• Home
  • /
  • Blog
  • /
  • डेटा विज़ुअलाइज़ेशन प्रकार और उपयोग – शुरुआती के लिए ट्यूटोरियल

डेटा विज़ुअलाइज़ेशन प्रकार और उपयोग – शुरुआती के लिए ट्यूटोरियल

डेटा विज़ुअलाइज़ेशन

This post is also available in: English العربية (Arabic)

डेटा – तथ्यों का एक संग्रह (संख्या, शब्द, माप, अवलोकन, आदि) जिसे एक ऐसे रूप में अनुवादित किया गया है जिसे कंप्यूटर संसाधित कर सकता है।

उद्योग या रुचियों के बावजूद, आप लगभग निश्चित रूप से एक कहानी में आए होंगे कि कैसे “डेटा” हमारी दुनिया का चेहरा बदल रहा है। यह एक अध्ययन का हिस्सा हो सकता है जो किसी बीमारी को ठीक करने, कंपनी के राजस्व को बढ़ावा देने, भवन को अधिक कुशल बनाने या उन लक्षित विज्ञापनों के लिए जिम्मेदार हो सकता है जिन्हें आप देखते रहते हैं।

सामान्य तौर पर, डेटा सूचना के लिए एक और शब्द है। लेकिन कंप्यूटिंग और व्यवसाय में (डेटा के बारे में आप जो कुछ भी समाचार में पढ़ते हैं – खासकर अगर यह बिग डेटा के बारे में है), डेटा उस जानकारी को संदर्भित करता है जो मानव-पठनीय के विपरीत मशीन-पठनीय है।

डेटा विज़ुअलाइज़ेशन क्या है?

डेटा विज़ुअलाइज़ेशन एक दृश्य संदर्भ में जानकारी का अनुवाद करने का अभ्यास है, जैसे कि नक्शा या ग्राफ, मानव मस्तिष्क के लिए डेटा को समझने और अंतर्दृष्टि को खींचने में आसान बनाने के लिए। डेटा विज़ुअलाइज़ेशन का मुख्य लक्ष्य बड़े डेटा सेट में पैटर्न, रुझान और आउटलेयर की पहचान करना आसान बनाना है। इस शब्द का प्रयोग अक्सर सूचना ग्राफिक्स, सूचना विज़ुअलाइज़ेशन और सांख्यिकीय ग्राफिक्स सहित दूसरों के साथ एक दूसरे के साथ किया जाता है।

डेटा विज़ुअलाइज़ेशन डेटा साइंस प्रक्रिया के चरणों में से एक है, जिसमें कहा गया है कि डेटा एकत्र करने, संसाधित करने और मॉडलिंग करने के बाद, निष्कर्ष निकालने के लिए इसकी कल्पना की जानी चाहिए। डेटा विज़ुअलाइज़ेशन भी व्यापक डेटा प्रेजेंटेशन आर्किटेक्चर (डीपीए) अनुशासन का एक तत्व है, जिसका उद्देश्य डेटा को सबसे कुशल तरीके से पहचानना, पता लगाना, हेरफेर करना, प्रारूपित करना और वितरित करना है।

डेटा विज़ुअलाइज़ेशन लगभग हर करियर के लिए महत्वपूर्ण है। इसका उपयोग शिक्षकों द्वारा छात्र परीक्षा परिणाम प्रदर्शित करने के लिए किया जा सकता है, कंप्यूटर वैज्ञानिक आर्टिफिशियल इंटेलिजेंस (एआई) में प्रगति की खोज कर रहे हैं, या अधिकारियों द्वारा हितधारकों के साथ जानकारी साझा करने की तलाश में हैं। यह बिग डेटा प्रोजेक्ट्स में भी महत्वपूर्ण भूमिका निभाता है। चूंकि व्यवसायों ने बड़े डेटा प्रवृत्ति के शुरुआती वर्षों के दौरान डेटा का भारी संग्रह जमा किया, इसलिए उन्हें अपने डेटा का अवलोकन जल्दी और आसानी से प्राप्त करने के लिए एक तरीके की आवश्यकता थी। विज़ुअलाइज़ेशन उपकरण एक प्राकृतिक फिट थे।

विज़ुअलाइज़ेशन समान कारणों से उन्नत विश्लेषिकी के लिए केंद्रीय है। जब कोई डेटा वैज्ञानिक उन्नत भविष्य कहनेवाला विश्लेषण या मशीन लर्निंग (एमएल) एल्गोरिदम लिख रहा होता है, तो परिणामों की निगरानी के लिए आउटपुट की कल्पना करना और यह सुनिश्चित करना महत्वपूर्ण हो जाता है कि मॉडल इरादा के अनुसार प्रदर्शन कर रहे हैं। ऐसा इसलिए है क्योंकि जटिल एल्गोरिदम के विज़ुअलाइज़ेशन आमतौर पर संख्यात्मक आउटपुट की तुलना में व्याख्या करना आसान होता है।

डेटा विज़ुअलाइज़ेशन के लाभ

व्यावसायिक रणनीतियों और लक्ष्यों पर विचार करते समय, डेटा विज़ुअलाइज़ेशन डेटा अंतर्दृष्टि को बेहतर बनाने के लिए निर्णय लेने वालों को कई तरह से लाभान्वित करता है। आइए विस्तार से सात प्रमुख लाभों का पता लगाएं:

  • बेहतर विश्लेषण: डेटा विज़ुअलाइज़ेशन व्यावसायिक हितधारकों को बिक्री, विपणन रणनीतियों और उत्पाद रुचि के बारे में रिपोर्ट का विश्लेषण करने में मदद करता है। विश्लेषण के आधार पर, वे उन क्षेत्रों पर ध्यान केंद्रित कर सकते हैं जिन पर लाभ बढ़ाने के लिए ध्यान देने की आवश्यकता होती है, जो बदले में व्यवसाय को अधिक उत्पादक बनाता है।
  • त्वरित कार्रवाई: जैसा कि पहले उल्लेख किया गया है, मानव मस्तिष्क तालिका रिपोर्ट की तुलना में दृश्यों को अधिक आसानी से ग्रहण करता है। डेटा विज़ुअलाइज़ेशन निर्णय लेने वालों को नई डेटा अंतर्दृष्टि के बारे में जल्दी से सूचित करने और व्यवसाय के विकास के लिए आवश्यक कार्रवाई करने की अनुमति देता है।
  • पैटर्न की पहचान करना: जब हम उनकी कल्पना करते हैं तो बड़ी मात्रा में जटिल डेटा अंतर्दृष्टि के लिए कई अवसर प्रदान कर सकता है। विज़ुअलाइज़ेशन व्यावसायिक उपयोगकर्ताओं को डेटा के बीच संबंधों को पहचानने की अनुमति देता है, इसे अधिक अर्थ प्रदान करता है। इन पैटर्नों की खोज करने से उपयोगकर्ताओं को उन विशिष्ट क्षेत्रों पर ध्यान केंद्रित करने में मदद मिलती है जिन पर डेटा में ध्यान देने की आवश्यकता होती है ताकि वे अपने व्यवसाय को आगे बढ़ाने के लिए उन क्षेत्रों के महत्व की पहचान कर सकें।
  • त्रुटियाँ ढूँढना: अपने डेटा को विज़ुअलाइज़ करने से डेटा में किसी भी त्रुटि को शीघ्रता से पहचानने में मदद मिलती है। यदि डेटा गलत कार्यों का सुझाव देता है, तो विज़ुअलाइज़ेशन गलत डेटा को जल्द से जल्द पहचानने में मदद करता है ताकि इसे विश्लेषण से हटाया जा सके।
  • कहानी को समझना: कहानी सुनाना आपके डैशबोर्ड का उद्देश्य है। अपने दृश्यों को सार्थक तरीके से डिजाइन करके, आप लक्षित दर्शकों को एक ही नज़र में कहानी को समझने में मदद करते हैं। अत्यधिक जटिल दृश्यों के बिना हमेशा कहानी को सबसे सरलता से व्यक्त करना सुनिश्चित करें।
  • व्यावसायिक अंतर्दृष्टि की खोज करना: वर्तमान प्रतिस्पर्धी कारोबारी माहौल में, दृश्य प्रतिनिधित्व का उपयोग करके डेटा सहसंबंध खोजना व्यावसायिक अंतर्दृष्टि की पहचान करने के लिए महत्वपूर्ण है। व्यवसाय के लक्ष्यों को प्राप्त करने के लिए सही मार्ग निर्धारित करने के लिए व्यावसायिक उपयोगकर्ताओं या अधिकारियों के लिए इन अंतर्दृष्टि की खोज करना महत्वपूर्ण है।
  • नवीनतम रुझानों को समझना: डेटा विज़ुअलाइज़ेशन का उपयोग करके, आप गुणवत्ता वाले उत्पाद प्रदान करने और समस्याओं के उत्पन्न होने से पहले उनकी पहचान करने के लिए अपने व्यवसाय में नवीनतम रुझानों की खोज कर सकते हैं। प्रवृत्तियों के शीर्ष पर रहकर, आप अपने व्यवसाय के लिए बढ़े हुए मुनाफे में अधिक प्रयास कर सकते हैं।

विभिन्न प्रकार के डेटा विज़ुअलाइज़ेशन

डेटा विज़ुअलाइज़ेशन के कुछ सबसे सामान्य रूप हैं:

1. एरिया चार्ट

एक एरिया चार्ट लाइन चार्ट और बार चार्ट को जोड़ता है ताकि यह दिखाया जा सके कि एक या अधिक समूहों के संख्यात्मक मान दूसरे चर की प्रगति पर कैसे बदलते हैं, आमतौर पर समय की। एक बार चार्ट की तरह, लाइनों और आधार रेखा के बीच छायांकन को जोड़कर एक क्षेत्र चार्ट को लाइन चार्ट से अलग किया जाता है।

Data Visualization

एक क्षेत्र चार्ट आमतौर पर समूहों (या श्रृंखला) के बीच तुलना करने के लिए या यह दिखाने के लिए कि एक पूरे को भागों में कैसे विभाजित किया जाता है, कई पंक्तियों के साथ उपयोग किया जाता है। इससे दो अलग-अलग प्रकार के क्षेत्र चार्ट बनते हैं, प्रत्येक उपयोग के मामले के लिए एक।

2. बार ग्राफ

एक बार ग्राफ (या बार चार्ट) एक प्रकार का ग्राफ है जिसमें प्रत्येक कॉलम (या तो लंबवत या क्षैतिज रूप से प्लॉट किया गया) एक श्रेणीबद्ध चर का प्रतिनिधित्व करता है। (श्रेणीगत चर एक ऐसा चर है जिसमें दो या दो से अधिक श्रेणियां होती हैं जिनमें श्रेणियों के लिए कोई आंतरिक क्रम नहीं होता है। उदाहरण के लिए, लिंग दो श्रेणियों के साथ एक श्रेणीबद्ध चर है: पुरुष और महिला।) एक बार ग्राफ का उपयोग किसी श्रेणी या विशेषता की आवृत्ति की तुलना किसी अन्य श्रेणी या विशेषता से करने के लिए किया जाता है। बार की ऊंचाई (यदि लंबवत है) या लंबाई (यदि क्षैतिज है) प्रत्येक श्रेणी या विशेषता के लिए आवृत्ति दर्शाती है।

Data Visualization

बार चार्ट हिस्टोग्राम के समान दिखते हैं। हालाँकि, बार चार्ट का उपयोग श्रेणीबद्ध या गुणात्मक डेटा के लिए किया जाता है जबकि हिस्टोग्राम का उपयोग मात्रात्मक डेटा के लिए किया जाता है। इसके अलावा, हिस्टोग्राम में, कक्षाएं (या बार) समान चौड़ाई के होते हैं और एक दूसरे को स्पर्श करते हैं, जबकि बार चार्ट में बार एक दूसरे को नहीं छूते हैं।

3. बबल चार्ट

बबल चार्ट एक बहु-चर ग्राफ है जो स्कैटरप्लॉट और आनुपातिक क्षेत्र चार्ट के बीच एक क्रॉस है। स्कैटरप्लॉट की तरह, बबल चार्ट एक ग्रिड के साथ बिंदुओं को प्लॉट करने के लिए कार्टेशियन समन्वय प्रणाली का उपयोग करते हैं जहां एक्स और वाई अक्ष अलग-अलग चर होते हैं। हालाँकि स्कैटरप्लॉट के विपरीत, प्रत्येक बिंदु को एक लेबल या श्रेणी सौंपी जाती है (या तो एक किंवदंती के साथ या उसके साथ प्रदर्शित होती है)। प्रत्येक प्लॉट किया गया बिंदु उसके सर्कल के क्षेत्र से तीसरे चर का प्रतिनिधित्व करता है।

