نوع المقالة: مقالات تصور البيانات
يمكن أن يحتوي جدول البيانات على كل رقم يحتاجه الفريق ولا يزال يجعل من الصعب رؤية النمط الأكثر أهمية.
ضع في اعتبارك مدير دعم العملاء الذي يراجع حجم التذاكر حسب يوم الأسبوع وساعة اليوم. في مجموعة البيانات النموذجية المستخدمة في هذه المقالة ، يرتفع يوم الثلاثاء من تذاكر 34 في 9 AM إلى 68 في 11 AM ، بينما يظهر الأربعاء والخميس زيادات مماثلة في منتصف النهار.
كل رقم متاح في الجدول. لكن المدير ربما لا يهتم فقط بحقيقة أن يوم الثلاثاء الساعة 11 صباحًا سجل 68 تذكرة.
الأسئلة الأكثر فائدة أوسع.
هل يبلغ الطلب ذروته بشكل متكرر في منتصف النهار ؟ هل تتركز الفترات الأكثر ازدحامًا في أيام معينة ؟ هل تختلف الفترة الزمنية الواحدة بشكل غير عادي عن القيم المحيطة ؟هل يجب أن تتغير مستويات التوظيف خلال تلك الساعات ؟
يتطلب العثور على هذه الإجابات من شبكة مقارنة متكررة عبر الصفوف والأعمدة.
تعمل خريطة الحرارة على تغيير هذه المهمة باستخدام كثافة اللون لجعل القيم الأعلى أو الأقل أو غير العادية مميزة بصريًا.
والغرض من ذلك ليس مجرد جعل الجدول أكثر سخونة. هو جعل الأنماط عبر بعدين أسهل في التعرف عليها.
في هذه المقالة ، تشير "خريطة الحرارة" بشكل أساسي إلى مصفوفة بيانات مرمزة بالألوان بدلاً من النقر على موقع الويب أو التمرير بخرائط الحرارة.
يوضح الجدول القيم ، ولكن من الصعب رؤية النمط
تكون الجداول فعالة عندما يحتاج شخص ما إلى استرداد قيمة دقيقة.
إذا أراد المدير أن يعرف بالضبط عدد تذاكر الدعم التي وصلت في الساعة 10 صباحًا يوم الثلاثاء ، فيمكن للخلية المقابلة تقديم الإجابة على الفور.
تصبح المهمة أكثر صعوبة عندما يتغير السؤال من قيمة واحدة إلى نمط.
يتطلب تحديد ما إذا كان الصباح المتأخر أكثر انشغالًا باستمرار من فترة بعد الظهر مقارنة عدة خلايا عبر أيام متعددة. لا يزال الجدول يحتوي على الإجابة ، ولكن قد لا يكون النمط مرئيًا على الفور.
البيانات الكثيفة يخلق مشكلة مقارنة
تظهر الصعوبة غالبًا عندما يتقاطع بعدان لهما معنى بشكل متكرر.
وتشمل الهياكل المشتركة:
اليوم × الساعة
المنتج × المنطقة
قسم × متري
آلة × التحول
حملة × قناة
تمثل كل خلية تقاطعًا واحدًا بين تلك الأبعاد.
مع زيادة عدد المجموعات ، يحتاج القراء إلى مقارنة المزيد من القيم مع الصفوف والأعمدة المحيطة. هذا هو المكان الذي يمكن أن تصبح فيه خريطة الحرارة مفيدة.
يتوافق هذا الاستخدام للألوان عبر الصفوف والأعمدة أيضًا مع إرشادات Tableau بشأن مقارنة البيانات الفئوية في وثائق "إنشاء جدول تسليط الضوء أو خريطة الحرارة".
من جدول تذاكر الدعم إلى نمط مرئي
تحتوي مجموعة بيانات تذكرة الدعم المستخدمة هنا على سبع فترات بالساعة من 9 صباحًا إلى 3 مساءً وخمسة أيام عمل من الاثنين إلى الجمعة.
كل عدد تذاكر مرئي بالفعل في الجدول الأصلي. التحدي هو تحديد ما إذا كانت القيم الأعلى تشكل نمطًا ذا مغزى.
تُظهر قراءة الجدول وحده القيم الفردية مثل 55 تذكرة يوم الثلاثاء الساعة 10 صباحًا و 68 يوم الثلاثاء الساعة 11 صباحًا و 64 يوم الأربعاء الساعة 11 صباحًا و 66 يوم الخميس الساعة 11 صباحًا.
بمجرد عرض نفس القيم كخريطة حرارية، يصبح تحديد النمط الأوسع أسهل.
الثلاثاء الساعة 11 صباحًا يحتوي على أعلى قيمة فردية عند 68 تذكرة .
ومع ذلك ، فإن النتيجة الأكثر فائدة لا تقتصر على تلك الخلية الواحدة.
يظل حجم التذاكر مرتفعًا خلال أيام الثلاثاء والأربعاء والخميس من حوالي الساعة 10 صباحًا إلى 1 ظهرًا . تشكل الخلايا المجاورة عالية القيمة مجموعة مرئية في منتصف النهار.
بالنسبة لمدير الدعم ، قد يكون هذا النمط أكثر صلة بقرارات التوظيف من أعلى ساعة فردية.
يظل الجدول مفيدًا للتحقق من الأعداد الدقيقة. تضيف خريطة الحرارة طبقة أخرى عن طريق تسهيل تحديد التركيز الكلي قبل مراجعة القيم الفردية.
اللون يحول القيم الفردية إلى نمط مرئي
تعطي خريطة الحرارة كل قيمة إشارة مرئية إضافية.
قد تبدو القيم الأعلى أكثر كثافة ، بينما تظل القيم الأدنى أقل بروزًا. في حالات أخرى ، يمكن أن تشير الألوان إلى حركة أعلى أو أسفل نقطة مرجعية ذات مغزى.
القيم الدقيقة لا تزال مهمة. يساعد اللون القراء ببساطة على تحديد المكان الذي يبحثون فيه أولاً.
بدلاً من التنقل عبر عشرات الخلايا واحدة تلو الأخرى ، قد يلاحظ القارئ منطقة مركزة ، ويحدد مجموعات أعمدة الصفوف التي أنشأتها ، ثم يعود إلى الأرقام الأساسية.
يمكن أن يغير هذا كيفية تعامل القارئ مع جدول بيانات كثيف:
النمط المرئي ← الخلايا ذات الصلة ← القيم الدقيقة
هذا التسلسل مفيد بشكل خاص عندما يتعلق السؤال بالتركيز بدلاً من رقم واحد معزول.
غالبًا ما تكون البصيرة الأكثر فائدة عبارة عن مجموعة وليست خلية واحدة
الخلية الأكثر كثافة في خريطة الحرارة ليست تلقائيًا أهم نتيجة.
يوضح مثال تذكرة الدعم السبب.
الثلاثاء الساعة 11 صباحًا هو الحد الأقصى عند 68 تذكرة. إذا توقف التحليل عند هذا الحد ، فقد يكون الاستنتاج ببساطة أن يوم الثلاثاء الساعة 11 صباحًا هو أكثر الفترات ازدحامًا.
تحكي الخلايا المحيطة قصة أكثر فائدة.
يسجل يوم الثلاثاء 55 و 68 و 63 و 57 تذكرة بين الساعة 10 صباحًا و 1 ظهرًا.
الأربعاء يسجل 52 و 64 و 61 و 55.
الخميس يسجل 57 و 66 و 65 و 58.
يؤدي هذا إلى إنشاء نطاق كبير الحجم مستدام عبر عدة أيام وساعات مجاورة.
بالنسبة لقرارات التوظيف ، فإن مجموعة منتصف النهار المتكررة لها أكثر من حد أقصى معزول.
المناطق الساخنة المتكررة تظهر أين يتركز النشاط
يمكن لمجموعات الخلايا عالية الكثافة أن تكشف عن مكان تركيز النشاط بشكل متكرر.
بالنسبة لفريق الدعم ، قد يشير النمط إلى عدة ساعات متجاورة تتطلب تغطية إضافية.
يمكن لبائع التجزئة استخدام خريطة الحرارة لتحديد مجموعات منطقة المنتج التي تعمل باستمرار بقوة أو ضعف.
في التصنيع ، يمكن للتركيز المتكرر حول آلات وتحولات معينة توجيه الانتباه نحو المشكلات التشغيلية.
قد تستخدم فرق التسويق نفس المبدأ لمقارنة الأداء عبر الحملات والقنوات.
يتغير سياق الأعمال ، لكن السؤال التحليلي يظل مشابهًا:
"أين تحدث القيم المهمة معًا وليس منعزلة ؟"
الخلايا المعزولة يمكن أن تشير إلى استثناءات
المجموعات ليست الأنماط الوحيدة التي تستحق الملاحظة.
قد تشير الخلية المفردة التي تختلف اختلافًا حادًا عن القيم المحيطة إلى استثناء يستحق مزيدًا من التحقيق.
