.) Nasz wykres cykliczności jest gotowy. Oczywiście wykres wymaga jeszcze odpowiedniego formatowania – m.in. kolory linii, formatowanie osi, aby wyglądał lepiej.

Wskazówki praktyczne nt. korzystania z szablonu wykresu cykliczności w Excelu

Jeżeli chciałbyś zastosować omawiany tutaj przykład, wystarczy w danych w kolumnie B wprowadzić interesujące lata i podstawić odpowiednie dane dla poszczególnych miesięcy. Oczywiście, gdybyś potrzebował przygotować wykres na innego okresu niż 5 należy dodać/usunąć odpowiednie wiersze z danymi, ale tutaj trzeba zachować ostrożność, aby nie usunąć tych wierszy tam, gdzie jest wprowadzona nazwa miesiąca. W sytuacji dopisywania kolejnego roku, gdybyś wstawiał wiersze w miejscu nieobjętym wyliczaniem średniej, pamiętaj, aby przeciągnąć także formuły ze średnią.  W sytuacji, gdy dojdziesz do wniosku, że lepiej byłoby ukazać cykl nie w zakresie styczeń – grudzień a np. marzec – luty, wystarczy odpowiednio przebudować dane:

Wykres po przebudowaniu kolejności danych wygląda zgodnie z naszymi oczekiwaniami:

Przykład 2. Wykres cykliczności w poszczególnych dniach kolejnych tygodni

Wykres tworzymy analogicznie do omówionego powyżej wykresu cykliczności (poszczególnych miesięcy w kolejnych latach). Dane muszą być rozłożone jak poniżej: Gdybyśmy chcieli, aby wykres pokazywał tylko np. dane dla roboczych dni tygodnia, wystarczy ukryć odpowiednie wiersze danych:     Po ukryciu wierszy wykres cykliczności pokazuje tylko dane dla dni poniedziałek – piątek:

Plik do pobrania

Kliknij, aby pobrać wykorzystywany w artykule plik z wykresem cykliczności: Wykres Cykliczności.xlsx

Tradycyjne podejście do prezentacji szeregów czasowych

W najczęściej stosowanym podejściu, dane na osi czasu są wyświetlane w oddzielnych liniach dla każdego tygodnia lub miesiąca. Na podstawie danych wstawiliśmy wykres liniowy przedstawiające dane w poszczególnych dniach tygodnia. Na wykresie liniowym dane prezentowane są za pomocą linii, najczęściej łamanej, a każdy z punktów łączony jest linią od pierwszej wartości do ostatniej. Ta forma wykresu wykorzystywana jest najczęściej dla przedstawienia danych zebranych w danym okresie. Na powyżej zaprezentowanym wykresie łatwo zauważyć, że sprzedaż najniższa jest w czwartki i w niedzielę, a najwyższa we wtorki. Wykres ten jednak nie jest odpowiedni, aby odczytać jaki jest ogólny trend sprzedaży w ciągu kolejnych tygodni. W sytuacji gdy zamieścimy wykres liniowy dla kolejnych dni, łatwo zauważyć, że ogólny trend sprzedaży jest rosnący, natomiast wykres ten nie jest użyteczny, gdy chcemy odczytać w jakie dni tygodnia sprzedaż jest największa, a w jakie najmniejsza. Reasumując oba powyżej zaprezentowane wykresy nie są wystarczające, aby na jednym wykresie zaprezentować zarówno trend, jak i cykl. Aby uzyskać na podstawie wykresu dwie informacje – o cyklu i o trendzie – wydaje się, że musimy użyć dwóch wykresów.

Wykres cykliczności – trend i cykl w jednym

Dwa wykresy? Tak, jeśli nie znamy wykresu cykliczności, który zarówno ukazuje trend, jak i cykl. Wykres cykliczności jest używany do pokazania wartości danych w poszczególnych dniach kolejnych tygodni lub poszczególnych miesięcy w kolejnych latach. Składa się z kilku niezależnych wykresów tworzących łącznie wykres panelowy o tych samych osiach. Powyższy wykres pokazuje nam zarówno trend ogólny jak i cykl tygodniowy. Wykres ten zawiera 7 szarych linii – każda jedna dla kolejnego dnia tygodnia. Każda szara linia wykresu jest rosnąca, dzięki czemu wiemy, że ogólny trend sprzedaży jest rosnący. Dzięki temu, że mamy oddzielnie linie dla każdego dnia tygodnia, wystarczy spojrzeć na wykres, by szybko zorientować się, w jakie dni sprzedaż jest największa, a w jakie najmniejsza. Zielone linie prezentują średnią dla danego dnia tygodnia (na wykresie cykliczności dla kolejnych lat będzie to średnia dla poszczególnych miesięcy), dzięki czemu jesteśmy informowani, że w pierwszych tygodniach sprzedaż była poniżej średniej, a w ostatnich tygodniach powyżej średniej. Jednocześnie łatwo nam porównać średnie miesięczne. Na wykresach cykliczności nie zawsze warto trzymać się porządku poniedziałek – niedziela, czy styczeń – grudzień. Jeżeli np. widzimy, że sprzedaż mamy najniższą w miesiącach zimowych, warto przemyśleć, czy danych tych nie ułożyć obok siebie – tzn. zacząć od marca i skończyć na lutym lub zacząć od listopada i skończyć na marcu. W takiej sytuacji nasz wykres wyglądał by tak:  

