در وبلاگ قبلی مطالب زیر را خواندیم:
۴. Scatterplot
Scatter Plots (نمودارهای پراکندگی)، نقاط داده را در یک نمودار در نقطه ای که دو اندازه در آن قطع می کنند، نمایش می‌دهد. Scatter Plots تجزیه و تحلیل رابطه بین دو عدد را آسان می کند، زیرا تمام نقاط داده را در یک نمای نمایش می دهند. محور x (خط افقی) و محور y (خط عمودی) هر کدام میدان مخصوص به خود را دارند. Scatter Plots، نقاط داده را به صورت نقطه یا نماد در امتداد محورهای x و y نمودار نمایش می دهند.
Scatter Plots مانند نمودارهای خطی، از مختصات دکارتی برای تجسم داده‌ها استفاده می‌کنند. یک سیستم مختصات دکارتی از مختصات (که با اعداد مشخص می‌شوند) برای رسم نقاط روی نمودار استفاده می‌کند. از آنجایی که Scatter Plots از دو فیلد (محورهای x و y) استفاده می‌کنند، تفسیر داده‌های پیچیده را آسان تر می‌کنند.
چگونه Scatter Plots را بخوانیم؟
Scatter Plots از دو فیلد برای نشان دادن رابطه بین جفت متغیرها در یک نمودار استفاده می کند. به طور کلی، محور x متغیر مستقل نمودار و محور y متغیر وابسته نمودار است. یک متغیر مستقل توسط سایر متغیرها در اندازه گیری شما تغییر نمی کند. به طور متناوب، متغیرهای مستقل بر متغیرهای وابسته تأثیر می گذارند. هدف نمودار پراکندگی نشان دادن این است که چگونه تغییرات در متغیر مستقل، متغیر وابسته را تغییر می دهد.
ابتدا، برای خواندن Scatter Plots، مطمئن شوید که متوجه شده اید که متغیرهای مستقل (محور x) و متغیر وابسته (محور y) چه چیزی را اندازه گیری می کنند.
در مرحله بعد، نما را بررسی می‌کنیم تا ببینیم آیا می‌توانیم همبستگی بین فیلدها را در نما تشخیص دهیم. اگر متغیرها همبستگی داشته باشند در امتداد یک خط یا منحنی قرار می‌گیرند. هر چه همبستگی قوی‌تر باشد، نقاط داده محکم‌تر از خط یا منحنی پیروی می‌کنند. برخی از همبستگی‌های رایجی که می‌توانید با استفاده از نمودارهای پراکنده پیدا کنید شامل مثبت، منفی و تهی هستند.
همبستگی منفی (negative correlation) زمانی است که هر دو متغیر در جهت مخالف حرکت می‌کنند. این بدان معنی است که وقتی یک متغیر افزایش می‌یابد و متغیر دیگر کاهش می‌یابد، می‌توانید یک همبستگی منفی را مشاهده کنید.
همبستگی مثبت (positive correlation) زمانی است که هر دو متغیر در یک جهت حرکت کنند. این بدان معناست که تا زمانی که هر دو متغیر افزایش یا کاهش پیدا کنند، می‌توانید یک همبستگی مثبت را مشاهده کنید.
همبستگی صفر (positive correlation) به این معنی است که هیچ همبستگی واضحی بین متغیرها وجود ندارد.
Scatter plots به شناسایی همبستگی بین متغیرها کمک می‌کند. اما مهم است که به یاد داشته باشید که همبستگی برابر با علیت نیست. Scatter plots لزوماً پاسخ نمی‌دهند که چرا یک متغیر تغییر می‌کند.
در نهایت، نقاط داده را در نمودار پیدا کنید و ببینید کجا روی محورها قرار می‌گیرند. به نکات دیگر نگاه کنید تا متوجه شوید که متغیر مستقل چگونه بر متغیر وابسته تأثیر می‌گذارد.