रंगों का उपयोग श्रेणियों के बीच अंतर करने के लिए भी किया जा सकता है या अतिरिक्त डेटा चर का प्रतिनिधित्व करने के लिए भी किया जा सकता है। समय को या तो किसी एक अक्ष पर चर के रूप में या समय के साथ बदलते हुए डेटा चर को एनिमेट करके दिखाया जा सकता है।

Data Visualization

बबल चार्ट का उपयोग आमतौर पर स्थिति और अनुपात के उपयोग द्वारा वर्गीकृत मंडलियों के बीच संबंधों की तुलना करने और दिखाने के लिए किया जाता है। बबल चार्ट के समग्र चित्र का उपयोग पैटर्न/सहसंबंधों के विश्लेषण के लिए किया जा सकता है।

बहुत सारे बबल चार्ट को पढ़ने में कठिन बना सकते हैं, इसलिए बबल चार्ट में सीमित डेटा आकार क्षमता होती है। अन्तरक्रियाशीलता द्वारा इसे कुछ हद तक दूर किया जा सकता है: छिपी हुई जानकारी को प्रदर्शित करने के लिए बुलबुले पर क्लिक करना या होवर करना, समूहीकृत श्रेणियों को पुनर्गठित या फ़िल्टर करने का विकल्प होना।

4. बुलेट चार्ट

एक बुलेट चार्ट एक बार चार्ट का एक रूपांतर है, जिसे इसके अर्थ को समृद्ध करने के लिए एक या एक से अधिक अन्य उपायों के लिए एकल, प्राथमिक माप (उदाहरण के लिए, वर्तमान वर्ष-दर-तारीख राजस्व) की तुलना करने के लिए डिज़ाइन किया गया है (उदाहरण के लिए, एक लक्ष्य की तुलना में), और इसे खराब, संतोषजनक और अच्छे जैसे प्रदर्शन की गुणात्मक श्रेणियों के संदर्भ में प्रदर्शित करता है। गुणात्मक श्रेणियों को एक रंग के ब्लॉक के रूप में प्रदर्शित किया जाता है, लेकिन अलग-अलग तीव्रता के साथ, उन्हें उन लोगों द्वारा स्पष्ट किया जाता है जो कलर ब्लाइंड हैं और डैशबोर्ड पर रंगों के उपयोग को न्यूनतम तक सीमित करते हैं।

Data Visualization

एक बुलेट चार्ट हमेशा केवल एक डेटा श्रृंखला का उपयोग करता है, लेकिन एक डैशबोर्ड में एक ही समय में कई बुलेट चार्ट हो सकते हैं। इस प्रकार का चार्ट कुछ मामलों में बहुत मददगार हो सकता है क्योंकि यह कम जगह का उपयोग करके डेटा की स्पष्ट प्रस्तुति प्रदान करता है।

5. बॉक्स-एंड-व्हिस्कर प्लॉट्स

एक बॉक्सप्लॉट को बॉक्स भी कहा जाता है और व्हिस्कर प्लॉट डेटा सेट के प्रसार और केंद्रों को दिखाने का एक तरीका है। प्रसार के उपायों में इंटरक्वेर्टाइल रेंज और डेटा सेट का माध्य शामिल है। केंद्र के मानों में माध्य या औसत और माध्यिका (डेटा सेट के मध्य) शामिल हैं।

Data Visualization

बॉक्स और व्हिस्कर्स चार्ट आपको दिखाता है कि आपका डेटा कैसे फैला हुआ है। जानकारी के पांच टुकड़े (“पांच-संख्या सारांश”) आम तौर पर चार्ट में शामिल होते हैं:

  • न्यूनतम (डेटा सेट में सबसे छोटी संख्या)। चार्ट के सबसे बाईं ओर, बाईं ओर “मूंछ” के अंत में न्यूनतम दिखाया गया है।
  • पहला चतुर्थक, Q1, बॉक्स के सबसे बाईं ओर (या बाईं मूंछ के दाईं ओर) है।
  • माध्यिका को बॉक्स के केंद्र में एक रेखा के रूप में दिखाया गया है।
  • तीसरा चतुर्थक, Q3, बॉक्स के सबसे दाईं ओर (दाएं मूंछ के सबसे बाईं ओर) दिखाया गया है।
  • अधिकतम (डेटा सेट में सबसे बड़ी संख्या), बॉक्स के सबसे दाईं ओर दिखाया गया है।

6. कार्टोग्राम

कार्टोग्राम एक नक्शा है जिसमें वैकल्पिक चर की जानकारी देने के लिए क्षेत्रों की ज्यामिति विकृत होती है। क्षेत्र को उसके संख्यात्मक मान के अनुसार फुलाया या अपस्फीति किया जाएगा।

अधिकांश समय, कार्टोग्राम एक कोरोप्लेथ नक्शा भी होता है जहां क्षेत्र एक संख्यात्मक चर के अनुसार रंगीन होते हैं (जरूरी नहीं कि कार्टोग्राम बनाने के लिए इस्तेमाल किया गया हो)।

Data Visualization

कार्टोग्राम का उद्देश्य उस पूर्वाग्रह को ठीक करना है जिसे कोरोप्लेथ मानचित्रों में देखा जा सकता है: जब एक चर को प्रति क्षेत्र में एकत्रित किया जाता है, तो बहुत कम डेटा बिंदुओं वाला क्षेत्र उतना ही महत्वपूर्ण दिखाई देगा जितना कि कई डेटा बिंदुओं वाला क्षेत्र।

उदाहरण के लिए, कल्पना करें कि आप अपने कोरोप्लेथ मानचित्र पर प्रति क्षेत्र औसत वेतन प्रदर्शित करते हैं। एक विशाल क्षेत्र वाले 3 निवासियों वाले क्षेत्र का आपके मानचित्र पर 3,000 निवासियों वाले छोटे से अधिक महत्व होगा, जो एक मजबूत पूर्वाग्रह को प्रेरित करता है। कार्टोग्राम का उद्देश्य इस पूर्वाग्रह को कम करना है।