Wykres cykliczności a Excel

W menu Excela nie znajdziemy wykresu cykliczności i to jest główną przyczyną, dlaczego zapewne dotychczas nie spotkaliśmy się z tym rodzajem prezentacji danych. W następnym artykule opiszemy krok po kroku, jak stosunkowo łatwo utworzyć wykres w tym programie.

Przykład

Aby stworzyć wykres min-średnia-max w Excelu należy przygotować 3 wartości dla każdego okresu: średnią, minimalną i maksymalną.

Rozwiązanie

Zaznaczamy dane i tworzymy wykres warstwowy. Właśnie na wykresie warstwowym zaznaczymy poprzez odpowiednie formatowanie „korytarz” wahań naszej zmiennej. Można by użyć wykresu liniowego, ale nie byłby tak skuteczny w przekazie jak warstwowy.

Kluczowe jest, aby nadać seriom odpowiednią kolejność: najpierw max, potem średnia, na końcu min:

W ostatnim kroku formatujemy serię zawierającą minima, zmieniając jej kolor na biały, pozostałe 2 serie kolorujemy na szaro. Dodatkowo dla serii zawierającej średnie zmieniamy kolor i grubość linii. Ewentualnie można dopasować skalę na osi Y. Oto jak prezentuje się gotowy wykres warstwowy min-średnia-max:

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?

1. Mapa procesu

Mapa procesu jest graficznym przedstawieniem procesu, pokazującym kolejność wykonywania zadań przy wykorzystaniu standardowych symboli przepływu pracy. Mapa jest obrazem tego, jak ludzie pracują. Diagram taki jest podobny do mapy drogowej w tym sensie, że jest wiele alternatywnych sposobów dotarcia do celu i, przedstawiając mapę procesu, dowiadujemy się, jakie alternatywy mamy do dyspozycji. Ponieważ procesy przebiegają zwykle przez wiele jednostek organizacyjnych, otrzymujemy na mapie zintegrowany obraz podziału pracy.
Jeżeli nie dysponujemy Visio, możemy prostą mapę stworzyć także w Excelu. Oto przykładowa mapa podprocesu umówienia spotkania z kandydatem w procesie rekrutacji:

Do jej stworzenia wystarczą podstawowe kształty dostępne w Excelu (Wstawianie -> Kształty):  prostokąt (krok procesu), romb (punkt decyzyjny), elipsa (punkty START i STOP), strzałka oraz łącznik łamany ze strzałką. Dzięki dodaniu w Excelu 2007 punktów zaczepienia do kształtów (analogicznie jak w Visio), łączenie kształtów strzałkami jest łatwe. Za tory (ang. swimming lanes), które reprezentują uczestników procesu, mogą posłużyć komórki arkusza. Najbardziej czasochłonne może być wyrównywanie kształtów za pomocą polecenia Wyrównaj (Układ strony -> Wyrównaj -> Wyrównaj do środka w pionie / poziomie), jednak dzięki niemu mapa jest bardziej czytelna.

2. Arkusz analityczny

Arkusz analityczny (arkusz kontrolny) jest arkuszem składającym się z listy elementów (np. potencjalnych błędów) oraz liczby występowania danego elementu w rzeczywistości (np. błąd wystąpił dziś 3 razy). Karta umożliwia zbieranie danych dotyczących procesu poprzez dostarczenie najczęstszych zdarzeń.
Tworząc arkusz kontrolny w Excelu, projektujemy zwykłą tabelę, w której będą zbierane informacje o procesie:

3. Karta kontrolna

Karta kontrolna jest wykresem szeregu czasowego służącym do monitorowania zmienności procesu. Analiza procesu umożliwia znalezienie wzorców, które można przypisać do przyczyn standardowych i niestandardowych.
Kartę kontrolną w Excelu tworzy się przy użyciu wykresu liniowego. Można do niego dodać dodatkową serię oznaczającą target (Zaznacz dane -> Dodaj i wpisując jako Wartości serii ={x,x,x,x…} nasz target x tyle razy, ile okresów jest na wykresie).
Oto przykładowa karta kontrolna dla liczby błędów z targetem w postaci średniej liczby błędów:

4. Diagram Pareto

Diagram Pareto przedstawia ranking elementów (np. liczby błędów), dzięki któremu możemy oddzielić elementy najważniejsze od tych mniej istotnych. Nazwa pochodzi od nazwiska ekonomisty Wilfredo Pareto, który stwierdził, że 20% przyczyn odpowiada za 80% skutków.
Diagram Pareto tworzymy w Excelu następująco: sortujemy malejąco dane dot. częstości (Dane -> Z-A), dodajemy do nich nową kolumnę, w której liczymy udział danego elementu w całości, a następnie udział skumulowany. Następnie zaznaczamy kolumny zawierające etykiety danych, dane dot. częstości i udział skumulowany (przytrzymując klawisz Ctrl) i wstawiamy wykres kolumnowy. Zaznaczamy serię danych skumulowany udział i klikając prawym przyciskiem myszy wybieramy Zmień typ wykresu seryjnego, a następnie zmieniamy na liniowy. Ponownie klikamy prawym przyciskiem myszy na tej serii, wybieramy Formatuj serię danych i w zakładce Opcje serii zaznaczamy Oś pomocnicza.

Ewentualnie, jeśli używamy dodatku Sparklines for Excel, możemy stworzyć wykres kolumnowy w tabeli, a kolumny stworzą nam wykres Pareto. W tym przypadku, będąc w pierwszym wierszu z danymi, klikamy diagram Pareto, zaznaczamy dane i przypisujemy wartość targetowi2 (np. 0,8). Dodatkowo możemy oznaczyć najczęstszą przyczynę wstawiając 1 w polu highlight position.

5. Histogram

Histogram jest graficznym przedstawieniem danych w podziale na określone klasy. Wykorzystuje się go do określenia kształtu danych i porównywania rozkładu z oczekiwaniami. Histogram może bazować na liczebności  lub częstości, a jego przedziały powinny być równe.
Aby stworzyć histogram w Excelu musimy wyznaczyć klasy (przedziały), przy czym nie powinno ich być mniej niż 5 i więcej niż 15. Można zrobić to ręcznie, jeśli przedziały są oczywiste, lub przy pomocy wyliczeń. Wyliczenia mogą mieć następujący przebieg: przy pomocy funkcji MIN obliczamy wartość minimalną zbioru i przy pomocy funkcji MAX wartość maksymalną, wyznaczamy samodzielnie liczbę klas i dzielimy różnicę między wartością MAX i MIN (tzw. rozstęp) przez liczbę klas. Otrzymaną liczbę zaokrąglamy i na jej podstawie tworzymy przedziały.
Histogram w Excelu możemy stworzyć na 2 sposoby: samodzielnie lub przy pomocy dodatku Analysis Toolpak. W pierwszym przypadku sami obliczamy częstość występowania danych w przedziałach i tworzymy wykres kolumnowy lub liniowy, przy czym w kolumnowym ustawiamy w Opcjach serii odstęp na 0. W drugim, wybieramy Dane -> Analiza Danych -> Histogram (jeśli tej opcji nie ma, należy zainstalować dodatek w opcjach Excela poprzez Przycisk pakietu Office -> Opcje programu Excel -> Dodatki) i zaznaczamy nasze dane (Zakres komórek) oraz przedziały (Zakres zbioru). Dodatkowo zaznaczamy opcję Wykres wyjściowy oraz, jeśli  nasze dane zawierają kolumny, zaznaczamy opcję Tytuły. Jeśli nie wybierzemy przedziałów, Excel zrobi to za nas.

Oto przykładowy histogram, przedstawiający liczbę błędów pracowników w różnych godzinach ich pracy. W zależności od tego, czy chcemy podkreślić kształt danych czy indywidualne wartości możemy zastosować odpowiednio wykres liniowy (uzyskując wielobok liczebności)oraz kolumnowy (otrzymując tradycyjny histogram).

6. Wykres korelacji

Wykres korelacji (punktowy diagram korelacji) jest wykresem przedstawiającym zależność między dwoma zmiennymi: niezależną (x) i zależną (y), przy czym zmienna x jest przedstawiana zazwyczaj na osi poziomej, a y na osi pionowej. Wykres korelacji pozwala odkryć zależność przyczynowo-skutkową występującą między zmiennymi lub jej brak.
Wykres korelacji w Excelu jest po prostu wykresem punktowym (nazywanym również XY). Oto przykład zależności między wnioskowaną kwotą kredytu a czasem analizy wniosku:

7. Diagram Ishikawy

Diagram Ishikawy przedstawia graficznie powiązania pomiędzy przyczynami i skutkami pewnego problemu, ułatwiając identyfikację przyczyn problemu. Diagram przypomina kształtem rybie ości.
Excel nie posiada wbudowanej opcji, która umożliwiłaby szybkie stworzenie diagramu Ishikawy, w związku z tym trzeba go stworzyć ręcznie przy pomocy strzałek i pól tekstowych:

Plik do pobrania

Wszystkie przedstawione tu narzędzia dostępne są w poniższym pliku: 7 tradycyjnych narzędzi jakości.