نگاهی به نقاط داده‌ای جداگانه پس از بررسی تأثیر آنها بر یکدیگر می‌تواند به شما در درک بهتر رابطه کمک کند.
Scatter Plots از چه نوع analysis پشتیبانی می‌کند؟
Scatter plots از یافتن همبستگی بین دو متغیر پشتیبانی می‌کنند. یک شکل ساده از Scatter plots ممکن است کمک کند که نشان دهد آیا سطح بارندگی بر تعداد چترهای فروخته شده در یک روز خاص تأثیر می گذارد یا خیر.
زمان و نحوه استفاده از Scatter Plots برای Visual Analysis
برای بررسی اینکه آیا رابطه‌ای بین دو متغیر وجود دارد می توانید از Scatter plots استفاده کنید. انجام این کار می‌تواند نشان دهد که آیا یک متغیر پیش بینی خوبی برای متغیر دیگر است یا خیر.
به عنوان مثال، Scatter plots می‌تواند به شما کمک کند تا ببینید آیا ارتباطی بین فروش یک بستنی فروشی و میانگین دمای روزانه وجود دارد یا خیر. در این سناریو، میانگین دمای روزانه متغیر مستقل شما (محور x) را تشکیل می‌دهد. و متغیر وابسته (محور y) مقیاسی از فروش بستنی شما است که از صفر شروع می شود. هر نقطه داده در این نمودار یک روز را نشان می‌دهد.
امتیازها را با میانگین دمای روزانه و فروش روزانه بستنی ترسیم کنید. پس از قرار دادن تمام نقاط داده، می‌توانید ببینید که آیا رابطه ای بین فروش بستنی و دما وجود دارد یا خیر. همانطور که قبلا ذکر شد، همبستگی علیت را در نمودار پراکنده نشان نمی‌دهد. اما، اگر فروش بستنی بیشتری را در زمان گرمتر مشاهده کردید، می‌توانید رابطه بین این دو متغیر را استنباط کنید.
نمونه های عالی از Scatter Plots
این نمودار به همبستگی بین فروش و سود کسب شده توسط یک فروشگاه نگاه می‌کند. از روی نمودار می‌توانید متوجه شوید که فروش بالاتر لزوماً معادل سود بیشتر نیست.
- هر نقطه به وضوح برچسب گذاری شده است.
- علامت‌های زیادی در نما وجود ندارد، بنابراین بینندگان می‌توانند نقاط را با حداقل همپوشانی ببینند.
- یک رنگ ثابت وجود دارد.
- یک شکل ثابت وجود دارد.
نمونه های بد از Scatter Plots و جایگزین
مثال ضعیف
جایگزین بهتر
این نمودار به همبستگی بین فروش و سود نگاه می کند، اما از قالب خوبی برای ایجاد یک نمودار پراکندگی آسان برای تفسیر استفاده نمی‌کند.
- این طرح پراکندگی از اشکال مختلف بسیار زیادی استفاده می‌کند.
- این طرح پراکندگی از رنگ‌های بسیار زیادی استفاده می‌کند.
- نمودار از نظر بصری کاربر را با اطلاعات بیش از حد غرق می‌کند.
یک جایگزین بهتر، نمودار میله‌ای کنار هم خواهد بود. سود هر یک از زیرمجموعه‌ها و همچنین زیرمجموعه‌هایی که هیچ سودی نداشته‌اند قابل مشاهده است. صندلی‌ها و گوشی‌ها به وضوح بیشترین فروش را دارند. در این میان دستگاه‌های کپی بیشترین سود را دارند.
۵. Histogram
Histogramها تنوع خاصی از bar chart هستند و راهی برای نمایش توزیع داده‌ها ارائه می‌دهند. کارل پیرسون آماردان اولین بار در سال 1892 در سخنرانی های خود از اصطلاح هیستوگرام استفاده کرد. «معاملات فلسفی انجمن سلطنتی لندن» بیان می‌کند که هیستوگرام «به‌عنوان اصطلاحی برای شکل رایج نمایش گرافیکی، یعنی توسط ستون‌هایی که فرکانس متناظر با محدوده پایه‌شان را به‌عنوان نواحی مشخص می‌کنند، سرچشمه می‌گیرد».