7. कॉलम चार्ट

कॉलम चार्ट श्रेणियों या चीजों के बीच तुलना दिखाने के लिए लंबवत बार का उपयोग करते हैं। एक अक्ष तुलना की जा रही श्रेणियों को प्रदर्शित करता है, दूसरा, डेटा मान। वे एक समय में स्थिति को दिखाने के लिए प्रभावी हैं। अगर कुछ गिना जा सकता है, तो इसे एक कॉलम चार्ट में दर्शाया जा सकता है, उदाहरण के लिए, किसी वेबसाइट पर बेचे गए या हिट होने वाले उत्पादों की संख्या।

मूल्यों के बीच अंतर पर जोर देने के लिए कॉलम चार्ट प्रभावी हैं। समय के साथ समूहों के बीच परिवर्तन की तुलना करने के लिए उपयोग किया जाता है, कॉलम चार्ट पढ़ने में सबसे आसान होते हैं जब डेटा मान में अंतर अपेक्षाकृत बड़ा होता है।

Data Visualization

यदि आपके पास तुलना करने के लिए कई श्रेणियां हैं, तो रेखा ग्राफ़ को पढ़ना आसान हो सकता है।

कॉलम चार्ट मानक, स्टैक्ड या प्रतिशत स्वरूपों में बनाए जा सकते हैं। प्रत्येक प्रारूप एक ही डेटा को एक अलग तरीके से प्रदर्शित करता है, जिससे तुलना करना आसान हो जाता है या डेटा में पैटर्न उभरता हुआ दिखाई देता है।

8. सर्किल व्यू

सर्कल व्यू बहुआयामी समय-संदर्भित डेटा सेट की कल्पना करने के लिए एक नया दृष्टिकोण है। इस तथ्य के कारण कि निरंतर डेटा समय के साथ अपनी विशेषताओं को बदल रहा है, एक उपयुक्त विज़ुअलाइज़ेशन विधि आवश्यक है।

इसलिए यह नई तकनीक पदानुक्रमित विज़ुअलाइज़ेशन तकनीकों का एक संयोजन है, जैसे कि ट्रेमैप, और सर्कुलर लेआउट तकनीक, जैसे पाई चार्ट और सर्कल सेगमेंट।

Data Visualization

इस तरह के डेटा का विश्लेषण करने में रुचि रखने वाले उपयोगकर्ताओं के लिए पैटर्न, अपवादों और समानताओं की पहचान करना बहुत महत्वपूर्ण है, यही मुख्य उद्देश्य है जिसके लिए इस नए विज़ुअलाइज़ेशन दृष्टिकोण को विकसित किया गया है। सर्किल व्यू डेटा में बदलावों को देखने के लिए समय के साथ बदलती विशेषताओं के विज़ुअलाइज़ेशन का समर्थन करता है। इसलिए सर्किल व्यू एक सहज और समझने में आसान विज़ुअलाइज़ेशन इंटरफ़ेस प्रदान करता है, जो उपयोगकर्ता को विश्लेषण के लिए आवश्यक सभी जानकारी एकत्र करने में सक्षम बनाता है। इसके अतिरिक्त, एप्लिकेशन उपयोगकर्ता इंटरैक्शन को सक्षम बनाता है, जैसे डेटा के विभिन्न ऑर्डरिंग विकल्प, फ़िल्टरिंग विधियां, और समय की अवधि और एनीमेशन की गति को परिभाषित करने की संभावना, जो वास्तविक समय डेटा और ऐतिहासिक डेटा दोनों को दिखाने के लिए कल्पना की जाती है।

इसके अलावा, उपयोगकर्ता के लिए डेटा में सहसंबंधों और अपवादों का पता लगाना संभव है, जो समानता एल्गोरिदम और ऑर्डरिंग एल्गोरिदम का उपयोग करके प्राप्त किया जाता है। इसलिए सर्किल व्यू एक प्रभावी खोजपूर्ण डेटा विश्लेषण के लिए उपयोगकर्ता को हर आवश्यक उपकरण के साथ सक्षम बनाता है।

9. फ़नल चार्ट

फ़नल चार्ट आपको एक रेखीय प्रक्रिया की कल्पना करने में मदद करता है जिसमें क्रमिक रूप से जुड़े हुए चरण होते हैं। उदाहरण के लिए, एक बिक्री फ़नल जो चरणों के माध्यम से ग्राहकों को ट्रैक करता है: लीड > योग्य लीड > संभावना > अनुबंध > बंद करें। एक नज़र में, फ़नल का आकार उस प्रक्रिया के स्वास्थ्य को बताता है जिसे आप ट्रैक कर रहे हैं।

Data Visualization

प्रत्येक फ़नल चरण कुल के प्रतिशत का प्रतिनिधित्व करता है। इसलिए, अधिकांश मामलों में, फ़नल चार्ट फ़नल के आकार का होता है — जिसमें पहला चरण सबसे बड़ा होता है, और प्रत्येक बाद का चरण अपने पूर्ववर्ती से छोटा होता है। नाशपाती के आकार की फ़नल भी उपयोगी है – यह प्रक्रिया में किसी समस्या की पहचान कर सकती है। लेकिन आम तौर पर, पहला चरण, “सेवन” चरण, सबसे बड़ा होता है।

फ़नल चार्ट एक बढ़िया विकल्प हैं:

  • जब डेटा अनुक्रमिक होता है और कम से कम 4 चरणों से गुजरता है।
  • जब पहले चरण में “आइटम” की संख्या अंतिम चरण की संख्या से अधिक होने की उम्मीद है।
  • चरणों द्वारा संभावित (राजस्व/बिक्री/सौदे/आदि) की गणना करने के लिए।
  • रूपांतरण और प्रतिधारण दरों की गणना और ट्रैक करने के लिए।
  • एक रैखिक प्रक्रिया में बाधाओं को प्रकट करने के लिए।
  • शॉपिंग कार्ट वर्कफ़्लो को ट्रैक करने के लिए।
  • क्लिक-थ्रू विज्ञापन/विपणन अभियानों की प्रगति और सफलता को ट्रैक करने के लिए।

