اخیراً در یک کارگاه آموزشی با سازمانی مواجه شدیم که از نقشه مربعی به کرّات در بصری سازی هایش استفاده می کرد و سوالشان این بود که واقعا این نمودارها چقدر کارایی دارند؟
این پست برخی مزایا و معایب استفاده از نقشه مربعی و همچنین بدیلهایی برای آن را بررسی می کند.
یک بدیل برای نقشه مربعی
نقشه مربعی به صورت روزافزونی در بیشتر نرم افزارهای بصری سازی داده، اضافه شده اند. (از جمله در EXCEL از نسخه 2016 به بعد). نقشه مربعی در اصل برای بصری سازی حجم زیادی از داده به صورت سلسله مراتبی و درختواره طور استفاده می شد که در آن مستطیلها بر اساس اندازه شان از بزرگ به کوچک مرتب شده اند. رنگ ها نیز برای نمایش بُعد دوم به کار می رود. امروزه این نمودارها عموماً برای داده های دسته بندی شده استفاده می شود.
موارد مناسب برای استفاده از نقشه مربعی
با اینکه ممکن است نقشه مربعی گزینه جذابی برای بصری سازی داده به نظر برسد، این نوع نمودار معمولاً در جایی استفاده می شود که نمودار دیگری می توانست بهتر داده ها را منتقل سازد.
محدودیتِ آن از اینجا ناشی می شود که وقتی تفاوت در مساحت و شدت رنگ را برای نشان دادن تفاوت داده ها به کار می بریم، چشمان ما در تشخیص تفاوت های اندک در هیچ کدام از این موارد کارایی ندارد.
اگر داده ما به صورتی باشد که لازم باشد مخاطب مقایسه های دقیق بین دسته ها انجام دهد ولی داده ها بر اساس یک خط مبنا نمایش داده نشوند دردسر بیشتری ایجاد می شود.
ما هیچ گاه نباید کاری کنیم که نیاز باشد مخاطب تلاش بیشتری برای درک نمودار بنماید.
یک نمونه واقعی
به مشتری مان برگردیم: نقشه مربعی آنها شبیه به تصویر زیر است (من داده ها را برای محافظت از محرمانه بودن ناشناس کرده ام). هدف مقایسه فعالیت بازدهی (اندازهگیری شده با حجم دلارهای درخواستی و تعداد بازده) برای پایگاه مشتری آنها بود که در آن درصد بازده با اندازه مستطیلها کدگذاری میشود در حالی که درصد دلار با رنگ کدگذاری میشود - هم از نظر تفاوت در رنگ و هم از نظر رنگ. شدت.
من می توانم چند نتیجه کلی از این تصویر بگیرم: سه مشتری (A، B، و C) تقریباً نیمی از فعالیت بازگشتی هستند (از نظر بصری بر اساس اندازه مستطیل ها تخمین زده می شود) و همین سه نفر نیز از نظر کاملاً متفاوت هستند. دلارهای ادعا شده (بر اساس شدت رنگ قضاوت می شود - اگرچه بدون افسانه رنگ تشخیص خیلی بیشتر از آن دشوار است).
من استدلال میکنم که این بصری ممکن است در مرحله اکتشافی تجزیه و تحلیل به خوبی کار کند، جایی که تحلیلگر دادهها را مرتب میکند تا آنچه ممکن است برای ذینفعان جالب باشد. با این حال، هنگام انتقال آنچه در این داده ها جالب است، به خوبی کار نمی کند.
اگر از شما بپرسم که 10 مشتری برتر بر اساس دلار ادعا شده کدامند؟ یا تفاوت دقیق بین درصد بازده مشتری A و B چیست؟ ما می توانیم ببینیم که چگونه به راحتی نقشه مربعی هنگام تلاش برای انجام این مقایسه ها خراب می شود.
یکی از راه حل های ممکن نمودار میله ای است. در زیر، من تمام بازده مشتریان و دلارهای ادعا شده را به صورت افقی نمایش داده ام. این به خوبی به مقایسه بین دستهها کمک میکند و به راحتی میتوانیم ببینیم که چهار مشتری بیشتر فعالیتهای بازگشتی را تشکیل میدهند.
هنگام انتقال این دادهها، میتوانیم با تمرکز بر چهار مشتری برتر به مخاطبان خود کمک کنیم تا بفهمند چه چیزی مهم است. این دیدگاه فشرده می تواند به خوبی به بحث در مورد اقدام در مورد این چهار مشتری برتر کمک کند.
برای پرداختن به مشتریان باقیمانده، می توانم کل نمودار میله ای را برای جزئیات بیشتر در صورت نیاز مخاطب ارائه کنم. همچنین ممکن است انتخاب کنم که سایر مشتریان را با یک پاورقی (همانطور که نشان داده شده است) اضافه کنم یا آنها را در دسته "همه چیزهای دیگر" گروه بندی کنم. نقطه تصمیم در اینجا با توجه به سطح جزئیاتی که مخاطبان من نیاز دارند تعیین می شود.
با برداشتن یک قدم جلوتر، میتوانیم رنگ را بهعنوان نشانه ایبصری بهعنوان نشانهای استراتژیک معرفی کنیم، همراه با برخی متنهای توضیحی، تا مخاطبانمان را وادار کنیم تا بر اساس آنچه این دادهها ممکن است نشان دهند، عمل کنند.