Tables، که به آنها “تقاطع” یا “ماتریس” نیز گفته می‌شود، به جای استفاده از استایل visual، بر مقادیر فردی تمرکز دارند. آنها یکی از رایج ترین راه‌های نمایش داده‌ها هستند و بنابراین یکی از مهم ترین روش هایی است که افراد به تجزیه و تحلیل داده‌ها می پردازند. در حالی که تمرکز آنها ذاتاً بصری نیست، خواندن اعداد در واقع یک تمرین زبانی است، عناصر بصری را می‌توان روی جداول قرار داد تا قدرتمندتر و هضم آنها آسان تر شود.
مردم اغلب با جداول تعبیه شده در وب سایت‌ها، به عنوان بخشی از منوها در رستوران ها، یا در جریان کار خود از طریق اکسل تعامل دارند. ما جداول را در همه جا می‌بینیم، بنابراین بسیار مهم است که بدانیم چگونه آنها را بخوانیم و از اطلاعات ارائه شده حداکثر استفاده را ببریم. برای تحلیلگران و کارکنان دانش نیز مهم است که بدانند چگونه می‌توانید درک آن را برای مخاطبان خود آسان تر کنید.
Table چیست؟ چگونه از آن استفاده کنیم؟
مانند اکثر نمودارها، یک جدول داده‌ها را بر اساس محور سازماندهی می‌کند. سطرها محور x و ستون‌ها محور y هستند. رایج است که به دلیل خواندن جداول، از محور x برای نمایش دسته‌ها و محور y مقادیر درون هر اندازه گیری را نشان دهد و ستون ها برچسب گذاری شده‌اند تا معنی آنها را به وضوح نشان دهند. برخلاف اکثر نمودارها، جداول می‌توانند داده های کیفی را به صورت سازماندهی شده نمایش دهند و روابط بین آنها را برجسته کنند.
تحلیلگران زمانی که می‌خواهند مقادیر فردی را ببینند، تمایل دارند از جداول استفاده کنند. آنها شناسایی معیارها را در مجموعهای از بازه‌ها (مثلاً سود شرکت در نوامبر 2018) یا ابعاد (مثلاً هر فرد در سال 2019 چند فروش بسته است) آسان می‌کنند. علاوه بر این، یک جدول خلاصه می‌تواند به طور موثر مجموعه داده‌های بزرگی را توصیف کند و مجموعهای فرعی و کل کل را برای هر بازه یا بعد در اختیار شما قرار دهد. مشکل جداول این است که مقیاس خوبی ندارند. اگر جدول بیش از ده تا پانزده سطر و پنج ستون داشته باشد، خواندن، درک، و کسب بینش از آن سخت می‌شود. به این دلیل است که یک جدول سیستم های زبانی را در مغز فعال می‌کند در حالی که تجسم داده‌ها سیستم های بینایی را فعال می‌کند.
افزودن عناصر visual به جدول به کاربران نهایی کمک می‌کند تا سریعتر از جدول اصلی بینش را از داده‌ها به دست آورند. Color gradient (Heat Maps را ببینید) و اندازه به بینندگان کمک می کند تا الگوها و نقاط پرت را شناسایی کنند. نمادها به بیننده کمک می کنند تا تغییر در اندازه گیری ها را بین ابعاد تشخیص دهد. استفاده از علائم متمایز توجه را به روابط بهتر از جدول داده های خام جلب می کند.
Tables و crosstabs برای انجام تحلیل مقایسه ای بین نقاط خاصی از داده‌ها مفید هستند. ایجاد آنها آسان است و می‌توانند یک بینش کلیدی را به راحتی نشان دهند. قبل از اینکه آن را در تصویرسازی داده بسازید، باید در نظر بگیرید که آیا یک crosstab از اهداف پروژه شما پشتیبانی می‌کند یا خیر.
انواع Tables
Table زیر شامل توضیحات مختصری برای رایج ترین انواع جداول است. همانطور که کتابخانه مرجع در عمق و وسعت گسترش می یابد، انواع بیشتری اضافه می شود و هر یک صفحه ای اختصاص داده شده به نمایش نمونه های عملی و توضیح زمان استفاده از آنها دارد.
Text Tables
Highlight Tables and Heatmaps
یک جدول متنی یا crosstab مقادیر جداگانه را در سطرها و ستون ها ارائه می دهد. اغلب برای توصیف یا خلاصه استفاده می شود.