10. डॉट वितरण मानचित्र

एक डॉट वितरण नक्शा (या एक डॉट घनत्व नक्शा या बस एक डॉट नक्शा) एक प्रकार का विषयगत नक्शा है जो बड़ी संख्या में संबंधित घटनाओं के भौगोलिक वितरण की कल्पना करने के लिए एक बिंदु प्रतीक का उपयोग करता है। डॉट मैप एक प्रकार के यूनिट विज़ुअलाइज़ेशन हैं जो स्थानिक पैटर्न, विशेष रूप से घनत्व में भिन्नता दिखाने के लिए एक दृश्य बिखराव पर निर्भर करते हैं।

Data Visualization

डॉट्स व्यक्तिगत घटनाओं के वास्तविक स्थानों का प्रतिनिधित्व कर सकते हैं, या यादृच्छिक रूप से एकत्रीकरण जिलों में रखा जा सकता है ताकि कई उपयोगकर्ता व्यक्तियों के लिए अलग-अलग 10 साल की अवधि का पता लगा सकें। हालांकि ये दो प्रक्रियाएं और उनके अंतर्निहित मॉडल बहुत अलग हैं, सामान्य प्रभाव समान है।

11. दोहरी धुरी चार्ट

एक दोहरी-अक्ष चार्ट (जिसे एकाधिक अक्ष चार्ट भी कहा जाता है) दो अक्षों का उपयोग विभिन्न परिमाणों और माप के पैमाने के साथ दो चर के बीच संबंधों को आसानी से चित्रित करने के लिए करता है। दो चरों के बीच संबंध को सहसंबंध कहा जाता है।

Data Visualization

एक दोहरे अक्ष चार्ट सीमित स्थान का उपयोग करके बहुत सारी जानकारी दिखाता है, ताकि आप उन रुझानों की खोज कर सकें जिन्हें आप अन्यथा याद कर सकते थे।

12. गैंट चार्ट

गैंट चार्ट एक प्रकार का बार चार्ट है जो प्रोजेक्ट शेड्यूल को दिखाता है। यह चार्ट ऊर्ध्वाधर अक्ष पर किए जाने वाले कार्यों और क्षैतिज अक्ष पर समय अंतराल को सूचीबद्ध करता है। ग्राफ़ में क्षैतिज पट्टियों की चौड़ाई प्रत्येक गतिविधि की अवधि दर्शाती है।

गैंट चार्ट एक परियोजना के टर्मिनल तत्वों और सारांश तत्वों की शुरुआत और समाप्ति तिथियों का वर्णन करते हैं। टर्मिनल तत्व और सारांश तत्व परियोजना के कार्य टूटने की संरचना का गठन करते हैं। आधुनिक गैंट चार्ट गतिविधियों के बीच निर्भरता (यानी, पूर्वता नेटवर्क) संबंधों को भी दिखाते हैं। गैंट चार्ट का उपयोग प्रतिशत-पूर्ण छायांकन और एक लंबवत “TODAY” लाइन का उपयोग करके वर्तमान शेड्यूल स्थिति दिखाने के लिए किया जा सकता है।

Data Visualization

गैंट चार्ट आमतौर पर प्रारंभिक प्रारंभ समय दृष्टिकोण का उपयोग करके प्रारंभ में बनाए जाते हैं, जहां प्रत्येक कार्य को इसकी पूर्वापेक्षा पूरी होने पर तुरंत शुरू करने के लिए निर्धारित किया जाता है। यह विधि सभी कार्यों के लिए उपलब्ध फ्लोट समय को अधिकतम करती है।

13. हीट मैप

हीटमैप डेटा का एक ग्राफिकल प्रतिनिधित्व है जो विभिन्न मूल्यों का प्रतिनिधित्व करने के लिए रंग-कोडिंग की एक प्रणाली का उपयोग करता है। हीटमैप्स का उपयोग विश्लेषिकी के विभिन्न रूपों में किया जाता है, लेकिन आमतौर पर विशिष्ट वेब पेजों या वेबपेज टेम्प्लेट पर उपयोगकर्ता के व्यवहार को दिखाने के लिए उपयोग किया जाता है। हीटमैप्स का उपयोग यह दिखाने के लिए किया जा सकता है कि उपयोगकर्ताओं ने किसी पृष्ठ पर कहां क्लिक किया है, उन्होंने पृष्ठ को कितनी दूर तक स्क्रॉल किया है, या आंखों पर नज़र रखने वाले परीक्षणों के परिणामों को प्रदर्शित करने के लिए उपयोग किया है।

Data Visualization

हीटमैप इस बात का अधिक व्यापक अवलोकन दे सकता है कि उपयोगकर्ता वास्तव में कैसा व्यवहार कर रहे हैं। हीटमैप भी मानक विश्लेषिकी रिपोर्ट की तुलना में बहुत अधिक दृश्य हैं, जो उन्हें एक नज़र में विश्लेषण करना आसान बना सकते हैं। यह उन्हें और अधिक सुलभ बनाता है, खासकर उन लोगों के लिए जो बड़ी मात्रा में डेटा का विश्लेषण करने के आदी नहीं हैं।

14. हाइलाइट टेबल

एक हाइलाइट तालिका ठीक वैसा ही करती है जैसा उसके नाम से पता चलता है – यह उपयोगकर्ता के लिए तालिका को अधिक सहज और प्रभावी ढंग से पढ़ने के लिए रंगीन हाइलाइट जोड़ता है। यह रंग का उपयोग करके श्रेणीबद्ध डेटा की तुलना करता है। स्पष्ट रूप से बोलते हुए, यह अनिवार्य रूप से रंगीन कोशिकाओं के साथ एक स्प्रेडशीट है। यद्यपि हम रंगीन टेक्स्ट के साथ टेक्स्ट टेबल का उपयोग कर सकते हैं, फ़ॉन्ट का रंग और अस्पष्टता हमें टेक्स्ट पढ़ने से विचलित कर देगा।

