בעידן בו מקבלי ההחלטות בארגון מסתמכים לרוב על נתונים ומידע, אנשי דאטה נדרשים לא רק לעשות ניתוח ועיבוד מעמיק של הנתונים, אלא להנגיש את הנתונים ולהפוך את המידע לברור וקל להבנה עבור קהל היעד- מנהלים עסוקים עם זמן מועט ולעתים אף ידע מוגבל על הנתונים שאנחנו מתבססים עליהם.
על מנת לתפוס את תשומת ליבם ולגייס אותם לצלול איתנו לעולם המרתק של הדאטה, אנחנו צריכים להציג את הנתונים בצורה מרתקת ומעניינת, אך גם בצורה שתעביר את המסר בצורה בהירה ולא מבלבלת. בחירת הגרף הנכון תאפשר למקבלי ההחלטות לקבל את ההחלטה הטובה ביותר לחברה, בצורה היעילה ביותר.
כאשר ניסיתי להסביר לאנשים שלא בתחום על החלק הזה בתפקיד שלנו, חיפשתי דוגמא למשהו שהם יכולים להזדהות איתו מ"העולם האמיתי". וכך נולדה האנלוגיה הבאה:
ניתן להשוות את הצגת הנתונים הגרפית להגשת מנה במסעדה-
תחילה, כמהנדסי נתונים, אנחנו בוחרים ומכינים את הדאטה הגולמי בצורה הטובה ביותר, ממש כפי שהשף בוחר את חומרי הגלם הטובים ביותר עבור המנה שלו. לאחר מכן מתחיל תהליך העיבוד ואנחנו מתחילים להרכיב את המנה כדי ליצור את המרקמים והטעמים המדוייקים. כשהמנה מוכנה, השף יעשה הכל כדי להגיש אותה בצורה מושכת ומעוררת תיאבון, כך גם אנחנו רוצים להציג את התובנות שלנו - השורות התחתונות - בצורה פשוטה ומושכת לעין. כשנעשה זאת, אפילו אדם שאינו מבין דאטה יוכל להבין את המידע שאנחנו מציגים. בשני המקרים, תשומת הלב לפרטים, היצירתיות והיכולת להפוך חומרי גלם למוצר סופי הן דרישות מפתח לביצוע התפקיד במקצועיות.
ברגע שנבין שהצגת נתונים ותובנות היא אמנות וחלק בלתי נפרד מהתפקיד שלנו, נוכל להפוך את המידע הגולמי לסעודה של תובנות שיעניקו ערך ותועלת לקהל שלנו.
אז... דיברנו מספיק? בואו נעבור להכנת המנה העיקרית!
הכנת המטבח - מנקים את הדאטה!
דמיינו שאתם באים לחתוך סלט במטבח מלוכלך, בלי פינת עבודה אחת בה תוכלו להניח קרש חיתוך ולחתוך עליה בנחת, הירקות מעורבבים עם מוצרים אחרים, חלקם במקרר חלקם במזווה, וחלק מהירקות כל כך מלוכלכים ככה שאי אפשר להבדיל בין עגבניה לפלפל. במקרה כזה היינו מתחילים בלסדר לנו עמדת עבודה נקיה, לאסוף את הירקות המתאימים ולנקות אותם כהוגן, לסדר אותם על המשטח ורק אז היינו מתחילים לחתוך.
באופן דומה, הרבה לפני שנלך לבחור את טכניקת הצגת הנתונים, אנחנו חייבים להכין את המידע לתצורה כזו שתאפשר לנו לגשת אליו בקלות. זה שלב קריטי במסע שלנו ולכן חייב לקרות ראשון - ובמהלכו, אנו מכינים את המידע, מנקים ומארגנים אותו בצורה מבנית כדי להבטיח שהאנליסטים והחוקרים שיעבדו עליו יוכלו לעשות זאת בקלות. בשלב הזה גם ננקה כפילויות של רשומות, נתמודד עם ערכים חסרים ונפרמט את המידע בצורה כזו שתאפשר בהמשך להגדיר מעליו את השאלות אותן נרצה לחקור.
ברגע שהדאטה מסודר ונקי, דפוסים וטרנדים הם משהו שקל יותר לזהות - ובמילים אחרות, הכנה מספקת של הדאטה הגולמי משמשת כנקודת פתיחה הכרחית ליצירת ויזואליזציה קלה ומרשימה.
זמן להחליט על התפריט - זיהוי התובנות אותן נרצה להציג / איזה שאלות אנו שואלים ?