یک Heat Map از رنگ و اندازه برای نشان دادن مقادیر یک اندازه گیری استفاده می کند. جداول هایلایت فقط بر روی رنگ تمرکز می کنند.
Highlight Tables and Heatmaps
Highlight Tables و Heatmaps از رنگ برای کمک به تجسم داده‌های نمایش داده شده به عنوان جدول متنی (نمودار جدولی یا جدولی) استفاده می کنند.
هایلایت کردن جداول، جداول متنی را در عین حفظ فرم آن ها افزایش می دهد. آنها محدوده‌ای از مقادیر اندازه‌گیری را با ویژگی پیش‌توجهی رنگ کدگذاری می‌کنند. از پایین ترین به بالاترین این جداول می توانند رنگ های پیوسته را با استفاده از پالت‌های متوالی یا واگرا نمایش دهند. آنها همچنین می توانند از یک آرایه پلکانی رنگ استفاده کنند. یک پالت رنگی واگرا از رنگ های مختلف برای برجسته کردن عبور از یک آستانه معنی دار استفاده می‌کند. به عنوان مثال می‌توان از ارزش های مثبت به ارزش های منفی رفت. یک پالت رنگ متوالی، شدت یک رنگ را برای برجسته کردن رتبه تغییر می دهد.
Heatmaps یک گام فراتر می‌روند. آنها از رنگ و اندازه به عنوان ویژگی‌های پیشگیرانه استفاده می‌کنند. این به شما امکان می‌دهد دو معیار را رمزگذاری کنید: یکی برای رنگ و دیگری برای اندازه.
چگونه Heatmaps و Highlight Tables را بخوانیم؟
Highlight tables داده‌ها را در یک جدول متنی نمایش می‌دهد. با استفاده از رنگ، نحوه شناسایی مهم ترین اعداد در محدوده ای از مقادیر را سرعت می‌بخشند. این جداول همچنین دارای سطرها و ستون‌هایی برای نمایش ابعاد مختلف هستند.
Heatmaps الگوها، روندها و روابط درون داده ها را ارائه می‌دهند. آنها از رنگ و اندازه از دو بر روی معیارهای مشابه یا متفاوت استفاده می کنند. به عنوان مثال، در حالی که از رنگ برای کمک به شناسایی تغییرات یک اندازه گیری در یک نقشه حرارتی استفاده می کند، سازنده ممکن است با کلید زدن همان اندازه برای اندازه، اهمیت آن را تقویت کند. برای شناسایی روندها باید از خود بپرسید: نقطه مورد علاقه من در رابطه با روشن ترین و کم رنگ ترین رنگ در نقشه حرارتی کجاست؟ آیا اندازه شکل استفاده شده در زمان یا مکان خاصی در نقشه افزایش می یابد؟ پاسخ به این سوالات می تواند نشان دهنده یک رابطه یا روند شکل گیری در داده ها باشد.
Heatmaps و Highlight Tables از چه نوع analysis پشتیبانی می‌کند؟
highlight table، جداول متنی هستند که از طریق استفاده از رنگ برای نشان دادن مقادیر بالا و پایین افزایش یافته اند. فرض کنید یک صفحه گسترده مالی دارید که درآمد، زیان، سود، درآمد خالص، درآمد ناخالص، هزینه ها و فروش را ردیابی می کند. شما می توانید از رنگ های مختلف در مقدار اندازه گیری برای هر نقطه داده برچسب گذاری شده استفاده کنید. اگر به برجسته کردن فقط رد شدن اهمیت می دهید، می توانید از یک رنگ برای مثال های منفی استفاده کنید (مثلاً قرمز). نتایج مثبت می تواند یک رنگ متضاد برای مشخص کردن تفاوت باشد (مثلاً سیاه).
Heatmaps برای ارائه روندها در ابعادی که دارای متغیرهای بیشتری هستند، بهترین کار را دارند. زیرا Heatmaps از یک یا چند بعد و یک یا دو اندازه تشکیل شده است. به عنوان مثال، یک بیمارستان می‌تواند تعداد زیادی از بیماران را به طور همزمان وارد و خارج کند. ممکن است بیمارستان بخواهد بداند که آیا این بیماران برنامه ریزی شده هستند یا اورژانسی هستند؟ یک Heatmaps می‌تواند این تمایز را با ردیف‌ها یا ستون های منحصر به فرد برای هر نوع قرار ایجاد کند. سپس ساعات اوج مصرف بیمارستان و حجم بیمار را با رنگ و اندازه نشان می‌دهند.