Data Visualization

एक हाइलाइट तालिका के साथ कल्पना करके, हम तालिका के कच्चे डेटा को देखने की तुलना में पैटर्न या सहसंबंधों को बहुत तेज़ी से पहचान सकते हैं। इसमें उच्च मापनीयता भी है, जिसका अर्थ है कि एक चार्ट में बहुत सारे डेटा प्रदर्शित करना। दूसरी ओर, हाइलाइट तालिका आयामों की संख्या को सीमित करती है। इसके अलावा, छोटे अंतरों के बीच अंतर करना कठिन है।

15. हिस्टोग्राम

एक हिस्टोग्राम एक प्लॉट है जो आपको निरंतर डेटा के एक सेट के अंतर्निहित आवृत्ति वितरण (आकार) को खोजने और दिखाने देता है। यह इसके अंतर्निहित वितरण (जैसे, सामान्य वितरण), आउटलेयर, तिरछापन, आदि के लिए डेटा के निरीक्षण की अनुमति देता है। एक हिस्टोग्राम का एक उदाहरण, और जिस कच्चे डेटा से इसका निर्माण किया गया था, वह नीचे दिखाया गया है:

Data Visualization

एक सतत चर से एक हिस्टोग्राम बनाने के लिए आपको पहले डेटा को अंतराल में विभाजित करना होगा, जिसे बिन कहा जाता है। ऊपर के उदाहरण में, उम्र को डिब्बे में विभाजित किया गया है, जिसमें प्रत्येक बिन 20 साल से शुरू होने वाले 10 साल की अवधि का प्रतिनिधित्व करता है। प्रत्येक बिन में उस बिन के भीतर मौजूद डेटा सेट में स्कोर की घटनाओं की संख्या होती है।

16. रेखा ग्राफ

लाइन ग्राफ़ (या लाइन चार्ट) सबसे अच्छे होते हैं जब आप यह दिखाना चाहते हैं कि समय के साथ किसी चीज़ का मूल्य कैसे बदलता है,या तुलना करें कि एक दूसरे के सापेक्ष समय के साथ कितनी चीजें बदलती हैं। जब भी आप “समय के साथ” उस प्रमुख वाक्यांश को सुनते हैं, तो यह आपके डेटा के लिए एक लाइन ग्राफ़ का उपयोग करने पर विचार करने के लिए आपका सुराग है।

Data Visualization

रेखा ग्राफ सामान्य और प्रभावी चार्ट होते हैं क्योंकि वे सरल, समझने में आसान और कुशल होते हैं। लाइन चार्ट इसके लिए बहुत अच्छे हैं:

  • एक साथ ढेर सारे डेटा की तुलना करना
  • समय के साथ परिवर्तन और रुझान दिखा रहा है
  • महत्वपूर्ण संदर्भ और एनोटेशन सहित
  • पूर्वानुमान डेटा और अनिश्चितता प्रदर्शित करना
  • डेटा श्रृंखला के भीतर और सभी विसंगतियों को हाइलाइट करना

17. मैट्रिक्स आरेख

मैट्रिक्स आरेख वस्तुओं के बीच संबंध को दर्शाता है। प्रत्येक इंटरसेक्शन पर, एक रिश्ता या तो अनुपस्थित होता है या मौजूद होता है। यह तब रिश्ते के बारे में जानकारी देता है, जैसे इसकी ताकत, विभिन्न व्यक्तियों द्वारा निभाई गई भूमिकाएं या माप। कितने समूहों की तुलना की जाती है, इसके आधार पर इसे अलग-अलग आकार दिया जा सकता है।

Data Visualization

18. मेक्को चार्ट

एक मेक्को चार्ट (कभी-कभी मारिमको चार्ट भी कहा जाता है) एक द्वि-आयामी स्टैक्ड चार्ट है। एक नियमित स्टैक्ड चार्ट के अलग-अलग सेगमेंट की ऊंचाई के अलावा, एक मेक्को चार्ट में अलग-अलग कॉलम की चौड़ाई भी होती है।

कॉलम की चौड़ाई को इस तरह बढ़ाया जाता है कि कुल चौड़ाई वांछित चार्ट चौड़ाई से मेल खाती हो। विभिन्न स्तंभों की चौड़ाई के बीच दृश्य संबंध को बनाए रखने के लिए, मेक्को चार्ट में स्तंभों के बीच कोई अंतराल नहीं है।

Data Visualization

वास्तव में, मेक्को चार्ट की आधार रेखा एक पूर्ण मूल्य अक्ष है। आप इसे माउस से चुन सकते हैं, और आप इसके संदर्भ मेनू का उपयोग टिक मार्क, टिक मार्क लेबल और एक अक्ष शीर्षक जोड़ने के लिए कर सकते हैं। यदि आपने आधार रेखा के लिए टिक मार्क सक्षम किया है, तो आप निरपेक्ष और प्रतिशत मानों के बीच स्विच करने के लिए अक्ष के फ़्लोटिंग टूलबार का उपयोग कर सकते हैं।

एक मेक्को चार्ट को तराजू और अक्षों और तीरों और मूल्यों में वर्णित कुछ विशेषताओं से भी सजाया जा सकता है। मेक्को चार्ट के लेबल लेबल सामग्री संपत्ति का समर्थन करते हैं, जो आपको यह चुनने देता है कि आप पूर्ण मान, प्रतिशत या दोनों प्रदर्शित करना चाहते हैं या नहीं।

19. नेटवर्क ग्राफ

नेटवर्क विज़ुअलाइज़ेशन (जिसे नेटवर्क ग्राफ़ भी कहा जाता है) का उपयोग अक्सर बड़ी मात्रा में तत्वों के बीच जटिल संबंधों की कल्पना करने के लिए किया जाता है। एक नेटवर्क विज़ुअलाइज़ेशन अप्रत्यक्ष और निर्देशित ग्राफ़ संरचनाओं को प्रदर्शित करता है।

Data Visualization

इस प्रकार का विज़ुअलाइज़ेशन संस्थाओं के बीच संबंधों को प्रकाशित करता है। निकायों को गोल नोड्स के रूप में प्रदर्शित किया जाता है और रेखाएं उनके बीच संबंध दिखाती हैं। नेटवर्क नोड्स का विशद प्रदर्शन गैर-तुच्छ डेटा विसंगतियों को उजागर कर सकता है जिन्हें अन्यथा अनदेखा किया जा सकता है।