השיקול הקריטי הבא שמשפיע על תצוגת הנתונים הוא בחירת השאלות הנכונות והגדרת מדדי הביצוע המרכזיים ( המוכרים יותר בשמם KPIs - key performance indicators). ההבנה של מה הן התובנות אותן נרצה להציג היא חשובה הרבה יותר מאיך נציג אותה בדרך ויזואלית.
על ידי שאילת השאלות נוכל לאפיין איזה מדדים אנו מעוניינים לחקור - למשל, האם אנו רוצים לדעת איך המכירות גדלו לאורך זמן, כמה זמן לקוח נשמר כלקוח או מהם ביצועי האתר? על ידי הגדרת מדדים אלו נוכל לרכז את מאמצי הויזואליזציה על הדאטה הרלוונטי בלבד ולייצר דפוסים משמעותיים שיוכלו להניב תוצאות אפקטיביות.
המטרה של השלב הזה היא לוודא שהתצוגה הגרפית של הנתונים לא סתם מציגה מידע, אלא באמת מספקת כלי אסטרטגי העונה על שאלת מפתח בחברה שתנחה ותסייע למנהלים בארגון בשלב קבלת ההחלטות.
אז בחרנו את המנה והכנו את הרכיבים, ניקינו את המטבח ומשטח העבודה שלנו מוכן. נראה שהגיע הזמן להכין.. פיצה! כי מי לא אוהב פיצה טובה?
סוגי גרפים - בחירת טכניקת הבישול המתאימה ביותר
סוגי גרפים שונים מייצגים סוגי קשרים ומערכות יחסים שונות בין נתונים, בדיוק באותו אופן שקיימות טכניקות בישול שונות עבור אותה מנה. חשוב לדעת לבחור בדרך ההצגה הנכונה והמתאימה ביותר להצגה ויזואלית של תובנות. כשעשינו את השלבים המוקדמים ניקינו והכנו את הדאטה, הכנו את השאלות ועכשיו עלינו להבין איך נרצה לענות עליהן (השוואה, לאורך זמן, הצגה כחלק משלם, קורלציה וכו).
בואו נעבור על סוגי גרפים שונים המתאימים ליחסים שונים אותם נרצה לבטא:
Bar charts השוואה:
״גרף עמודות״ - תרשים עמודות, הידוע גם בשמות כמו תרשים עמודות או תרשים ברים, הוא כלי ויזואלי המשמש להצגת נתונים. התרשים מציג את הנתונים בצורה אופקית או אנכית ומאפשר לצופה להשוות בין הפריטים המוצגים. הנתונים המוצגים בתרשים עמודות יכולים להתייחס למידע כמו סכומים, מאפיינים, זמנים, תדירויות וכדומה. תרשים עמודות מספק מבט מהיר וקל על הנתונים, ומאפשר להסיק מסקנות בצורה יעילה.
בדוגמא שלפנינו, נשווה את זמני הבישול של מתכוני פיצה שונים. כל עמודה מייצגת מתכון אחר וגובה העמודה תואם לזמן הבישול הנדרש. הויזואליזציה הזו מאפשרת להשוות ולבחור בקלות מתכונים בהתאם למשך הבישול הרצוי.
Line graphs - לאורך זמן
גרף קו - אידאלי להציג טרנדים לאורך זמן, למשל בדוגמא שלפנינו ניתן להשתמש בתרשים קו כדי להדגיש את פרופיל הטמפרטורה הנדרש כדי להשיג את הקראסט המושלם לפיצה. ציר ה-x מייצג את זמן האפייה, בעוד שציר ה-y מייצג את טמפרטורת התנור. התרשים הקווי מציג את השינויים בטמפרטורה במהלך תהליך האפייה, וזה יעזור לנו לזהות את ההגדרות האידיאליות לטמפרטורה עבור קראסט פריך וטעים.
גרפים המתארים קורלציה
בקטגוריית גרפים זאת נשתמש כשנרצה להציג יחסים בין שני משתנים שונים עם מימדים שונים שלא ניתן לשים על אותו הציר.
Scatter plots
תרשים פיזור מאפשר לנו להציג גרף המבטא יחסים בין שני משתנים שונים - דמיינו תרשים פיזור שמבחין ביחס בין זמן האפייה ועובי קראסט הפיצה. כל נקודת נתונים על התרשים מייצגת פיצה, כאשר ציר ה-x מציין את זמן האפייה בדקות וציר ה-y מייצג את עובי קראסט הפיצה.
ניתוח תרשים הפיזור מגלה את התובנות הבאות:
- זמן אפיה אופטימלי: תרשים הפיזור מציג את טווח זמן האפייה שמייצר את עובי הקראסט הרצוי. אנחנו יכולים לזהות מגמות או אשכולות של נקודות נתונים המציינים את הזמן האופטימלי להשגת העובי הרצוי.