یک هیستوگرام مقادیر مختلف موجود در یک مجموعه داده را به عنوان یک سری از نوارهای متصل ردیابی می کند. آماردانان، دانشمندان و تحلیلگران به عرض هر نوار به عنوان سطل یا کلاس اشاره می کنند.
چگونه Histograms را بخوانیم؟
Histogramها یک measure پیوسته را به binها یا گروه هایی تقسیم می کنند که محدوده خاصی از مقادیر را نشان می‌دهند. سپس نقاط داده در این مخازن با اندازه مساوی گروه بندی می‌شوند. سپس binها به صورت بصری به صورت نوارهایی که در کنار یکدیگر قرار گرفته اند نمایش داده می شوند. برای اندازه گیری امتیازات غواصان المپیک، یک bin می‌تواند شامل امتیازات بین 2 تا 4، سطل بعدی بین 4 تا 6 و دیگری امتیازات بین 6 تا 8 باشد.
Binها با تعداد وقوع در هر محدوده از مقادیر اندازه گیری می‌شوند. این شمارش ظاهر نما را بسته به محل متمرکز شدن مقادیر داده‌ها تغییر می‌دهد. هنگامی که مقادیر در یک طرف یا طرف وسط متمرکز می شوند به آن کج می‌گویند. راه‌های دیگری که داده‌ها می توانند نمایش داده شوند نامیده می‌شوند:
- Bimodal distribution – که دارای دو قله است.
- Plateau Distribution – که تا حد معینی بالا می رود و برای اکثر سطل ها در آنجا باقی می ماند.
- Edge Peak Distribution – که شبیه یک توزیع فرکانس معمولی به نظر می رسد، به جز یک سطل در انتها بالاتر از بقیه است و به عنوان نوعی دم عمل می کند.
محور x مورد استفاده در histogram به عنوان عرض میله‌ها عمل می‌کند، در حالی که محور y به عنوان ارتفاع عمل می‌کند. مگر اینکه یک دسته خاص اصلاً فرکانس نداشته باشد، نباید بین نوارها فاصله وجود داشته باشد.
دو روش اصلی برای نمایش داده‌ها در histogram وجود دارد: تعداد مقادیر درون binها و تراکم مقادیر (% از کل).
histograms از چه نوع analysis پشتیبانی می‌کند؟
histogramها هنگام نمایش داده‌های پیوسته و عددی بهترین عملکرد را دارند. اگر کاربر بخواهد عدد متوسط را در گروهی از اندازه‌گیری‌ها تجزیه و تحلیل کند، یک histogram می‌تواند به بیننده درک کند که به طور کلی در یک فرآیند یا سیستم انتظار دارد. رستورانی که می‌خواهد شلوغ ترین ساعات خود را به صورت آنلاین نمایش دهد، ممکن است از histogram استفاده کند. میانگین تعداد مشتریانی را که هر روز بازدید می‌کنند به binهایی تقسیم می‌کند که تعداد مشتریان را به طور متوسط در هر ساعت اندازه می‌گیرد.
برخلاف نمودارهای میله ای، هیستوگرام ها از مقایسه بین دو یا چند دسته پشتیبانی نمی کنند. این نمودارها تجزیه و تحلیل توزیع اعداد و بزرگترین فرکانس ها را آسان می کند. آنها انجام تجزیه و تحلیل آماری را آسان می کنند، به ویژه هنگامی که صحبت از تجزیه و تحلیل داده های جمعیت (مثلاً سن، جنس، قومیت) می شود.
برخی از measurementهای دیگر که در histogram قرار می‌گیرند ممکن است شامل عمق آب یا تفاوت دما باشد. اگر هدف نشان دادن تعداد افرادی باشد که در یک دهه خاص متولد شده اند، ممکن است سرشماری یک کشور به شکل histogram نیز کار کند.