زمان و نحوه استفاده از Highlight Tables برای Visual Analysis
از یک highlight table برای نشان دادن مقادیر برجسته در جدول متنی با استفاده از رنگ استفاده کنید. بینندگان می‌توانند به سرعت اندازه های بالاتر را از اندازه‌های پایین تر در عرض چند ثانیه پس از تماشای نما تشخیص دهند.
highlight tables بد دارای موارد زیر خواهد بود:
- رنگهای متعددی که بیننده را گیج می‌کند.
- اندازه‌گیری‌هایی که به طور کلی بسیار شبیه به هم هستند، بنابراین تشخیص اینکه مقادیر بالاتر و پایین‌تر کجا قرار دارند را دشوار می‌کند.
- اگر بیش از یک پیمانه را نشان دهند و برای هر دو پیمانه رنگهای یکسانی داشته باشند.
- پالت رنگ متفاوت زمانی که همه مقادیر مثبت یا منفی هستند
- این تنها زمانی باید مورد استفاده قرار گیرد که داده‌های شما دارای آستانه معنی‌داری باشد که از آن عبور می‌شود.
نمونه های عالی از Highlight Tables
این highlight table به تعداد بیمارانی که در یک بیمارستان بستری می‌شوند و زمان انتظار مربوطه آنها را نشان می‌دهد. هر چه رنگ تیره تر باشد، تعداد بیماران در اتاق انتظار در آن زمان بیشتر می شود.
داده‌ها به طور مساوی پخش می‌شوند. بینندگان می‌توانند ببینند چه زمانی بیماران بیشتری منتظر هستند و چه زمانی ممکن است اتاق انتظار خالی باشد.
زمان انتظار انتخابی و اضطراری به دو جدول تقسیم می‌شوند، اما از یک رنگ استفاده می‌کنند.
نمونه های ناکارآمد Highlight Tables و گزینه‌های جایگزین
مثال ضعیف
جایگزین بهتر
این highlight table به فروش، سود و سفارشات در ماه و سال می‌پردازد. با این حال، این جدول ضعیف طراحی شده است و می تواند خواننده را سردرگم کند.
یک جدول از رنگ مشابه جدول استفاده می کند که به تعداد سفارشات نگاه می کند. نمی توان تفاوت رنگ کم سود و تعداد رنگ های سفارش داده شده را تشخیص داد. سود و فروش نیز از رنگهای مشابهی استفاده می‌کنند که به یکدیگر نفوذ می‌کنند.
سفارشات، سود و فروش با یکدیگر ترکیب می شوند.
یک جایگزین بهتر برای این، نمودار میله‌ای است که به تمام فروش‌ها، سودها و سفارش‌ها در ماه و سال نگاه می‌کند. اعداد در نمودار میله ای بیشتر از جدول برجسته مشهود هستند.
علاوه بر این، دسته ها با یکدیگر تلفیق نمی شوند. جداول برجسته نباید برای اندازه گیری بیش از یک دسته استفاده شود.
زمان و نحوه استفاده از Heatmaps برای Visual Analysis
از یک heatmap برای نشان دادن روند، الگو یا رابطه در مجموعه ای از داده‌ها استفاده کنید که به خوبی بر روی یک جدول قرار می‌گیرند.
heatmaps بد دارای موارد زیر خواهند بود:
- اندازه‌های مشابه بیش از حد در اشکال
- اندازه و رنگ نشان دهنده دو معیار متفاوت است.
- تمایز کافی بین اعداد بزرگ و کوچک وجود ندارد.
- متن ناخوانا
نمونه های عالی از Heatmaps
این heatmap به فروش در هر منطقه و زیر شاخه می‌پردازد. بیننده می تواند به وضوح ببیند که برخی از زیرمجموعه ها، مانند صندلی، در همه مناطق فروش بسیار خوبی دارند، در حالی که برخی دیگر، مانند هنر، در هیچ کجا فروش خوبی ندارند.
- تم رنگی در سرتاسر یکسان باقی می‌ماند.
- دایره‌ها همه اندازه‌های مشابهی ندارند.
- تنها چهار بازار منطقه‌ای اندازه گیری شده است که مقایسه را برای بیننده آسان می‌کند.
نمونه های ناکارآمد Heatmaps و گزینه‌های جایگزین
مثال ضعیف
جایگزین بهتر
این heatmap آن چهار منطقه را که قبلاً استفاده شده بود به چهار سال در هر منطقه تقسیم می‌کند، و مقایسه یک دسته فرعی در بین مناطق برای همان سال دشوار است. heatmap همچنین به افسانه‌ها متکی است تا بفهمد رنگ علامت و اندازه چه معنایی دارد که درک آن را دشوار می‌کند.
