Trực quan hóa dữ liệu: cách chọn biểu đồ phù hợp với dữ liệu

• BTV
• Bài viết

Trực quan hóa dữ liệu là khâu “khép màn” trong 1 quy trình Phân tích dữ liệu, nhiệm vụ chính của nó là biến những dữ liệu dạng số liệu, văn bản thành những đồ thị, biểu đồ trực quan. Đây cũng là một trong những bước không thể “vắng mặt” trong bất kỳ quy trình tạo báo cáo nào. Điểm cần lưu ý chính ở bước này là, làm thế nào để nhân sự chọn biểu đồ phù hợp với dữ liệu phân tích? Bởi lẽ mỗi loại dữ liệu sẽ có những “khớp nối” biểu đồ phù hợp. Trong bài viết này, UniTrain sẽ tổng hợp và chia sẻ cho bạn những loại biểu đồ phù hợp với dữ liệu phân tích riêng biệt!

Table

– Để so sánh các giá trị riêng lẻ
– Biểu diễn các giá trị liên quan đến các đơn vị đo lường khác nhau
– Hiển thị thông tin định lượng

Column Chart

– Để hiển thị và so sánh thứ hạng của các giá trị và tập trung vào các giá trị đơn

– Nhãn danh mục dữ liệu ngắn
– Các mục trên biểu đồ có ít hơn 7 danh mục
– Ví dụ: Doanh thu trên mỗi Landing Page, Doanh số theo năm, v.v.

Bar Chart

– Để hiển thị nếu các giá trị dữ liệu đã đạt được một mục tiêu cụ thể

– Các mục trên bảng xếp hạng có nhiều hơn bảy nhưng ít hơn 15 danh mục
– Hiển thị số âm
– Nhãn danh mục dữ liệu dài
– Ví dụ: Khách truy cập trang web trên mỗi quốc gia, v.v.

Stacked Chart

– Để so sánh nhiều mục khác nhau và hiển thị thành phần của từng mục được so sánh
– Để hiển thị tổng hợp trực quan tất cả các danh mục trong một nhóm khi kích thước của các danh mục riêng lẻ không quan trọng
– Ví dụ: Doanh số theo khu vực, Doanh số theo sản phẩm, v.v.

Radar Chart

– Để so sánh nhiều mục hoặc nhóm trên các thuộc tính khác nhau
– Để trực quan hóa so sánh dữ liệu chất lượng
– Số lượng thuộc tính ít nhất phải là 3 nhưng ít hơn 10
– Ví dụ: So sánh tính năng của hai hoặc ba ô tô, Lượng mưa theo tháng, v.v.

Line Chart

– Để hiển thị cách một danh mục thay đổi theo thời gian
– Để hiển thị tập dữ liệu liên tục có số lượng điểm dữ liệu cao
– Trực quan hóa dựa trên xu hướng
– Ví dụ: Lưu lượng truy cập web theo thời gian, số lượt mua hàng trả lại theo tháng, v.v.

Area Chart

– Để theo dõi các thay đổi theo thời gian trong hai hoặc nhiều nhóm có liên quan tạo thành một danh mục
– Trọng tâm là khối lượng dữ liệu tích lũy hơn là các điểm dữ liệu
– Ví dụ: Khách truy cập trang web mới so với quay lại, Doanh số theo tháng cho hai sản phẩm trở lên, v.v.

Stock Chart

– Để hiển thị biến động giá theo thời gian trong chứng khoán, phái sinh, tiền tệ và bất kỳ thị trường nào khác
– Cần thu nhỏ bất kỳ phần nào của toàn bộ hoàn cảnh để xem xét kỹ hơn
– Ví dụ: Giá cổ phiếu theo thời gian, v.v.

Pie Chart

– Để hiển thị từng phần của một tổng thể theo tỷ lệ phần trăm
– Hiển thị tỷ lệ tương đối
– Tất cả các danh mục thêm tối đa 100
– Ví dụ: Khảo sát khách hàng, Chi tiêu trong tháng, v.v.

Pyramid Chart

– Để hình dung các mối quan hệ dựa trên nền tảng
– Dữ liệu được phân cấp
– Ví dụ: Chuỗi thức ăn, Lương nhân viên theo cấp quản lý, v.v.

Funnel Chart

– Để trực quan hóa các giai đoạn trong một quy trình và tỷ lệ hoàn thành cho từng giai đoạn
– Để xác định các nút thắt quan trọng trong quá trình
– Ví dụ: Chuyển đổi phần mềm bán hàng, v.v.

Treemap

– Để trực quan hóa dữ liệu phân cấp ở định dạng lồng
– Để hiển thị một loạt các bộ dữ liệu một cách hiệu quả
– Để xác định mối quan hệ giữa hai phần tử trong cấu trúc dữ liệu phân cấp
– Ví dụ: Lưu lượng truy cập web theo nguồn, Sản phẩm theo doanh thu, v.v.

Scatter Plot

– Để hiển thị sự hiện diện hay vắng mặt của một mối quan hệ giữa hai biến
– Sử dụng để phân tích tương quan và phân phối
– Không quá hai loại
– Để hiển thị xu hướng phân phối và phân cụm dữ liệu
– Ví dụ: Mức độ hài lòng của khách hàng theo thời gian phản hồi, v.v.

Bubble Chart

– Tương tự như biểu đồ phân tán nhưng có 3 hoặc 4 loại
– Ví dụ: Sản phẩm được mua theo độ tuổi, giới tính, v.v.

Error Chart

– Để hiển thị lỗi hoặc lề lỗi trong tập dữ liệu
– Ví dụ: Sự thay đổi của việc bán phần mềm, v.v.

Heatmap

– Để hiển thị mối quan hệ giữa một nhóm và ma trận của hai loại
– Để cung cấp thông tin đánh giá
– Để phân tích một danh mục trên một ma trận dữ liệu
– Ví dụ: Ma trận rủi ro, Người dùng theo thời gian trong ngày và khu vực, v.v.

Biểu diễn dữ liệu

Gantt Chart

– Để hiển thị kế hoạch và lịch trình hoạt động của một dự án
– Công cụ quản lý dự án
– Ví dụ: Tiến độ dự kiến ​​so với thực tế, Tiến độ cho thuê căn hộ, v.v.

Resource Chart

– Để hiển thị chiếm dụng tài nguyên
– Ví dụ: Trạng thái máy chủ, v.v.

Bullet Chart

– Để hiển thị tiến độ hướng tới một mục tiêu so sánh nó với một thước đo khác và cung cấp xếp hạng
– Hiệu quả không gian là cần thiết
– Quy mô tuyến tính
– Ví dụ: Doanh số bán hàng theo kế hoạch so với thực tế, v.v.

Linear Gauge

– Để hiển thị một điểm dữ liệu cụ thể trên một phạm vi bằng con trỏ
– Quy mô tuyến tính
– Ví dụ: sử dụng CPU của máy chủ, v.v.

Circular Gauge

– Để hiển thị một giá trị duy nhất để ước tính tiến trình hướng tới mục tiêu
– Sử dụng để hiển thị KPI trên bảng điều khiển
– Quy mô xuyên tâm
– Ví dụ: Đồng hồ tốc độ, bảng điều khiển KPI, v.v.

Choropleth Map

– Để so sánh một tập dữ liệu theo khu vực địa lý
– Để nhanh chóng phát hiện các khu vực, xu hướng và điểm khác biệt hoạt động tốt nhất và kém nhất
– Giá trị cụ thể không quan trọng
– Ví dụ: Sản phẩm được bán theo khu vực, lượt truy cập trang web theo quốc gia, v.v.

Dot Map

– Để hiển thị phân phối và mật độ của một số lượng lớn các đối tượng rời rạc
– Ví dụ: Đơn vị sản xuất theo quốc gia, v.v.

Bubble Map

– Để hiển thị một giá trị số trên một lãnh thổ
– Để so sánh tỷ lệ giữa các khu vực địa lý mà không gặp sự cố do quy mô khu vực gây ra
– Ví dụ: phòng kinh doanh theo doanh thu, v.v.

Connector Map

– Để hiển thị kết nối giữa hai điểm trên bản đồ địa lý
– Để hiển thị lãnh thổ, tuyến đường, sông, v.v.
– Ví dụ: Đường bay, v.v.

Xem thêm

Khám phá Power BI và các mẫu báo cáo

Combo 3 khóa học Power BI từ cơ bản đến nâng cao

Cách sao chép và dán dữ liệu từ Excel sang Power BI