برای مجموعه داده‌هایی که بر مشتریان، مصرف کنندگان یا مشتریان تأثیر می گذارد، می‌توان از histogram برای اندازه گیری رضایت استفاده کرد. برخی از مشتریان ممکن است احساس کنند نیازهای آنها برآورده نشده است و ممکن است روند را با عدد کم امتیاز دهند، در حالی که برخی دیگر آن را با عدد بالایی به آن امتیاز می دهند. histogram می‌تواند به شما کمک کند میانگین را پیدا کنید و تعیین کنید که آیا خود فرآیند نیاز به بهبود دارد یا خیر.
نحوه استفاده از Histograms برای Visual Analysis
برای ترسیم یک histogram به یک مقدار پیوسته و یک محور با شروع از صفر نیاز دارید تا تعداد مقادیر درون هر bin به درستی نمایش داده شود. در حالی که این تعداد می‌تواند صفر باشد، مقادیر منفی وجود نخواهد داشت.
شما باید از histogram استفاده کنید اگر:
- می‌خواهید نحوه توزیع اعضای یک دسته در یک مجموعه داده را بررسی کنید. به عنوان مثال، تفکیک حقوق در یک سازمان با توانایی مشاهده میزان متعادل پرداخت شما، یا تعداد اعضای بانکی که X مقدار دلار در حساب خود دارند.
- شما یک مقدار پیوسته و عددی دارید که می‌تواند به چند bin تقسیم شود.
- شما به دنبال درک توزیع مقادیر در یک دسته هستید.
از استفاده از histogram خودداری کنید اگر:
- شما باید چندین dimension را به طور همزمان analyze کنید.
- مجموعه داده‌های شما به درستی مقیاس بندی نشده است.
- شما می‌خواهید مقادیر خاص نقاط داده را با هم مقایسه کنید.
مثال عالی از Histogram
این histogram به اجاره‌های Airbnb در Austin، تگزاس نگاه می‌کند و قیمت هر روز را در binهای ۲۵ دلاری نشان می‌دهد. این نمودار دارای توزیعی به راست است و به نظر می‌رسد میانگین قیمت Airbnb بین 50 دلار در شب و 150 دلار در شب باشد.
- این histogram فقط از یک رنگ استفاده می‌کند.
- به یک اندازه نگاه می‌کند.
- میانگین تخمینی آسانی دارد.
۶. Bullet Graphs
bullet graph نواری است که با رمزگذاری های اضافی مشخص شده است تا پیشرفت به سمت یک هدف یا عملکرد را در برابر خط مرجع نشان دهد. هر نوار کاربر را بر روی یک معیار متمرکز می کند و عناصر بصری بیشتری را برای ارائه جزئیات بیشتر وارد می‌کند. bullet graph که توسط Stephen Few طراحی شده است، جایگزین متر و سنج هایی می‌شود که بر داشبوردها و گزارش‌های اولیه غالب بودند. اطلاعات بیشتری را در فضای کوچکتر فراهم می کند. آن را برای یک داشبورد جمع و جور ایده آل می کند.
bullet graph یک measure اولیه را نشان می‌دهد. این شامل اقداماتی از زمینه‌های دیگر برای بهبود نمایش گرافیکی برای analysis است. یکی ممکن است درآمد سال جاری را با توجه به یک هدف نشان دهد، در حالی که آن را با عملکرد سال قبل مقایسه کند. محور اندازه‌گیری داده‌ها از علامت‌ها و برچسب‌ها برای پشتیبانی از تحلیل در یک نگاه استفاده می‌کند. bullet graph که شکلی از bar chart هستند، از صفر شروع می شوند تا از تفسیر بصری داده ها پشتیبانی کنند.
