کاوش در نمودارهای Sankey و شعاعی با خلبان جدید نمودار در Tableau Public

به خلبان جدید نمودارهای جدید بپیوندید و بهترین روشها را برای استفاده از دو نوع نمودار جدید - Sankey و Radial - برای مدت زمان محدود در Tableau Public کشف کنید.

مشاور فعال سازی Tableau ، Red Hat |دیدگاه سفره 21 آوریل 2023 اشتراک گذاری:

یادداشت ویرایشگر: ما خوشحالیم که برای اولین بار در مورد Tableau Public اعلام کردیم ، ما یک خلبان ویژه "قبل از بتا" را راه اندازی می کنیم که از جامعه دعوت می کند تا تأثیر بیشتری در جهت محصول داشته باشد. برای مدت زمان محدود ، نویسندگان وب عمومی Tableau فرصتی برای آزمایش دو نوع نمودار جدید - Sankey و Radial - با خلبان جدید نمودار دارند. از 24 آوریل تا 30 ژوئن 2023 ، این نمودارهای جدید از طریق منوی کشویی کارت "Marks" در پلت فرم نویسندگی وب Tableau Public قابل دسترسی خواهد بود و امکان تهیه و انتشار این نمودارها را به صورت بومی در مشخصات عمومی Tableau شما فراهم می کند.

برای کمک به شما در شروع کاوش در این انواع جدید Viz ، ما از سفیر عمومی Tableau و سارا بارتلت خواسته ایم تا نمای کلی از بهترین شیوه ها را برای استفاده از نمودارهای Sankey و Radial به اشتراک بگذارد. سارا در سال 2018 فینالیست Iron Viz Europe بود ، رهبری پروژه Community Iron Quest ، و رهبری گروه کاربر Tableau London است.

چه زمانی باید از نمودار سانکی استفاده کنم؟

نمودارها یا نمودارهای سانکی - نامگذاری شده پس از خالق آنها ، متیو هنری فینیاس ریال سانکی ، که برای اولین بار از این نوع نمودار در سال 1898 استفاده کرد تا راندمان انرژی یک موتور بخار را نشان دهد - بهترین کار برای نشان دادن حالت "قبل" و "بعد" با خطوط جریاناز یک طرف به طرف دیگر برای نشان دادن انتقال بین دو یا چند ایالت یا دسته (به عنوان مثال مهاجرت از یک کشور به کشور دیگر). این به کسی اجازه می دهد تا به راحتی الگوهای و روابطی را که در غیر این صورت آشکار نیست ، ببیند و شناسایی کند. در حالی که آنها می توانند از نظر بصری خیره کننده باشند ، متأسفانه ، نمودارهای سانکی گاهی اوقات می توانند مورد سوء استفاده قرار گیرند.

چند موردی که دوست دارم هنگام فکر کردن در مورد استفاده از سانکی یا نه ، در خاطر داشته باشم:

آیا سعی در تجسم جریان یا روابط دارید؟اگر اینگونه نباشد ، به احتمال زیاد نمودار بهتری وجود دارد که می توانید به جای آن استفاده کنید.

مجموعه داده هایی که با آنها کار می کنید چقدر بزرگ است؟نمودارهای Sankey در صورت وجود ورودی و خروجی های متعدد یا هنگامی که جریان و روابط پیچیده ای برای نمایش وجود دارد ، بهتر کار می کنند. اگر مجموعه داده کوچک باشد ، ممکن است یک نوع نمودار ساده تر مانند نمودار نوار مناسب تر باشد.

آیا استفاده از یک سانکی به راحتی یک بینش بصری را نشان می دهد؟اضافه کردن دسته های بیش از حد منجر به بسیاری از خطوط و گذرگاه ها می شود که می تواند حرکت یک Sankey را دشوار کند. بینشی را که می خواهید به تصویر بکشید و ساده ترین راه برای آشکار کردن برای کسی که در حال مشاهده است ، در نظر بگیرید - گاهی اوقات یک سانکی راهی عالی برای ساده کردن یک بینش است ، اما در موارد دیگر می تواند امور را غیر ضروری پیچیده کند.

نمودارهای سانکی ممکن است یک نوع نمودار مناسب برای همه مخاطبان نباشد. اگر مخاطبان شما در تفسیر نمودارهای پیچیده راحت نباشند ، یا آنها به عنوان داده های متناسب نیستند ، ممکن است یک نوع نمودار ساده تر مؤثرتر باشد.

