Wykresy, których należy unikać

Do grona wykresów, które przysparzają problemów analitycznych, zaliczyć można wykres kołowy, warstwowy i radarowy. Oto ich największe wady i przykłady błędów, które można popełnić, wykorzystując każdy z nich.

Wykres kołowy

Wykres kołowy (ang. pie chart) jest stosowany, aby pokazać części całości, która powinna wynosić 100%. Jest najczęściej nadużywanym typem wykresu. Udowodniono, że wykres ten nieefektywnie przedstawia dane, nadużywa koloru i często wprowadza w błąd, gdyż ludzkie oko nie jest w stanie porównać kątów wycinków poprawnie (kąty ostre są widziane jako mniejsze niż w rzeczywistości, podczas gdy rozwarte jako większe). Jedynym plusem tego typu jest to, że wszyscy wiedzą, że wykres kołowy sumuje się do 100%. Co więcej, nie da się stworzyć efektywnego wizualnie porównania między wykresami kołowymi. Zmuszamy też odbiorcę, żeby krążył między legendą, aktualnymi wartościami a wykresem, żeby połączyć otrzymane informacje w całość. Przykładowy wykres kołowy przedstawia poniższy rysunek:

Wykresy, których należy unikać 1

Odpowiedzią na wszystkie wady wykresu kołowego jest wykres kolumnowy, który zostaje zauważony podświadomie zanim odbiorca zdąży zwrócić na niego swoją uwagę. Poniższy wykres przedstawia właśnie wykres kolumnowy przedstawiający dokładnie te same dane:

Wykresy, których należy unikać 2

Wykres kołowy jest tak nieskuteczny w prezentowaniu danych, że powstało jest nawet kilka żartów na ten temat, jak „Zachowaj ciasto (ang. pie) na deser” czy „Czy jest coś gorszego niż wykres kołowy? Tak, dwa wykresy kołowe”.

Jeżeli  pomimo wszystko chcemy zastosować wykres kołowy, należy:
– posegregować dane rosnąco,
– sprawić, aby największy kawałek zaczynał się na godzinie 12,
– umieścić etykiety blisko wycinków,
– (opcjonalnie) wprowadzić odcienie szarości lub tylko jeden kolor zamiast wycinków różnokolorowych.
Skorygowany wykres kołowy przedstawia poniższy rysunek:

Wykresy, których należy unikać 3

Wykres warstwowy

Wykres warstwowy (ang. area chart), podobnie jak wykres kołowy, jest wykresem typu powierzchniowego, co znaczy, że prezentuje on wartości jako pole powierzchni. Także i w tym przypadku oko ludzkie nie jest w stanie odpowiednio ocenić  powierzchni. Zagrożeniem przy tym wykresie jest nachodzenie na siebie serii danych, co obrazuje poniższy obraz:

Wykresy, których należy unikać 4

Wykres warstwowy skumulowany uniemożliwia skuteczne porównanie ze sobą drugiej i trzeciej serii (oraz kolejnych), gdyż nie mają one wspólnej bazy.

 

Wykres radarowy

Wykres radarowy (ang. radar chart lub spiker chart lub web chart) jest kolejnym nadużywanym obecnie typem wykresu. Dane są przestawione na bazie koła, w którym wartości ilościowe zaznaczone są na liniach odchodzących promieniście od centralnego punktu, formując w ten sposób pewne ramy. Wykres ten jest niczym innym jak wykresem liniowym ze skalą kategorii ułożoną na kształt koła. Dla większości danych wykres ten nie jest efektywny, gdyż nie da się łatwo porównać danych, gdy powstałe ramy się przecinają.

Wykresy, których należy unikać 5

Wykres radarowy najlepiej zastąpić innym, np. kolumnowym lub po prostu tabelą:

Wykresy, których należy unikać 6

Bartosz Czapiewski

Bartosz Czapiewski

Założyciel SkuteczneRaporty.pl, doświadczony ekspert oraz trener Excela, Power Query, Power BI i DAX. Od ponad 15 lat pomaga specjalistom i firmom lepiej pracować z danymi, automatyzować raporty oraz rozwijać kompetencje analityczne.

Jest autorem programów szkoleniowych dla Analityków: JUNIOR, POWER PRO i EXPERT oraz twórcą społeczności I❤️DATA, w której poprzez mentoring, spotkania LIVE z ekspertami i praktyczne wyzwania pomaga rozwijać umiejętności, budować portfolio, przygotować się do rekrutacji i zrobić kolejny krok w stronę pracy jako Analityk Danych.

Na blogu dzieli się praktycznym podejściem do analityki: od układania danych w Excelu, przez automatyzację pracy z Power Query, aż po zaawansowane raportowanie w Power BI, DAX i rozwój kariery Analityka Danych.

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Wymagane pola są oznaczone *