چگونه bullet graph را بخوانیم؟
bullet graph شامل یک نوار است که measure مشخص شده را نشان می‌دهد. این نوار با رنگ قوی و خط پررنگ خود از بقیه نمودار متمایز است. خود را در وسط نمودار قرار می‌دهد. یک خط مرجع که نشان دهنده یک هدف یا آستانه بحرانی دیگر است، عمود بر میله روی محور با مقیاس کمی تنظیم می شود. هنگامی که نوار اصلی از خط مرجع عبور می کند، هدف محقق شده است یا وضعیت تغییر کرده است.
استفاده از سایه‌زنی، رنگ یا خطوط در داخل و اطراف اندازه‌گیری برجسته، زمینه را اضافه می‌کند. اینها می‌توانند عملکرد، اهداف، پیش‌بینی‌های قبلی را نشان دهند یا ابعاد بیشتری را برجسته کنند. اینها به یک صفحه نمایش اجازه می دهد تا نظارت و کاوش همزمان را فعال کند. برای مثال، فرض کنید شخصی از یک bar graph برای ردیابی هزینه های سال به سال استفاده می کند. این نمودار به آنها اجازه می دهد تا در یک نگاه بررسی کنند که آیا هزینه های سال گذشته کمتر از سال گذشته است یا خیر. خطوط مرجع یا سایه زدن، ایجاد آستانه ها را بر اساس داده های قبلی امکان پذیر می کند. سپس آنها را بررسی می کنند تا مطمئن شوند اندازه مشخص شده زیر آستانه باقی می ماند.
bullet graph از چه نوع analysis پشتیبانی می کند؟
اگر هدفی دارید که باید در یک بازه زمانی معین به آن دست یابید، bullet graph به نمایش هدف، مجموعه داده‌های فعلی و مجموعه داده‌های قبلی در یک تجسم کمک می‌کند. این bullet graph می‌توانند در کنار یکدیگر قرار بگیرند و مجموعه داده‌های متعددی را نمایش دهند تا یک نمای کلی از نحوه عملکرد یک سیستم ارائه دهند. bullet graph برای تحلیل تغییر در طول زمان، قسمت به کل، جریان یا توزیع خوب نیست. آنها به بهترین وجه برای مقایسه استفاده می‌شوند.
Bullet graphs اغلب برای مقایسه پیش‌بینی‌ها با اعداد واقعی استفاده می‌شوند:
- تحلیلگران تجاری بررسی می کنند که آیا تیم ها یا بخش ها در مسیر رسیدن به اهداف خود هستند یا خیر.
- سیستم های مراقبت های بهداشتی از آنها برای اندازه گیری ظرفیت در مکان های خاص استفاده می کنند.
- سازمان‌های غیرانتفاعی پیشرفت در راستای اهداف جمع‌آوری سرمایه را اندازه‌گیری می‌کنند.
تحلیلگران همچنین از bullet graph برای سنجش یک معیار کمی در رابطه با محدوده‌های کیفی استفاده می‌کنند:
- تولیدکنندگان سطوح تولید را تماشا می‌کنند و آنها را با محدوده‌های مختلفی که نشان‌دهنده عملکرد است، مقایسه می‌کنند.
- بخش‌های فناوری اطلاعات می‌توانند بررسی کنند که آیا استفاده از شبکه بالاتر یا کمتر از سطح مورد انتظار است.
- بازاریابان عملکرد کمپین های خود را تماشا می کنند تا تشخیص دهند که آیا یکی از آنها از دیگران پیشی می گیرد یا خیر.
یک bullet graph می‌تواند تعداد مشتریانی که در یک روز معین به یک فروشگاه مراجعه می‌کنند را در مقایسه با تعداد متوسط اندازه‌گیری کند. یا کاربر می‌تواند هدفی از مشتریان برای ارائه خدمات در یک روز مشخص ایجاد کند و از bullet graph استفاده کند تا ببیند آیا فروشگاه توانسته به آن هدف دست یابد یا خیر.