20. पाई चार्ट

पाई चार्ट एक प्रकार का ग्राफ़ है जो डेटा को एक वृत्ताकार ग्राफ़ में प्रदर्शित करता है। ग्राफ के टुकड़े प्रत्येक श्रेणी में पूरे के अंश के समानुपाती होते हैं। दूसरे शब्दों में, पाई का प्रत्येक टुकड़ा पूरे समूह में उस श्रेणी के आकार के सापेक्ष होता है। संपूर्ण “पाई” पूरे के 100 प्रतिशत का प्रतिनिधित्व करता है, जबकि पाई “स्लाइस” पूरे के हिस्से का प्रतिनिधित्व करता है।

Data Visualization

21. पोलर एरिया

पोलर एरिया चार्ट एक सामान्य पाई चार्ट के समान है, सिवाय इसके कि सेक्टर समान कोण हैं और प्रत्येक क्षेत्र सर्कल के केंद्र से कितनी दूर तक फैला हुआ है। पोलर एरिया आरेख का उपयोग चक्रीय परिघटनाओं की साजिश रचने के लिए किया जाता है (उदाहरण के लिए, महीने के हिसाब से मौतों की संख्या)।

Data Visualization

22. रेडियल ट्री

रेडियल ट्री एक ट्री लेआउट एल्गोरिथम है जो किसी भी प्रकार के आरेख पर लागू होता है।

यह लेआउट एल्गोरिथम आरेख सुविधाओं को श्रेणीबद्ध रूप से व्यवस्थित करता है और उन्हें निर्दिष्ट त्रिज्या मापदंडों के अनुसार एक रेडियल ट्री में रखता है। यह एक रूट जंक्शन से काम करता है जो कि इस रूट से शुरू होने वाले उप-वृक्षों को संकेंद्रित वृत्तों में व्यवस्थित करने के लिए सर्कल सेंटर के रूप में उपयोग करता है, प्रत्येक सर्कल एक पदानुक्रमित स्तर के अनुरूप होता है।

रेडियल ट्री लेआउट को क्रियान्वित करने से पहले रूट फ्लैग को डायग्राम जंक्शनों पर स्थापित किया जा सकता है।

यदि कोई रूट जंक्शन निर्दिष्ट नहीं है, तो एल्गोरिथ्म सबसे छोटे नेटवर्क टोपोलॉजी इंडेक्स से जुड़े डायग्राम जंक्शन की पहचान करता है और इस जंक्शन को रूट जंक्शन के रूप में उपयोग करता है।

Data Visualization

यदि डायग्राम जंक्शन को रूट जंक्शन के रूप में निर्दिष्ट किया जाता है, तो रेडियल ट्री इस रूट जंक्शन को संकेंद्रित वृत्तों के केंद्र के रूप में उपयोग करता है।

जब कई रूट जंक्शनों को आरेख में निर्दिष्ट किया जाता है, तो उन रूट जंक्शनों को पहले संकेंद्रित वृत्त के चारों ओर एक काल्पनिक केंद्र के साथ रखा जाता है।

23. स्कैटर प्लॉट चार्ट

एक स्कैटर प्लॉट (जिसे स्कैटर चार्ट, स्कैटर ग्राफ़ भी कहा जाता है) दो अलग-अलग संख्यात्मक चर के मानों का प्रतिनिधित्व करने के लिए डॉट्स का उपयोग करता है। क्षैतिज और ऊर्ध्वाधर अक्ष पर प्रत्येक बिंदु की स्थिति एक व्यक्तिगत डेटा बिंदु के लिए मान इंगित करती है। चर के बीच संबंधों का निरीक्षण करने के लिए स्कैटर प्लॉट का उपयोग किया जाता है।

Data Visualization

ऊपर दिया गया स्कैटर प्लॉट काल्पनिक पेड़ों के नमूने के व्यास और ऊंचाई को दर्शाता है। प्रत्येक बिंदु एक पेड़ का प्रतिनिधित्व करता है; प्रत्येक बिंदु की क्षैतिज स्थिति इंगित करती है कि पेड़ का व्यास (सेंटीमीटर में) और ऊर्ध्वाधर स्थिति उस पेड़ की ऊंचाई (मीटर में) इंगित करती है। प्लाट से, हम एक ट्री के व्यास और उसकी ऊंचाई के बीच आम तौर पर तंग सकारात्मक सहसंबंध देख सकते हैं। हम एक बाहरी बिंदु भी देख सकते हैं, एक ट्री जिसका व्यास दूसरों की तुलना में बहुत बड़ा है।

24. स्टैक्ड बार ग्राफ

एक स्टैक्ड बार ग्राफ़ (या स्टैक्ड बार चार्ट) एक चार्ट है जो डेटा की श्रेणियों के बीच तुलना दिखाने के लिए बार का उपयोग करता है, लेकिन एक पूरे के हिस्सों को तोड़ने और तुलना करने की क्षमता के साथ। चार्ट में प्रत्येक बार एक संपूर्ण का प्रतिनिधित्व करता है, और बार में खंड उस पूरे के विभिन्न भागों या श्रेणियों का प्रतिनिधित्व करते हैं।

Data Visualization

स्टैक्ड बार कुल की विशेषता का अच्छा काम करते हैं और यह भी संकेत देते हैं कि प्रत्येक श्रेणी के मूल्य के लिए कुल को भागों में कैसे विभाजित किया जाता है। बार या तो क्षैतिज या लंबवत हो सकते हैं।

25. स्ट्रीमग्राफ

एक स्ट्रीमग्राफ, या स्ट्रीम ग्राफ, एक प्रकार का स्टैक्ड एरिया ग्राफ होता है, जो एक केंद्रीय अक्ष के चारों ओर विस्थापित होता है, जिसके परिणामस्वरूप एक प्रवाहित, कार्बनिक आकार होता है। एक पारंपरिक स्टैक्ड एरिया ग्राफ़ के विपरीत, जिसमें परतें एक अक्ष के शीर्ष पर खड़ी होती हैं, एक स्ट्रीमग्राफ में, परतों को उनके “विगल” को कम करने के लिए तैनात किया जाता है। अधिक औपचारिक रूप से, परत के क्षेत्र द्वारा भारित प्रत्येक परत के वर्ग ढलानों के योग को कम करने के लिए परतों को विस्थापित किया जाता है। स्ट्रीमग्राफ केवल सकारात्मक मूल्यों के साथ डेटा प्रदर्शित करते हैं, और नकारात्मक और सकारात्मक दोनों मूल्यों का प्रतिनिधित्व करने में सक्षम नहीं हैं।