إذا أصبحت إحدى الفترات الهادئة عادةً أكثر نشاطًا من الفترات المجاورة ، يمكن أن تجعل خريطة الحرارة هذا الانحراف أسهل في الملاحظة.
لا يمكن أن يفسر السبب.
ستظل الخطوة التالية هي التحقق من السجلات الأساسية وأحداث العمل ذات الصلة. قد يفسر إصدار المنتج أو انقطاع الخدمة أو الحملة أو مشكلة الفواتير أو حدث آخر التغيير.
هذا التمييز مهم.
يمكن أن يُظهر التصور مكان التحقيق دون إثبات سبب حدوث شيء ما .
اللون يمكن أن تجعل خريطة الحرارة أكثر وضوحا أو أكثر مضللة
اللون هو الآلية المرئية الرئيسية في خريطة الحرارة ، ولكنه أيضًا أحد أسهل العناصر التي يمكن تفسيرها بشكل خاطئ.
يمكن أن تظهر مجموعة البيانات نفسها مختلفة تمامًا اعتمادًا على المقياس ونقطة الوسط والمدى المستخدم لتشفير القيم.
لذلك يجب على القراء تجنب التعامل مع كثافة البصر كما لو كانت القياس الأصلي.
يمثل اللون البيانات. إنها ليست البيانات نفسها.
المقياس يغير ما يبدو مهمًا
تخيل أن معظم القيم تقع بين 90 و 100.
إذا كان مقياس اللون مثبتًا بإحكام على هذا النطاق ، فقد يبدو الفرق البصري بين 91 و 99 مثيرًا.
قد يكون ذلك مناسبًا عندما يكون التغيير المكون من ثماني نقاط مهمًا من الناحية التشغيلية.
ولكن إذا كانت الشركة تعتبر القيم من 90 إلى 100 متشابهة بشكل أساسي ، فإن التصميم نفسه يمكن أن يبالغ بصريًا في اختلاف بسيط.
تحدث المشكلة العكسية عندما يكون المقياس واسعًا جدًا.
لنفترض أن القيم المهمة تقع بين 40 و 80 ، بينما يمتد المقياس الكامل من 0 إلى 1000. قد يصبح من الصعب رؤية الاختلافات داخل النطاق المهم بالفعل.
لذلك يجب قراءة خريطة الحرارة جنبًا إلى جنب مع أسطورها وقيمها الأساسية.
الخلية المظلمة لها معنى فقط فيما يتعلق بالمقياس الذي أنتجها.
يمكن أن تكون نقطة الوسط ذات المغزى أكثر أهمية من الحد الأقصى
بعض الخرائط الحرارية لا تتعلق فقط بالانتقال من منخفض إلى مرتفع.
يوفر تباين الميزانية مثالاً مفيدًا.
قد تعني القيمة الصفرية أن الإنفاق يطابق الميزانية.
يمكن أن تمثل القيم الإيجابية الإنفاق الزائد ، بينما تمثل القيم السلبية الإنفاق الناقص.
في هذه الحالة ، المعلومات المهمة هي الاتجاه والمسافة من الصفر.
يمكن لمقياس اللون المتباين أن يميز القيم على جوانب متقابلة من تلك النقطة المرجعية.
لذلك يجب أن تعكس نقطة الوسط المعنى التجاري للبيانات.
قد يكون الصفر أو الهدف أو المتوسط أو أي عتبة أخرى أكثر إفادة من مجرد التأكيد على أعلى رقم.
خريطة الحرارة تعمل بشكل أفضل عندما يكون للموقف معنى
يجب ألا يبدأ قرار استخدام خريطة الحرارة بحجم جدول البيانات.
يجب أن تبدأ مع هيكل المقارنة.
تعمل مصفوفة مثل الساعة × اليوم لأن كل موضع يمثل تركيبة زمنية ذات مغزى.
هذا هو بالضبط ما يحدث في مثال تذكرة الدعم. الانتقال أفقيًا يقارن نفس الساعة عبر أيام مختلفة ، بينما التحرك عموديًا يقارن ساعات مختلفة في نفس اليوم.
يمكن أن تعمل الهياكل الأخرى لنفس السبب.
المنتج × المنطقة يمكن أن تظهر كيفية أداء المنتجات الفردية عبر الأسواق.
متري × قسم يمكن وضع نفس التدابير عبر فرق متعددة.
آلة × التحول يمكن أن تجعل تركيزات التشغيلية المتكررة أسهل لتحديد.
في كل حالة ، يساهم موضع الخلية في التفسير.