در زیر برخی از نمونه های تعاملی ، نمودار Sankey در Publeau Public:

چه زمانی باید از نمودار شعاعی استفاده کنم؟

نمودار شعاعی نوعی نمودار است که داده ها را با فرمت دایره ای نشان می دهد که در آن کل مقادیر قطعه به 100 ٪ اضافه می شود و کل آن را نشان می دهد. در واقع دو نوع مختلف از نمودارهای شعاعی وجود دارد که معمولاً از آنها استفاده می شود ، نمودارهای پیراشکی و آفتابگردان. نمودار پیراشکی به طور موثری یک نمودار پای است اما با یک سوراخ یا فضای خالی در مرکز ، در حالی که یک نمودار آفتابگردان روابط را در بین ردیف های مختلف از ابعاد طبقه بندی نشان می دهد.

من عاشق نمودارهای پیراشکی هستم زیرا خواندن و درک آنها آسان است ، حتی برای بینندگانی که کمتر با تجسم داده ها آشنا هستند.

نمودارهای پیراشکی به ویژه در هنگام شما مفید هستند:

• تعداد محدودی از دسته ها را داشته باشید و می خواهید بر تفاوت های بین آنها تأکید کنید.

• می خواهید سهم هر گروه را در کل نشان دهید ، اما همچنین می خواهید مقدار کل را به عنوان یک عنصر جداگانه نشان دهید.

• می خواهید درصد تکمیل در مقابل یک هدف را نشان دهید.

از نمودارهای پیراشکی باید در شرایطی که دسته های زیادی برای تجسم وجود دارد ، جلوگیری کرد. من می دانم که آنها در هنگام نمایش پنج دسته یا بخش ها یا بخش های پنج (یا در حالت ایده آل کمتر) کار می کنند. هرچه بخش های بیشتر در نمودار ، تفسیر دشوارتر می شود زیرا ممکن است به نظر مشابهی برسد و مقایسه دقیق اندازه بخش های فردی را دشوار می کند.

از طرف دیگر ، نمودارهای آفتابگردان برای نشان دادن تجزیه و تحلیل داده ها در دسته ها یا گروه های مختلف ، نمایش رابطه بین دسته ها و زیر مجموعه ها و کمک به افراد در دیدن نسبت هر زیر مجموعه در گروه کلی ، فوق العاده است.

در حالی که نمودارهای آفتابگردان می توانند بسیار جالب به نظر برسند ، آنها به ویژه در نمایش مقدار زیادی از داده ها در یک قالب جمع و جور و بصری جذاب ، مؤثر هستند ، اما آنها به بهترین وجه برای سناریوهایی مناسب هستند که در آن نیاز به نمایش روابط سلسله مراتبی و نسبت ها وجود دارد. مانند همه نمودارهای دایره ای ، شناسایی واضح و به سادگی الگوهای در دسته ها دشوار است. اگر هدف نمودار شناسایی الگوهای باشد ، نمودار نوار 100 ٪ انباشته شده ممکن است انتخاب بهتری باشد.

نمودارهای آفتابگردان ممکن است برای همه مخاطبان مناسب نباشد. برخی از مخاطبان ، به ویژه کسانی که کمتر با تجسم داده ها آشنا هستند ، ممکن است در درک یا تفسیر طرح شعاعی مشکل داشته باشند.

در زیر برخی از نمودارهای تعاملی و دونات در Publau Public وجود دارد:

و در اینجا برخی از نمودارهای آفتابگردان مورد علاقه من آورده شده است: < pan> در حالی که نمودارهای آفتابگردان می توانند بسیار جالب به نظر برسند ، اما در نمایش مقدار زیادی از داده ها در یک قالب جمع و جور و بصری جذاب ، به ویژه مؤثر هستند ، اما آنها برای سناریوهایی که وجود دارد مناسب تر هستندنیاز به نمایش روابط سلسله مراتبی و نسبت ها. مانند همه نمودارهای دایره ای ، شناسایی واضح و به سادگی الگوهای در دسته ها دشوار است. اگر هدف نمودار شناسایی الگوهای باشد ، نمودار نوار 100 ٪ انباشته شده ممکن است انتخاب بهتری باشد.