Электронная таблица может содержать все цифры, необходимые команде, но при этом всё равно может затруднять обнаружение самой важной закономерности.
Представьте, что менеджер по работе с клиентами анализирует количество заявок по дням недели и часам суток. В примере набора данных, использованного в этой статье, во вторник число заявок растёт с 34 в 9:00 утра до 68 в 11:00 утра, а в среду и четверг аналогичный рост наблюдается примерно в полдень.
В таблице представлены все показатели. Однако менеджера вряд ли интересует только тот факт, что во вторник в 11:00 было зарегистрировано 68 заявок.
Более полезные вопросы — это более общие вопросы.
Повторяется ли пик спроса примерно в полдень? Сосредоточены ли самые загруженные периоды на определённых днях? Не отличается ли какой-либо временной интервал необычно сильно от соседних значений? Нужно ли изменять численность персонала в течение этих часов?
Поиск этих ответов в сетке требует многократного сравнения данных по строкам и столбцам.
Тепловая карта упрощает эту задачу: с помощью насыщенности цвета она визуально выделяет повышенные, пониженные или аномальные значения.
Цель заключается не просто в том, чтобы сделать таблицу более красочной, а в том, чтобы упростить распознавание закономерностей в двух измерениях.
В этой статье под «тепловой картой» в первую очередь понимается цветовая матрица данных, а не тепловые карты кликов или прокрутки на веб-сайтах.
В таблице представлены значения, но закономерность в них разглядеть сложнее
Таблицы являются эффективным инструментом, когда кому-либо необходимо получить точное значение.
Если руководителю нужно точно узнать, сколько заявок в службу поддержки поступило во вторник в 10:00, соответствующая ячейка сразу же даст ответ на этот вопрос.
Когда вопрос переходит от рассмотрения одного конкретного значения к анализу закономерности, задача становится сложнее.
Чтобы определить, действительно ли позднее утро стабильно более загружено, чем послеобеденное время, необходимо сравнить несколько ячеек за несколько дней. Ответ всё ещё содержится в таблице, но закономерность может быть не сразу заметна.
Плотные данные создают проблему сопоставления
Часто трудности возникают, когда два значимых измерения неоднократно пересекаются.
К распространённым структурам относятся:
День × Час
Отдел × Метрика
Машина × Смена
Кампания × Канал
Каждая ячейка представляет собой одно пересечение между этими измерениями.
По мере увеличения количества комбинаций читателям приходится сравнивать всё больше значений с соответствующими значениями в соседних строках и столбцах — именно в таких случаях тепловая карта оказывается полезной.
Такое использование цветового оформления по строкам и столбцам также соответствует рекомендациям Tableau по сравнению категориальных данных, приведенным в его документации «Создать таблицу с выделением или тепловую карту».
От таблицы тикетов поддержки к наглядной закономерности
Используемый здесь набор данных по заявкам в службу поддержки охватывает семь часовых интервалов с 9:00 до 15:00 и пять рабочих дней с понедельника по пятницу.
Все значения количества билетов уже отображаются в исходной таблице. Сложность заключается в том, чтобы определить, образуют ли более высокие значения осмысленную закономерность.
Если просто посмотреть на эту таблицу, можно увидеть отдельные значения: например, 55 билетов продано во вторник в 10:00, 68 — во вторник в 11:00, 64 — в среду в 11:00 и 66 — в четверг в 11:00.
После отображения этих же значений в виде тепловой карты общая закономерность становится проще обнаружить.
В вторник в 11:00 зафиксировано максимальное отдельное значение — 68 билетов.
Однако более ценный вывод не ограничивается только этой одной ячейкой.
Объём заявок остаётся повышённым в вторник, среду и четверг примерно с 10:00 до 13:00. Соседние ячейки с высоким значением образуют заметный кластер в полуденные часы.
Для менеджера по поддержке эта закономерность может быть более релевантной для решений по укомплектованию персонала, чем показатель одного сотрудника с максимальным количеством отработанных часов.
Эта таблица по-прежнему удобна для проверки точных значений количества. Тепловая карта добавляет дополнительный уровень наглядности, позволяя легче определить общую концентрацию перед тем, как переходить к анализу отдельных значений.
Цвет преобразует отдельные значения в наглядный шаблон
Тепловая карта придаёт каждому значению дополнительный визуальный сигнал.
Более высокие значения могут выглядеть более насыщенными, тогда как более низкие остаются менее заметными. В других случаях цвета могут указывать на движение выше или ниже значимой опорной точки.
Точные значения по-прежнему имеют важное значение. Цвет просто помогает читателям определить, на что обратить внимание в первую очередь.
Вместо того чтобы последовательно просматривать десятки ячеек, читатель может выделить сконцентрированную область, определить, какие комбинации строк и столбцов её сформировали, а затем вернуться к исходным числовым данным.
Это может изменить то, как читатель подходит к работе с громоздкой электронной таблицей:
Видимый шаблон → Соответствующие ячейки → Точные значения
Эта последовательность особенно полезна, когда вопрос касается тенденции концентрации, а не отдельного изолированного показателя.
Самое полезное понимание часто представляет собой кластер, а не отдельную ячейку
Наиболее ярко выделенная ячейка на тепловой карте автоматически не означает наиболее важный результат исследования.
Пример с заявкой в службу поддержки объясняет, почему это так.
Максимальное количество билетов — 68 — приходится на вторник, 11:00. Если бы анализ на этом завершился, вывод мог бы сводиться к тому, что вторник в 11:00 — это самый загруженный период.
Соседние ячейки дают гораздо более полезную информацию.
Во вторник с 10:00 до 13:00 зарегистрировано 55, 68, 63 и 57 заявок.
В среду зафиксированы показатели 52, 64, 61 и 55.
В четверг зафиксированы показатели 57, 66, 65 и 58.
Таким образом формируется устойчивый пик высокой интенсивности, охватывающий несколько последовательных дней и часов.
При принятии решений по укомплектованию персонала повторяющиеся скопления в полуденные часы имеют большее значение, чем единичный изолированный пик.
Повторяющиеся горячие зоны указывают места концентрации активности
Группы высокоинтенсивных клеток могут показать, где активность неоднократно концентрируется.
Для группы поддержки эта закономерность может указывать на несколько смежных часов, в течение которых требуется дополнительное покрытие.
Розничный продавец может использовать тепловую карту для выявления комбинаций «товар — регион», которые стабильно показывают высокие или низкие результаты.
В производственной сфере неоднократное сосредоточение внимания на определённых станках и сменах может помочь направить усилия на решение эксплуатационных проблем.
Маркетинговые команды могут использовать тот же принцип для сравнения эффективности различных кампаний и каналов.
Бизнес-контекст меняется, но аналитический вопрос остаётся схожим:
«Где важные ценности встречаются вместе, а не по отдельности?»
Отдельные клетки могут указывать на исключения
Скопления — далеко не единственные закономерности, на которые стоит обратить внимание.
Отдельная ячейка, значения которой резко отличаются от значений окружающих ячеек, может указывать на исключение, заслуживающее дальнейшего изучения.
Если обычно спокойный период внезапно становится значительно более активным по сравнению с соседними периодами, тепловая карта позволяет легче заметить такое отклонение.
Это не может объяснить причину.
Следующим шагом по-прежнему будет проверка базовых записей и соответствующих бизнес-событий. Изменение может быть объяснено выпуском продукта, перерывом в обслуживании, маркетинговой кампанией, проблемой с выставлением счетов или другим событием.
Это различие имеет важное значение.
Визуализация может указать, где следует провести исследование, но не доказывает, почему что-то произошло.
Цвет может сделать тепловую карту более понятной или более вводящей в заблуждение
Цвет является основным визуальным механизмом в тепловой карте, но при этом он также относится к числу элементов, которые проще всего неверно интерпретировать.
Один и тот же набор данных может выглядеть совершенно иначе в зависимости от масштаба, средней точки и диапазона, используемых для кодирования значений.
Поэтому читателям не следует воспринимать визуальную интенсивность как исходный показатель измерения.
Цвет отображает данные, но не является ими самими.
Масштаб меняет то, что кажется важным
Представьте, что большинство значений лежит в диапазоне от 90 до 100.
Если цветовая шкала строго подогнана под этот диапазон, визуальная разница между значениями 91 и 99 может выглядеть очень выраженной.
Это может быть оправдано в тех случаях, когда изменение на восемь пунктов имеет практическое значение для операционной деятельности.
Но если компания считает значения в диапазоне от 90 до 100 по существу схожими, то такой дизайн может визуально преувеличить незначительную разницу между ними.
Обратная проблема возникает тогда, когда масштаб является слишком широким.
Предположим, что значимые значения находятся в диапазоне от 40 до 80, а полная шкала измерения охватывает диапазон от 0 до 1000. В этом случае различия внутри фактически важного диапазона могут стать трудноразличимыми.
Поэтому тепловую карту следует анализировать вместе с её легендой и исходными значениями.
Более тёмная ячейка имеет смысл только по отношению к шкале, в рамках которой она была получена.
Осмысленное среднее значение может быть важнее максимального
Некоторые тепловые карты не просто отображают переход от низких значений к высоким.
Отклонение от бюджета является наглядным примером.
Значение нуля может означать, что фактические расходы соответствовали бюджетным назначениям.
Положительные значения могут указывать на перерасход средств, а отрицательные — на недорасход.
В этом случае важной информацией являются направление и расстояние от нуля.
Расходящаяся цветовая шкала позволяет различать значения, находящиеся по разные стороны от этой опорной точки.
