मानव मस्तिष्क बाइनरी कोड को समझने या लिखित जानकारी को त्वरित रूप से समझने के लिए तार नहीं है; इसलिए जटिल विचारों और अवधारणाओं के संचार के लिए डाटा विज़ुअलाइज़ेशन आवश्यक है। हालांकि, चार्ट्स और ग्राफ़ का निर्माण शुरू से अधिक उबाऊ और समय-सापेक्ष नहीं हो सकता। हमारा Charts Collection (Part 1) 100% कस्टमाइज़ करने योग्य चार्ट्स, बार्स और ग्राफ़ प्रदान करता है, जो आपको काम के घंटों की बचत करेगा और आपको अधिक महत्वपूर्ण कार्यों पर ध्यान केंद्रित करने देगा।
यदि आपको समझने और समझाने की आवश्यकता है कि आपके मानों में असामान्य प्रवृत्ति और जानकारी की श्रेणी के बाहरी हिटों को, तो वितरण चार्ट्स आपके दोस्त हैं। स्कैटर प्लॉट, मेक्को, लाइन, कॉलम और बार चार्ट्स इन उद्देश्यों की सर्वश्रेष्ठ सेवा करते हैं।
यह संभव है कि आपके प्रस्तुतिकरण में, आपको दिखाने की आवश्यकता हो कि एक डाटा टुकड़े ने एक विशिष्ट समयावधि के दौरान कैसा प्रदर्शन किया। इस कार्य के लिए पायरामिड, लाइन, डुअल-एक्सिस लाइन या कॉलम जैसे विशेष चार्ट प्रकार की आवश्यकता होती है।
एक या कई मान सेटों की तुलना और विपरीत करने और डाटा सेटों में निम्न और उच्च मानों को अपनी टीम और हितधारकों के साथ संचार करने के लिए, कॉलम, मेक्को, बार, पाई, लाइन, स्कैटर प्लॉट और बुलेट जैसे चार्ट्स अद्वितीय विकल्प हैं।
स्कॉट बेरिनाटो, हार्वर्ड बिजनेस रिव्यू (HBR) के वरिष्ठ संपादक और गुड चार्ट्स वर्कबुक के लेखक, डाटा विजुअल्स के रहस्यों को खोलते हैं जो वास्तव में काम करते हैं।
हालांकि प्रबंधकों को विचार सृजन का समर्थन करने के लिए विज़ुअलाइज़ेशन को एक उपकरण के रूप में नहीं सोचा जाता है, बेरिनाटो कहते हैं, वे इसे सभी समय ब्रेनस्टॉर्म करने के लिए इस्तेमाल करते हैं चाहे वह वाइटबोर्ड पर हो या बचर पेपर पर। "विचार चित्रण की तरह, विचार सृजन संकल्पनात्मक उपमायों पर निर्भर करता है, लेकिन यह अधिक अनौपचारिक सेटिंग्स में होता है, जैसे कि ऑफ-साइट्स, रणनीति सत्र, और प्रारंभिक चरण की नवाचार परियोजनाएं। इसका उपयोग व्यवसाय को कैसे देखने के नए तरीके खोजने और जटिल प्रबंधन चुनौतियों का उत्तर देने के लिए किया जाता है: संगठन का पुनर्गठन, एक नए व्यवसाय प्रक्रिया का विचार, निर्णय लेने के लिए एक प्रणाली को कोडिफ़ाई करना," वह कहते हैं।
दृश्य खोज सबसे जटिल चतुर्थांश है क्योंकि इसमें दो श्रेणियाँ शामिल हैं: एक परिप्रेक्ष्य का परीक्षण करना और पैटर्न, ट्रेंड और विसंगतियों की खान में खुदाई करना। बेरिनाटो कहते हैं: "पूर्ववर्ती एकाग्र है, जबकि बाद वाला अधिक लचीला है। डाटा जितना बड़ा और जटिल होता है, और आपको जानकारी जितनी कम होती है, काम उत्तरविमुखी होता है।"
दृश्य पुष्टिकरण चरण में, आप इन प्रश्नों के उत्तर ढूंढ़ रहे होते हैं: क्या मेरी शंका वास्तव में सही है? और इस विचार को चित्रित करने के कुछ अन्य तरीके क्या हैं? बेरिनाटो के अनुसार, इस चरण में स्प्रेडशीट्स में हेरफेर करने की कुशलता और त्वरित प्रोटोटाइपिंग उपकरणों का ज्ञान प्राप्त करना उपयोगी होता है।
उदाहरण के लिए, बेरिनाटो ने टेस्ला मोटर्स के डाटा वैज्ञानिक, अनमोल गर्ग का उपयोग किया है। गर्ग ने दृश्य अन्वेषण का उपयोग करके टेस्ला कारों द्वारा उत्पन्न किए जाने वाले बड़े मात्रा के सेंसर डाटा को तापने का प्रयास किया है। उन्होंने एक इंटरैक्टिव चार्ट विकसित किया है जो कार के टायरों में समय के साथ दबाव दिखाता है। "सच्चे अन्वेषणी रूप में, [गर्ग] ने पहले दृश्यों को बनाया और फिर उनके विभिन्न उपयोगों को खोजा: यह देखने के लिए कि कार का निर्माण समाप्त होने पर टायर ठीक से फूले हुए हैं या नहीं, ग्राहक उन्हें कितनी बार फिर से फूलते हैं, और ग्राहक कम दबाव की चेतावनी का जवाब देने में कितना समय लेते हैं; लीक दरों को खोजने के लिए; और यह पूर्वानुमान करने के लिए कि टायर कब फटने की संभावना है। सभी चार टायरों का दबाव एक स्कैटर प्लॉट पर दृश्यमान होता है, जो, हालांकि एक सामान्य दर्शक के लिए अस्पष्ट हो सकता है, लेकिन इसके इरादे के अनुसार स्पष्ट होता है," बेरिनाटो लिखते हैं।
व्यावसायिक समाधान प्लेटफॉर्म, CSG, ने डाटा विज़ुअलाइज़ेशन की शक्ति साबित करने वाले महत्वपूर्ण सांख्यिकी तैयार किए हैं: