Monet meistä luovat kuvaajia samalla tavalla kuin valitsemme tiskiainetta ruokakaupassa, ajattelematta ja tottumuksesta. Todellisuudessa lopputuote (kaunis ja oivaltava kuvaaja) ansaitsee enemmän ajatusta. Ensinnäkin on hyvä miettiä, mikä on datan välittämisen päämäärä. Haluatko näyttää trendin ajan kuluessa, näyttää löydöt luokittain vai kenties visualisoida datasi muuttujat osana kokonaisuutta? DataHero osaa mainiosti ehdottaa oikeaa kaaviota datallesi, mutta tässä postauksessa on hieman taustatietoa siitä, miksi.
Nämä kaksi erilaista kaaviota voivat tuntua lähes vaihdettavilta, mutta yleisesti ottaen viivakaaviot sopivat parhaiten jatkuvaan dataan, kun taas pylväs- ja pylväskaaviot sopivat parhaiten kategoriseen dataan. Muista, että kaikkiin sääntöihin on poikkeuksia, mutta nämä ovat joitakin yleisiä nyrkkisääntöjä. Jatkuva data on kvantitatiivista, et voi laskea eri arvojen lukumäärää. Tähän kuuluvat tiedot, kuten myynti, pituus, voitto jne. Siihen voi kuulua myös aika, vaikka aika voi olla sekä jatkuvaa että kategorista tietoa. Pylväs- ja pylväsdiagrammit ovat hyviä kategoristen tietojen esitystapoja, joissa voit laskea eri luokkien lukumäärän. Tässä esimerkissä aika on jatkuvaa viivadiagrammissa. Se voi kuitenkin olla myös kategorinen pylväsdiagrammeissa, joissa on viiniluokkia.
Alhaalla näet, että viivadiagrammi kuvaa suuntausta melko hyvin, mutta se saattaa olla paras viinien (pöytä-, jälkiruoka- ja kuohuviinien) kokonaismyyntiä kuvaava kuvaaja.
Tässä on ryhmitelty pylväsdiagrammi samasta aineistosta luokkien (pöytä-, jälkiruoka- ja kuohuviinien) mukaisessa erittelyssä. Ryhmitetyissä pylväsdiagrammeissa voi olla vaikea havaita eroa kunkin ryhmän kokonaissummien välillä, mutta niiden avulla on ihanteellista vertailla luokkien yksittäisten elementtien välisiä eroja.
Porrastetut pylväsdiagrammit sopivat mainiosti kokonaissumman esittämiseen, mutta yksittäisten luokkien kokojen vertailu voi olla hankalaa.
Prosenttipylväsdiagrammi kuvaa sitä, miten kukin luokka muodostaa osan kokonaisuudesta. Toisin sanoen se piilottaa määrän ja esittää kunkin ryhmän määrien välisen suhteellisen eron. Jos kategorioissa on päällekkäisyyttä, on tarpeen käyttää ryhmiteltyä pylväsdiagrammia, koska osa-kokonaisuus-suhdetta ei voi olla.
Kumulatiiviset pylväsdiagrammit esittävät muuttujan määrän kaikkien frekvenssien summana siihen pisteeseen asti. Tämä olisi ihanteellista, jos minun on esimerkiksi tiedettävä, kuinka paljon jälkiruokaviiniä on myyty vuodesta 1994 vuoteen 2012.
Logaritminen pylväsdiagrammi reagoi vinoutuneeseen dataan, erityisesti jos yksi tai muutama piste on vinoutunut suuremmaksi kuin suurin osa datasta. Se näyttää prosentuaalisen muutoksen tai kertoimet.
Täältä löydät lisää viinitilastoja. Kaikissa näissä kuvaajissa käytetään täsmälleen samoja tietoja, mutta ne näyttävät hyvin erilaisia näkökulmia riippuen siitä, mitä tiedoista halutaan viestittää. DataHeron avulla voit helposti siirtyä kaikkien näiden kuvaajien välillä klikkaamalla ”Lisää”-painiketta, eikä ylimääräisiä funktioita tai kaavoja tarvita.
DataHero auttaa sinua paljastamaan datasi vastaukset. Mitään ei tarvitse ladata tai asentaa. Luo vain tili ja yhdistä päivittäin käyttämiisi datapalveluihin (kuten Salesforce, Stripe, MailChimp ja Google Drive). DataHero purkaa tietosi automaattisesti ja näyttää tarvitsemasi vastaukset dynaamisten visualisointien avulla.