Den här artikeln är den andra delen av två som avhandlar 8 stycken fundamentala visualiseringar för din dashboard i Excel. Kom ihåg att det är viktigt att välja rätt visualisering för rätt tillfälle. Detta kan man läsa mer om i den här artikeln: “Vilket diagram i Excel ska jag välja?“

Learnesys kurs Datavisualisering i Excel kommer i höst att uppdateras. Vet man redan nu att man inte vill missa tillfället att få ta del av denna kurs helt gratis, kan man skriva till niklas@learnesy.com. Skriv [Testperson för datavisualisering] i ämnesraden.

Som testperson förväntas man också utvärdera kursen. Mer information om detta kommer i höst.

En dashboard är inte bara olika diagram bredvid varandra. En dashboard behöver kontext och ska ge användaren nya insikter. Därför följer det några användbara tips nedan:

• Definiera dashboardens syfte – börja med att definiera ett syfte eller en frågeställning. Detta är det bästa sättet för att lyckas identifiera läsarna av dashboarden, deras behov och hur en instrumentpanel är tänkt att hjälpa till. Först efter att man har definierat detta bör man faktiskt börja arbeta på själva dashboarden. Jag passar på att påminna om de tre frågor man hittar i den föregående artikeln: vilken typ av data ska du visualisera, vad vill du förmedla och till vem ska budskapet förmedlas.
• Använd rätt mätvärden – bekämpa lusten att inkludera allt du kan. Fokusera på mätvärdena som är relevanta för publiken och deras behov. Allt annat bara kommer att addera brus och förringa dashboardens syfte eller frågeställning.
• Använd effektiva element – datavisualisering handlar mycket om kommunikation. Välj inte diagram på grund av hur avancerade de är, och försök att variera valen av visualiseringar om det går utan att krångla till det. 
• Eliminera brus – ta dig tid att överväga vilka element i varje visualisering och i dashboarden som inte adderar något värde. Att ta bort de elementen kommer att säkerställa att en dashboard är engagerande och lätt att förstå.
• Organisera din canvas – tänk på hur de visuella elementen är organiserade i dashboarden. Detta för att verkligen fokusera användarens uppmärksamhet och guida dem genom en logisk sekvens – ett berättande helt enkelt. Vilket blir en perfekt segway till nästa punkt.
• Berätta en historia – en massa tal och diagram är inte särskilt inspirerande eller engagerande i sig. Därför behöver man använda de föregående punkterna för att på bästa sätt berätta en historia med datamaterialet. Att verkligen påpeka och kommunicera insikter hjälper till att stärka användarnas förståelse, och kommer med största sannolikhet att utgöra ett gott underlag för datadrivna beslut. 

Nedan ser man ytterligare fyra stycken – av totalt åtta – visualiseringar:

• Textbox
• Staplad stapel
• Ytdiagram
• Spridningsdiagram

Av dessa fyra är textboxen den mest användbara, vilket kanske är lite förvånande för vissa. Textboxen är utmärkt att visa KPI:er och andra viktiga mätvärden, men även som ett komplement till övriga visualiseringar. Perfekt för historieberättandet!

Här kanske man tänker att en textbox inte är en visualisering. Må så vara, men enstaka siffror och tal kan vara svåra och långsamma att bearbeta. Därför kan en eller två simpla textboxar visualisera detta på bästa sätt.

Bild 1: exempel på en textbox som jämför ett godtyckligt år med ett föregående. 

Det som syns på bilden ovan är faktiskt ett kluster av grupperade textboxar och former. Det finns tre väldigt bra knep när man jobbar med textboxar. Dessa knep går att applicera på andra element (t ex diagram) också, och är mycket användbart när man designar sin dashboard.

Bild 2: i denna gif ser vi tre smarta knep för att kopiera, flytta och justera textboxar. Dessa knep kan även appliceras på andra Excel-element.

Detta är en form av stapeldiagram där den totala höjden på en stapel utgörs av två eller flera lägre staplar. Här finns inga direkta rätt eller fel, men liksom i många andra fall så kommer fler och fler dataserier att stöka till diagrammet. Jag skulle personligen inte rekommendera fler än tre dataserier, men använder man tre eller fler dataserier kan ett knep vara att ta bort y-axeln och bara använda sig av dataetiketter som nedan:

Bild 3: visar ett staplat stapeldiagram i Excel där totala antalet sålda artiklar för alla tre kategorier utgör respektive stapels höjd. Kategorierna ses som olika färger i respektive stapel. 

Med en y-axel och utan dataetiketter skulle det vara svårt redan vid tre kategorier att jämföra de olika fältens höjd. Därför kan det vara bra att inkludera dataetiketter vid tre eller fler dataserier. Notera också här att diagrammet saknar förklaring i traditionell mening. Förklaringen finns i stället i titeln där man ser färgkoden för respektive fält för respektive stapel.

Det går såklart lika – kanske ännu bättre – med ett liggande stapeldiagram:

Bild 4: ett liggande staplat stapeldiagram där färgkoderna är detsamma som i föregående bild. 

Ett annat tips kan vara att sortera kategorierna från störst till lägst, även om det fungerar att inte göra så.

Med ytdiagram kan man enkelt jämföra flera tidsserier. Samma råd gäller dock här – inte för många dataserier. Tidsserierna i ett ytdiagram kan vara lättare att jämföra än i ett linjediagram, speciellt om serierna är överlappande. Man kan även i somliga fall se hur två eller flera tidsserier fördelar sig över tid.

Bild 5: ett ytdiagram som jämför två kategorier. Vi kan se att serierna verkar följa varandra. 

I bilden ovan ser vi två kategorier plottade på ett ytdiagram. Vi kan tydligt se att löpning står för den största försäljningen i antal tusen kronor, men att ytorna följer varandra. Försäljningstoppar- och dalar skiljer sig inte för de båda tidsserierna.

Spridningsdiagram, eller punktdiagram av typen punkt som diagrammet heter i Excel, är ett sätt att jämföra en oberoende variabel x mot en beroende variabel y.

I diagrammet nedan frågar vi oss om ett högt värde för den oberoende variabeln “Spenderade kronor på annonsering” implikerar ett högt värde för den beroende variabeln “Antal möten”.

Bild 6: ett spridningsdiagram som undersöker huruvida det finns någon korrelation mellan två variabler. Här har även en trendlinje och ett R-värde infogats. 

Som trendlinjen indikerar så verkar det finnas en positiv korrelation mellan de två variablerna. Detta bekräftas även av R-värdet. Bubbeldiagrammet, som är en personlig favorit, är också mycket användbart. Vill man veta mer om bubbeldiagram – och punktdiagram – går det att läsa här.

Jag hoppas dessa tips ska vara till hjälp. Har man läst båda artiklarna, kan man notera att det är förhållandevis “simpla” diagram. Mitt tips är att alltid utgå från dessa då mer och mer avancerade diagram ofta gör det svårare att läsa och tolka. Med enkla knep kan man göra dessa, från början, tråkiga diagram till något mycket mer uppseendeväckande.

Vill man veta mer om hur man gör dessa diagram så kan man ställa sin fråga i vårt forum, eller läsa andra artikar i ämnet datavisualisering.

Mycket av datamaterialet kommer från vår kurs Ekonomisk analys i Excel. Denna kurs riktar sig främst för den som jobbar inom området ekonomi, och kommer garanterat ta dina Excelkunskaper till nya höjder. Här nedan hittar ni en lektion från kursen som avhandlar nämnda ämnet korrelation.

/ Niklas på Learnesy