از آنجایی که heatmap هنوز بهترین راه حل برای این اطلاعات زیاد است، ما نوع نمودار را حفظ می کنیم اما فیلدها را دوباره سازماندهی می‌کنیم تا مقایسه زیرمجموعه ها برای هر ترکیب سال/منطقه آسان شود. ما همچنین شکل را به شکلی تغییر می‌دهیم که برای چشمان ما راحت‌تر در فضا مقایسه شود (مربع). در آخر، ما توصیف‌کننده‌هایی را در عنوان قرار می‌دهیم که تشخیص معنای رمزگذاری اندازه و رنگ در نما را آسان‌تر می‌کند. در اینجا جایگزین پیشنهادی است:
Text Tables
جداول متنی که به عنوان ماتریس ها، جداول محوری یا جدول های متقاطع شناخته می شوند، داده های عددی را در سطرها و ستون ها ارائه می دهند. این جداول از جمع کردن و بررسی مقادیر خاص در یک مجموعه داده پشتیبانی می‌کنند. آنها همچنین مقادیر و درصدها را سازماندهی می کنند تا کاربران بتوانند اعداد مورد نیاز خود را پیدا کنند.
این جداول به دلیل دشواری در برقراری ارتباط بینش بهتر است به عنوان مکملی برای تجسم های دیگر استفاده شوند. با این حال، زمانی که نیاز به ارتباط بینش با کاربران نهایی داریم، راه‌های خاصی برای تجسم کردن خود جداول وجود دارد. استیو وکسلر، یکی از نویسندگان کتاب بزرگ داشبوردها، می‌گوید: “من جداول برجسته را دوست دارم و اغلب از آنها به عنوان “visualization gateway” استفاده می‌کنم تا افراد را از صفحات متقاطع به روش‌های روشن‌تر برای نگاه کردن به داده‌هایشان سوق دهم.”
چگونه Text Tables را بخوانیم؟
جداول متنی، اگرچه به‌دست آوردن سریع بینش دشوار است، اما خواندن آنها ساده است. به خصوص اگر کاربر با گزارش آشنا باشد. سطرها و ستون ها را دنبال کنید تا یک مقدار خاص برای دسته مورد علاقه پیدا کنید.
بیننده باید بتواند به سطر/های هدر نگاه کند تا فیلد یا فیلدهایی را که برای پارتیشن بندی مقادیر در نما استفاده می شود، بیابد. اگر در حال ایجاد آن نوع جدول هستید اما نیاز دارید که افراد فوراً آن را درک کنند، می توانید از ویژگی های پیش توجهی استفاده کنید. یک ویژگی پیش توجه اطلاعات بصری است که مغز ما می تواند تقریباً بلافاصله آنها را پردازش کند. افزودن ویژگی پیش توجهی رنگ، یک جدول متن اصلی را به یک جدول برجسته تبدیل می‌کند.
با گرفتن اندازه انتخاب شده و قرار دادن آن روی رنگ، یک رنگ به هر خانه در جدول اختصاص می‌دهد. استفاده از رنگ یا سایه می تواند مقادیر مهم را برجسته کند.
این جداول می‌توانند اندازه اشیاء، رنگ، کاربرد، تعداد اشیاء موجود، تاریخ، درصد و غیره را نشان دهند. علاوه بر این، می‌توانید جمع‌های فرعی و کل کل را به ردیف‌ها یا ستون‌های متن یا جداول برجسته اضافه کنید. این جداول در صورت نیاز به صورت افقی و عمودی گسترش می یابند. می‌توانید به مرور زمان به آنها اضافه کنید، از آنها برای تکمیل تجسم‌های دیگر استفاده کنید، یا به تنهایی بایستید.
Text Table از چه نوع analysis پشتیبانی می‌کند؟
جداول متنی انتخاب خوبی هستند وقتی که شناسایی مقادیر خاص فردی نیاز باشد. یا زمانی که بصری استفاده شده از نمایش مقادیر فردی پشتیبانی نمی‌کند و برای موثر بودن به اطلاعات بیشتری نیاز دارد. جداول متنی می‌توانند یکی از ساده ترین انواع نمودار برای ساختن باشند، زیرا تنها چیزی که نیاز دارید یک فیلد عددی و یک فیلد طبقه بندی است.