Data Visualization

स्ट्रीमग्राफ और उनके उपयोग को फिल्म बॉक्स ऑफिस राजस्व पर फरवरी 2008 में न्यूयॉर्क टाइम्स के एक लेख में अमांडा कॉक्स द्वारा लोकप्रिय बनाया गया था। कॉक्स को तत्कालीन स्नातक ली बायरन से यह विचार मिला, जिन्होंने अपने संगीत सुनने के इतिहास को देखने के लिए इसी तरह की विधि का इस्तेमाल किया था।

एक संबंधित ग्राफ, जिसे कभी-कभी स्ट्रीमग्राफ के साथ जोड़ा जाता है, थीमरिवर है, जिसमें ग्राफ़ के “सिल्हूट” को केंद्रीय अक्ष के चारों ओर सममित रूप से व्यवस्थित किया जाता है।

26. ट्रीमैप

ट्रीमैप पदानुक्रमित डेटा के लिए विज़ुअलाइज़ेशन हैं। वे संबंधित डेटा मान के आनुपातिक आकार के नेस्टेड आयतों की एक श्रृंखला से बने होते हैं। एक बड़ा आयत डेटा ट्री की एक शाखा का प्रतिनिधित्व करता है, और इसे छोटे आयतों में विभाजित किया जाता है जो उस शाखा के भीतर प्रत्येक नोड के आकार का प्रतिनिधित्व करते हैं।

Data Visualization

ट्रीमैप आमतौर पर डेटा डैशबोर्ड पर पाए जाते हैं। डिजाइनर अक्सर घने डैशबोर्ड पर दृश्य विविधता जोड़ना चुनते हैं। हालांकि, ट्रेमैप एक जटिल विज़ुअलाइज़ेशन है और त्वरित समझ के लिए कई बाधाएं प्रस्तुत करता है (जो कि डैशबोर्ड पर प्रदर्शित किसी भी जानकारी के लिए मुख्य आवश्यकता है)।

ट्रेमैप्स का उपयोग अक्सर बिक्री डेटा के लिए किया जाता है, क्योंकि वे डेटा श्रेणियों के सापेक्ष आकारों को कैप्चर करते हैं, जिससे प्रत्येक श्रेणी में बड़े योगदानकर्ताओं की वस्तुओं की त्वरित धारणा की अनुमति मिलती है। रंग उन वस्तुओं की पहचान कर सकता है जो समान श्रेणी के अपने भाई-बहनों की तुलना में कम प्रदर्शन कर रहे हैं (या अधिक प्रदर्शन कर रहे हैं)।

27. वॉटरफॉल चार्ट

वाटरफॉल चार्ट डेटा विज़ुअलाइज़ेशन का एक रूप है जो क्रमिक रूप से शुरू किए गए सकारात्मक या नकारात्मक मूल्यों के संचयी प्रभाव को समझने में मदद करता है। ये मध्यवर्ती मान या तो समय-आधारित या श्रेणी-आधारित हो सकते हैं। मध्य हवा में स्तंभों (ईंटों) के स्पष्ट निलंबन के कारण जलप्रपात चार्ट को फ्लाइंग ब्रिक्स चार्ट या मारियो चार्ट के रूप में भी जाना जाता है। अक्सर वित्त में, इसे पुल के रूप में संदर्भित किया जाएगा।

वाटरफॉल चार्ट को रणनीतिक परामर्श फर्म मैकिन्से एंड कंपनी द्वारा ग्राहकों के सामने अपनी प्रस्तुतियों में लोकप्रिय बनाया गया था।

Data Visualization

कई कुल स्तंभों और अक्ष को पार करने वाले मानों के साथ जलप्रपात चार्ट में जटिलता जोड़ी जा सकती है। वृद्धि और कमी जो पर्याप्त रूप से चरम हैं, संचयी कुल को विभिन्न बिंदुओं पर अक्ष के ऊपर और नीचे गिरने का कारण बन सकता है। इंटरमीडिएट सबटोटल, पूरे कॉलम के साथ दर्शाया गया है, फ़्लोटिंग कॉलम के बीच ग्राफ़ में जोड़ा जा सकता है।

28. वर्ड क्लाउड

वर्ड क्लाउड (जिसे टेक्स्ट क्लाउड या टैग क्लाउड के रूप में भी जाना जाता है) एक सरल तरीके से काम करते हैं: टेक्स्ट डेटा के स्रोत (जैसे भाषण, ब्लॉग पोस्ट या डेटाबेस) में एक विशिष्ट शब्द जितना अधिक दिखाई देता है, उतना ही बड़ा और बोल्ड होता है।

एक शब्द बादल विभिन्न आकारों में दर्शाए गए शब्दों का एक संग्रह, या समूह है। शब्द जितना बड़ा और बोल्ड दिखाई देता है, उतनी ही बार किसी दिए गए पाठ में इसका उल्लेख किया जाता है और यह उतना ही महत्वपूर्ण होता है।

Data Visualization

टैग क्लाउड या टेक्स्ट क्लाउड के रूप में भी जाना जाता है, ये ब्लॉग पोस्ट से डेटाबेस तक टेक्स्ट डेटा के सबसे प्रासंगिक हिस्सों को बाहर निकालने के आदर्श तरीके हैं। वे व्यावसायिक उपयोगकर्ताओं को दोनों के बीच शब्दों की समानता खोजने के लिए पाठ के दो अलग-अलग टुकड़ों की तुलना और तुलना करने में भी मदद कर सकते हैं।

शायद आप अपने महत्वपूर्ण एनालिटिक्स को चार्ट, ग्राफ़ और इन्फोग्राफिक्स में बदलने के लिए पहले से ही उन्नत डेटा विज़ुअलाइज़ेशन तकनीकों का लाभ उठा रहे हैं। यह एक उत्कृष्ट पहला कदम है, क्योंकि हमारा दिमाग किसी भी अन्य प्रारूप पर दृश्य जानकारी पसंद करता है।

{"email":"Email address invalid","url":"Website address invalid","required":"Required field missing"}
>