هذا هو ما يعطي القيمة التحليلية لخريطة الحرارة.
خرائط الحرارة دعم المقارنات المتكررة بين الصفوف والعمود
تعد الخرائط الحرارية أكثر فائدة عندما يحتاج القارئ إلى مقارنة نفس المقياس عبر تقاطعات الصفوف والأعمدة المتكررة.
مجموعة البيانات الكبيرة وحدها ليست سببًا كافيًا لاستخدام واحدة.
قد تظل آلاف الملاحظات ممثلة بشكل أفضل كاتجاه أو ترتيب أو توزيع أو علاقة اعتمادًا على السؤال.
هيكل المصفوفة مهم أكثر من عدد الصفوف.
متى يكون الرسم البياني أسهل في القراءة ؟
يجب ألا تحل خريطة الحرارة محل مخطط أبسط عندما يجيب هذا المخطط على السؤال بشكل مباشر أكثر.
إذا أراد نشاط تجاري مقارنة المبيعات عبر خمسة منتجات ، فإن المخطط الشريطي يجعل من السهل الحكم على الترتيب.
الإيرادات الشهرية على مدار العام هي في الأساس اتجاه زمني مرتب ، لذلك عادة ما يكون الرسم البياني الخطي أكثر وضوحًا.
عندما يكون الهدف هو التحقيق في العلاقة بين متغيرين عدديين مستمرين ، يكون مخطط التبعثر أكثر ملاءمة.
قد يكون توزيع الملاحظات الفردية أسهل في الفهم باستخدام الرسم البياني.
المزيد من البيانات لا يعني تلقائيًا أن خريطة الحرارة هي المخطط الصحيح.
هيكل المقارنة مهم أكثر.
تصبح الأنماط مفيدة عندما تؤدي إلى قرار
العثور على أحلك خلية ليس الغرض النهائي من خريطة الحرارة.
والنتيجة المفيدة هي فهم ما إذا كان النمط المرئي يغير ما يجب على شخص ما التحقيق فيه أو تحديد أولوياته أو تحديده.
ارجع إلى بيانات تذكرة الدعم.
التفسير الضيق سيكون:
الثلاثاء الساعة 11 صباحًا لديه أعلى حجم للتذاكر عند 68.
هذا يشير إلى قيمة.
التفسير الأكثر فائدة هو:
لا يزال حجم التذاكر مرتفعًا في منتصف النهار تقريبًا من الثلاثاء إلى الخميس ، مما يشير إلى أن تغطية الموظفين خلال تلك الساعات تستحق المراجعة.
الآن انتقل التصور من خلال أربع مراحل:
اللون → نمط → التفسير → قرار
وينطبق نفس المنطق على مجالات أخرى.
قد يؤدي تركيز مشكلات المعدات إلى توجيه فرق الصيانة نحو مجموعة معينة من تغيير الماكينة.
يمكن لمجموعة الأداء الإقليمية أن تخبر فرق المبيعات عن مجموعات المنتجات والسوق التي تستحق مراجعة أوثق.
قد توضح مصفوفة تباين الميزانية الإدارات التي تبتعد بشكل متكرر عن الهدف.
لا ينبغي أن يأتي أي من هذه القرارات من اللون وحده.
لا تزال قيم المصدر والوحدات والمقياس والتسميات وسياق الأعمال بحاجة إلى التحقق قبل استخدام التصور لدعم الإجراء.
يوضح مثال تذكرة الدعم أيضًا سبب أهمية ذلك. تجعل خريطة الحرارة مجموعة منتصف النهار من الثلاثاء إلى الخميس واضحة بصريًا ، ولكن تحديد ما إذا كان يجب تغيير التوظيف بالفعل سيتطلب معلومات إضافية مثل تعقيد التذكرة ووقت الحل ومستويات التوظيف الحالية وأهداف الخدمة.
يحدد الرسم البياني نمطًا. يحدد سياق العمل ما يجب فعله به.
وبالتالي ، فإن أفضل خريطة حرارية ليست بالضرورة تلك التي تحتوي على أقوى الألوان.
إنه الذي يجعل المقارنة المهمة أسهل في التعرف عليها دون تشويه الاختلافات الأساسية.
عندما تشكل البيانات بالفعل مصفوفة صف وعمود ذات مغزى ، يمكن لمولد خريطة الحرارة تقليل العمل اليدوي المطلوب لتحويل هذه القيم إلى نمط مرئي. يجب مراجعة المقياس والتسميات وقيم المصدر الناتجة قبل استخدام المخطط لاتخاذ قرار.