Поэтому среднее значение должно отражать бизнес-смысл данных.
Ноль, целевой показатель, среднее значение или другой порог могут дать больше полезной информации, чем простое акцентирование внимания на наибольшем значении.
Тепловая карта наиболее эффективна, когда положение имеет смысл
Решение об использовании тепловой карты не должно исходить из размера электронной таблицы.
Оно должно начинаться со структуры сравнения.
Матрица вида Часы × Дни работает, поскольку каждая её позиция соответствует осмысленной временной комбинации.
Именно это и происходит в примере с заявками в службу поддержки: при горизонтальном перемещении сравниваются одинаковые часы в разные дни, а при вертикальном — разные часы в пределах одного и того же дня.
Другие конструкции могут работать по той же причине.
Продукт × Регион позволяет наглядно оценить эффективность отдельных продуктов на разных рынках.
Metric × Department может размещать одни и те же меры в нескольких командах.
Машина × Смена позволяет проще выявлять повторяющиеся закономерности в концентрации операций.
В каждом случае положение ячейки влияет на интерпретацию.
Именно это придает тепловой карте аналитическую ценность.
Тепловые карты поддерживают повторяемые сравнения строк и столбцов
Тепловые карты наиболее полезны, когда читателю необходимо сравнивать один и тот же показатель по повторяющимся пересечениям строк и столбцов.
Одного лишь большого набора данных недостаточно, чтобы его использовать.
В зависимости от поставленной задачи тысячи наблюдений всё же могут быть более наглядно представлены в виде тренда, рейтинга, распределения или взаимосвязи.
Структура матрицы имеет большее значение, чем количество строк в ней.
Когда другой тип диаграммы удобнее для восприятия?
Тепловая карта не должна заменять более простую диаграмму, когда эта диаграмма более прямо отвечает на вопрос.
Если компании нужно сравнить показатели продаж по пяти продуктам, то столбчатая диаграмма позволяет проще оценить их ранжирование.
Годовой показатель ежемесячной выручки по своей сути представляет собой упорядоченный временной тренд, поэтому линейная диаграмма обычно является более наглядным вариантом.
Когда целью является исследование связи между двумя непрерывными числовыми переменными, более подходящим инструментом является диаграмма рассеяния.
Распределение отдельных наблюдений может быть проще понять с помощью гистограммы.
Больший объём данных автоматически не означает, что тепловая карта является подходящим типом диаграммы.
Структура сравнения имеет большее значение.
Шаблоны становятся полезными, когда они помогают принять решение
Поиск самой тёмной ячейки не является конечной целью тепловой карты.
Полезный результат заключается в том, чтобы понять, влияет ли видимая закономерность на то, что человеку следует исследовать, расставлять по приоритетам или принимать решения.
Вернуться к данным заявки в службу поддержки.
Узкая интерпретация выглядит следующим образом:
Вторник в 11:00 утра имеет наибольший объём билетов — 68 штук.
При этом возвращается некоторое значение.
Более полезная интерпретация:
С середины дня со вторника по четверг объем заявок остается на повышенном уровне, что указывает на необходимость пересмотра штатной укомплектовки в указанные часы.
В настоящее время визуализация прошла четыре этапа:
Цвет → Шаблон → Интерпретация → Решение
Эта же логика применима и в других областях.
Скопление проблем с оборудованием может направить бригады технического обслуживания на конкретную комбинацию «станок — рабочая смена».
Региональный кластер показателей эффективности позволяет торговым командам определить, какие комбинации «продукт — рынок» заслуживают более тщательного анализа.
Матрица отклонений бюджета может показать, какие отделы систематически отклоняются от установленных целевых показателей.
Ни одно из этих решений не должно основываться исключительно на цвете.
Прежде чем использовать визуализацию для принятия решений, необходимо проверить исходные значения, единицы измерения, шкалу, подписи и бизнес-контекст.
Пример с заявками в службу поддержки также наглядно демонстрирует, почему это важно. Тепловая карта делает визуально очевидным скопление заявок в полдень со вторника по четверг, но для принятия решения о необходимости реального изменения штатной численности потребуется дополнительная информация, например, сложность заявок, время их обработки, текущий уровень укомплектованности персоналом и целевые показатели обслуживания.
На диаграмме выявляется определённая закономерность. Контекст ведения бизнеса определяет, как с ней поступить.
Поэтому лучшая тепловая карта — это не обязательно та, у которой самые насыщенные цвета.
Именно это позволяет легче выявить важные сравнительные закономерности, не искажая при этом лежащие в основе различия.
Когда данные уже образуют осмысленную матрицу в виде строк и столбцов, генератор тепловых карт позволяет сократить объём ручной работы, необходимой для преобразования этих значений в визуальный шаблон. Полученную шкалу, подписи и исходные значения всё равно следует проверить перед тем, как использовать диаграмму для принятия решений.