برای تحلیل‌هایی که نیاز به درک سریع دارند اما همچنان به جزئیات خاصی نیاز دارند، جداول متنی با رنگ (highlight tables) می‌تواند راه حل موثری باشد.
نمودارهای پیچیده‌تر، یا حتی نمودارهایی که بخش‌هایی از یک کل را اندازه‌گیری می‌کنند، مانند نمودار دایره‌ای یا نقشه درختی، وقتی با یک جدول متنی جفت شوند تا جزئیات را ارائه کنند، بهترین کار را دارند. مقادیر هنوز در دسترس هستند، اما تأثیر روندها یا درصدها قابل مشاهده است.
اگر اعداد یا لیستی از اطلاعات ساده مانند قطعات ساخت، مواد تشکیل دهنده، تاریخ سررسید، برنامه درسی، امور مالی شخصی خود یا حتی تجزیه و تحلیل ورزشی دارید، جدول متنی گزینه خوبی برای استفاده است.
در آخر، جداول متنی همچنین می‌توانند برای ارائه داده‌های آماری ساده در جایی که به اطلاعات خاصی نیاز دارید، خوب باشند.
زمان و نحوه استفاده از Text Tables برای Visual Analysis
همانطور که در بالا ذکر شد، هنگام نمایش نموداری که ممکن است شامل اعداد خاصی نباشد، می‌توانید از جداول متنی به عنوان تصویرسازی استفاده کنید. علاوه بر این، اگر چندین نمودار دارید، یک جدول می‌تواند به بینندگان کمک کند مقادیر خاصی را که برای تحقیق نیاز دارند پیدا کنند. در نهایت، استفاده از جداول ساده که KPIها را در قالب بزرگ نشان می‌دهند، می‌تواند روشی مؤثر برای جلب توجه به چند مقدار مهم باشد.
اگرچه جداول متنی می‌توانند تجسم حمایتی مؤثری باشند، اما به تنهایی داستان‌های قانع کننده‌ای را بیان نمی کنند. داده‌های موجود در جدول متنی بیش از حدی است که حافظه کوتاه مدت شما می‌تواند مدیریت کند. به بازی “حافظه” فکر کنید که در آن افراد سعی می‌کنند مکان کاشی‌های خاص را برای یافتن موارد مشابه به خاطر بسپارند. جداول متنی شبیه به هم هستند زیرا برای درک جدول به افراد بستگی دارد که مقادیر زیادی از اطلاعات را به خاطر بسپارند.
از Text Table استفاده نکنید اگر:
- شما سعی می کنید حجم زیادی از داده‌ها را در یک فضای کوچک نمایش دهید.
- شما در حال تلاش برای نشان دادن یک رابطه کلیدی بین دو یا چند دسته هستید.
- داده‌های شما جغرافیایی هستند و بهتر روی نقشه قرار می‌گیرند.
- شما فقط چند علامت برای نشان دادن در داده‌های خود دارید.
- تعداد زیادی علامت نمایش داده می‌شود و به راحتی می‌توان در سطرها و ستون‌ها گم شد.
- اندازه‌گیری عددی در داده‌های شما وجود ندارد.
نمونه های عالی از Text Tables
در این جدول متنی، سطرها و ستون‌ها به سود سالانه و سه ماهه نگاه می‌کنند. کادرهایی که با رنگ قرمز مشخص شده‌اند، ارقام مهمی را نشان می‌دهند.
- یک ردیف Grand Total در پایین وجود دارد که تمام سود هر مورد را به بالا اضافه می‌کند.
- legend بالای عنوان نشان می‌دهد که چرا برخی از جعبه‌ها رنگ دارند و برخی دیگر رنگ ندارند.
نمونه های ناکارآمد Text Tables و گزینه‌های جایگزین
مثال ضعیف
جایگزین بهتر
این جدول متنی که به سود سالانه و سه ماهه نگاه می‌کند، بدون هیچ نشانه بصری، فقط اعداد ساده ارائه می‌دهد. هیچ محور عمودی وجود ندارد که اعداد را از هم جدا کند و این موضوع را برای کاربر نهایی گیج‌کننده‌تر می‌کند. برون یابی بینش از این جدول بسیار دشوار است.
یک جایگزین بهتر برای جدولی مانند این Highlight Table است. این Highlight Table نشان می دهد که چه محصولاتی در طول دو سال سودآور بوده و چه محصولاتی سودآور نبوده‌اند. قرمز نشانه اقلام زیان آور و آبی علامت سودآور است.