زمان و نحوه استفاده از Bullet Graphs برای Visual Analysis
بیشتر موارد استفاده در بالا بر روی یک مجموعه داده متمرکز است. با استفاده از داده‌های بیشتر، bullet graph امکان تجزیه و تحلیل را در یک نگاه در یک نمایشگر بصری کوچک فراهم می‌کنند. ترکیب بسیاری از bullet graph در یک داشبورد، یک نمای کلی از چندین مجموعه داده را در یک نگاه ارائه می‌دهد. بنابراین، تحلیلگران از آنها برای ردیابی KPIهایی که باید به طور منظم بررسی کنند، استفاده می کنند. در حالی که bullet graph داده‌ها را کارآمدتر از گیج‌ها رمزگذاری می‌کنند، آنها به اندازه نمودارهای دیگر مورد استفاده یا درک نیستند. اطمینان حاصل کنید که مخاطبان شما قبل از استفاده از آنها برای درک آنچه می بینند آموزش دیده‌اند.
می‌توانید از bullet graph برای نمایش بیشتر از پیشرفت به سمت هدف استفاده کنید. آنها می‌توانند مقادیر مثبت و منفی را نشان دهند که می‌تواند به شناسایی انحرافات در عملکرد کمک کند. یک مثال خوب از این مقایسه درآمد ناخالص، هزینه‌ها و سود در سه bullet graph است. این به شما امکان می‌دهد محدوده یا پیش بینی‌های خاصی را در مورد هر اندازه گیری قرار دهید و مسائل را در یک نگاه شناسایی کنید.
هنگام ایجاد یک bullet graph:
- از یک رنگ قوی و شفاف برای اندازه گیری ویژگی استفاده کنید.
- از رنگ‌های ملایم تر از همان طرح رنگ برای علامت گذاری معیارهای مقایسه استفاده کنید.
- مطمئن شوید که مجموعه‌های زمانی شما یکسان است.
از bullet graph استفاده نکنید اگر:
- مجموعه داده‌های شما در طول زمان یکسان اندازه گیری نمی‌شود.
- می‌خواهید عملکرد بسیاری از دسته‌ها را مقایسه کنید (مثلاً محصولات یا مناطق)
- شما نمی‌خواهید یک معیار کمی را در برابر محدوده یا آستانه کیفی بررسی کنید.
مثال عالی از Bullet Graph
این bullet graph فروش محصولات مختلف قهوه را ردیابی می‌کند و آنها را با هدف بودجه اختصاص داده شده برای هر محصول مقایسه می‌کند. به نوارهایی که اهداف هر محصول را نشان می‌دهند توجه کنید.
این bullet graph:
- از یک نوار عمودی برای نشان دادن هدف برای هر محصول استفاده می‌کند.
- از رنگ‌ها (زرد و سبز) برای تشخیص اینکه کدام محصول اهداف فروش خود را برآورده می‌کند استفاده می کند.
- از خاکستری برای علامت گذاری نوار هدف در اطراف نوار محصول استفاده می‌کند.
- از پایه صفر شروع می‌شود.
نمونه های ناکارآمد Bullet Graph و گزینه‌های جایگزین
مثال ضعیف
جایگزین بهتر
این bullet graph خاص، موارد زیادی را در یک زمان اندازه گیری می‌کند. دریافت هر نوع تصمیمی در مورد داده‌های ارائه شده برای بیننده بسیار سخت است.
بهترین راه برای ارائه این نوع داده‌ها از طریق bar chart است.
- از سه رنگ مختلف برای نوار هدف استفاده می‌کند.
- نحوه عملکرد گروه های مختلف در چهار منطقه مختلف را اندازه گیری می‌کند.
- محصولات در هر منطقه متفاوت است و سردرگمی بیشتری را اضافه می‌کند.
یک جایگزین خوب برای این bullet graph ضعیف، bar chart است که به سادگی هدف و میزان قهوه فروخته شده در هر زیررده را ردیابی می‌کند. مرجع هدف نوار خاکستری است، در حالی که نوار نشان دهنده مقدار سبز یا زرد است، بسته به اینکه آیا هدف محقق شده است یا خیر.