- תרשים הפיזור יכול לעזור לנו להבין את הקשר בין זמן האפייה ועובי הקראסט. הקורלציות מופיעות בטיפוסים עולים או יורדים של נקודות הנתונים. על ידי התאמת זמן האפייה בהתאם, התובנה הזו יכולה לעזור לשמור על עובי הקראסט באופן עקבי.
- נתון חריג או אנומלי עשוי לחשוף הבחנות מעניינות אם הוא סוטה משמעותית מהתבנית הכללית. עובי קראסט עבה או דק במיוחד בזמני אפייה מסוימים עשויים לציין גורמים כמו שוני באיכות הקמח, טמפרטורת התנור או מתכונות המתכון.
- אפשר לטייב את מתכוני הפיצה והכנת הבצק באמצעות תרשים הפיזור. כדי לשמר עובי קראסט עקבי, אנחנו יכולים להתאים את יחסי הרכיבים, זמני התפיחה של הבצק או טמפרטורת האפיה של הטאבון על סמן הניתוח הנתון.
Pie charts היחס אל מול השלם
תרשימי עוגה - גרף פאי - מושלמים להצגת היחסים בין מרכיבי השלם השונים. הסוג הנפוץ ביותר בקטגוריה זו, בה כל חתיכת עוגה מייצגת מרכיב ספציפי, והיחס שלו מתאים לגודל החתיכה. בעזרת תרשים זה ניתן להבין בקלות את פופולריות המשתנים המרכיבים את השלם.
בדוגמא זו ניתן לראות בקלות מהי תוספת הפיצה הפופולרית ביותר:
על ידי השוואה בין גודל החתיכות השונות, ניתן להבין את היחסים היחסיים של התוספות. לדוגמה, אם חתיכת ה-"פפרוני" גדולה פי שניים מחתיכת ה-"פטריות", זה מציין שהפפרוני פופולרי בערך פי שניים יותר מהפטריות.
היופי שבפשטות - תפסת מרובה לא תפסת
פשטות היא הגורם המרכזי להצגת מידע מוצלחת. בדומה לתיבול יתר וטעמים מוגזמים המשפיעים לרעה על מנה, גם שימוש ברכיבים וקישוטים חזותיים יכול להסיט את תשומת הלב ולבלבל את הקהל בהצגת נתונים. בעת הצגת נתונים, הימנעו מויזואליזציות עמוסות כמו גרפים עם ריבוי נקודות בלי הסברים, ומצד שני יש למנן גם את השימוש בתוויות וקישוטים שעשויים לבלבל ולהסיח. הדגש הוא על הרכיבים הבסיסיים והסרה של כל רכיב חזותי שאינו תורם להעברת המסר הראשית. התמונות הברורות והלא מתאמצות מאפשרות לקהל היעד להתמקד בתובנות המרכזיות והטרנדים שברצונך להציג.
ניצול הצבעים וההיררכיה החזותית: הוספת טעם
כמו טעמים וקישוטים בבישול, צבעים יכולים להיות כלי עוצמתי בעת הצגת נתונים. חשוב להשתמש בהם בצורה מתונה ושקולה - מצד אחד צבעים שונים או גוונים יכולים לשמש על מנת להדגיש טרנדים חשובים או קטגוריות אך מצד שני עלולים להרעיש ולבלבל. וכמובן לא לשכוח את עיוורי הצבעים שיכולים להיות חלק מקהל היעד שלך ולכן חשוב לבחור בצבעי יסוד ברורים ולא גוונים משתנים של אותו הצבע.
לסיכום, יש לציין כי הצגת נתונים אפקטיבית היא קריטית להעברת תובנות לקהל המנהלים העסוקים. באותו האופן שמנה שהוכנה היטב שובה את הסועדים, וויזואליזציות מפותחות מסייעות להבנה מהירה של נתונים מורכבים. ברגע שהנתונים מוכנים ומאורגנים, השאלות נשאלו והיעדים מוגדרים, אפשר ליישר את הוויזואליזציות עם התובנות אליהן הגענו. על ידי מתן תוויות וכותרות ברורות, בחירת סוג הגרף המתאים, וידוא פשטות ושימוש נכון בצבעים, ניתן לשדרג את החוויה החזותית. באותו האופן שבבישול מעורבים טכניקות, יצירתיות ותשומת לב לפרטים, כך גם בהצגת נתונים.
אם קראתם עד לפה, אתם כבר בטח רעבים.. אז אולי כדאי שהפעם נזמין פיצה? ;)
עוד תוכן בנושא: עבודה עם דאטה - איך להנגיש נתונים
קריאת הבלוג 
האזנה לפרק 
צפייה בוידאו 
תשאלו אותנו הכל
