數據視覺化
Data Visualization
什麼是資料視覺化?
- 將數字轉換為圖表
- 一眼看出模式與意義
- 好的視覺化 = 快速理解
把數字表格換成圖表後,會議上提出的問題類型就會改變。只擺出表格時,會先冒出'這個數字是從哪來的'之類的確認問題;但若放上一條趨勢線,就會直接進入'3 月起為何下滑?'這類原因提問。視覺化真正改變的,是把閱讀所花的時間轉移到判斷上。同一份資料,會議的一半時間將用於決策,而非解讀。
圖表不是看喜好來選,而是依「現在想回答的問題」來選。要比較各項目的大小用長條圖,看隨時間的變化用折線圖,看兩個變數的關係用散布圖,看數值的分布用直方圖,看地區差異則用分級統計圖。用來呈現比重的圓餅圖,一旦切片超過五塊,眼睛就無法判斷順序,改用長條圖會比較好。一個畫面放的指標以 5~7 個為上限,超過的話就不是儀表板,而是倉庫。另外,分析師為了自己檢視而畫的探索型圖表、放進報告中的說明型圖表,以及每天查看同一批指標的監控型儀表板,性質各不相同。目的不同,即使是同一份資料,也應該畫出不同的圖。
實務上最常出錯的地方是座標軸與顏色。如果長條圖的 Y 軸不是從 0 開始,而是從 95 開始,2%p 的差距就會看起來像三倍的落差。若用這份圖表獲得投資核准,卻在看過原始資料的高階主管面前,徹底失去信任。若只用紅色與綠色來區分好壞,對有色覺異常的與會者而言,兩根長條看起來會是同一種色調,因此必須在顏色之外,再加上數字標籤或符號。3D 效果、漸層與華麗的背景不是資訊,而是雜訊;更危險的是,圖表越流暢,人們就越不會懷疑數字是錯的。花半天在美化上,卻跳過確認統計基準是否正確的 10 分鐘,這是實務上最常見的出錯模式。
統計圖表的歷史可追溯至 18 至 19 世紀的威廉·普萊費爾(William Playfair)等人,隨著電腦與 BI 工具的發展,資料視覺化才逐漸普及。
以假設案例來看。A 公司是全體員工 520 名、年營收 KRW 230,000,000,000 (≈ US$172,148,000) 的食品製造商。每週一的營業會議上,都會呈上 38 頁 Excel 的週實績表,兩小時的會議中,有 1 小時 20 分鐘都花在確認「這個數字是從哪來的」。營業本部長表示「不想再看表格了」,這句話成了改版的開端。
- 業務企劃組的金課長翻閱近 8 週的會議逐字稿,整理出實際出現的提問共 47 個,發現其中 41 個都集中在「哪個通路漏掉了」與「比上個月少了多少」這兩個問題上。
- 依照這兩個問題,將各通路比較固定為橫向長條圖,13 週趨勢固定為折線圖,並把圓餅圖與 3D 效果直接從報告範本中刪除。
- 第一版設計放了 22 個指標,本部長表示「看不出來到底要看什麼」,因此只在首頁保留銷售額、達成率、庫存週轉率等 6 項,其餘移到點進去才看得到的細部分頁。
- 數據團隊的 Park 資深專員將所有長條的 Y 軸起點都固定為 0,只把未達目標的通路塗成橘色,並在長條末端標示實際數值,即使分不出顏色也能讀懂。
- 改版 8 週後,週一會議從 120 分鐘縮短為 55 分鐘,核對數字的提問從 41 個降為 6 個,並且31 位分店經理中有 24 位會在會議前一天先打開儀表板,養成了這個習慣。
Ja-ryong Gu
金鍾赫