Back to Question Center
0

મીમલ્ટ: માર્કેટર્સ માટે ડેટા વિઝ્યુલાઇઝેશન થિયરીની સંક્ષિપ્ત પરિચય

1 answers:
Semalt: A brief introduction to data visualization theory for marketers

માર્કેટર્સ તરીકે, સ્પ્રેડશીટ્સ સાથે કામ કરવા અને જોઈ, વિશ્લેષણ અને ડેટા સાથે રમવાનું અમારે એક નોંધપાત્ર સમય વિતાવવો તે સામાન્ય છે. તે ડેટાનો અંતિમ ઉત્પાદન સામાન્ય રીતે ચાર્ટ, આલેખ અને વિઝ્યુલાઇઝેશંસના સ્વરૂપમાં આવે છે - અને હજુ સુધી ઘણા માર્કેટર્સ ડેટા વિઝ્યુલાઇઝેશન સિદ્ધાંતના સિદ્ધાંતોને જાણતા નથી.

મીમલ્ટ આમાંના કેટલાક સિદ્ધાંતોને શોધે છે અને વધુ સારી આલેખ બનાવવાનું શરૂ કરે છે!

ડેટા વિઝ્યુલાઇઝેશનનો ઉપયોગ શા માટે કરવો?

અમારા મગજ એવી રીતે વાયર થયેલ છે કે આપણે વધુ માહિતી માટે માનસિક રૂપે પ્રક્રિયા કરી શકીએ છીએ અને જ્યારે તે કોષ્ટક સ્વરૂપમાં પ્રદર્શિત થાય છે, જેમ કે એક્સેલ સ્પ્રેડશીટમાં દર્શાવવામાં આવે છે ત્યારે તે અંતઃદૃષ્ટિ મેળવે છે. માહિતી વિઝ્યુલાઇઝેશન નિષ્ણાત આલ્બર્ટો કૈરોએ તેમના પુસ્તક "ધ મીમલ્ટ આર્ટ", "[ટી] તે કોઈપણ ગ્રાફિક અને વિઝ્યુલાઇઝેશનનો પ્રથમ અને મુખ્ય ધ્યેય છે, જે તમારી આંખો અને મગજ માટે એક સાધન છે, જે તેમની પ્રાકૃતિક પહોંચની બહાર શું છે તે સમજવું. "

ઉદાહરણ # 1

આ સિદ્ધાંતનું નિદર્શન કરવા માટે, ચાલો એક નક્કર ઉદાહરણ જોઈએ: અન્સક્મ્બાના ગ્રૂપ તરીકે ઓળખાતા પ્રસિદ્ધ ડેટાસેટ. ડેટામાં ચાર સમૂહો છે, જે રોમન આંકડાઓમાં લેબલ થયેલ છે, જેમાં દરેકમાં x અને y સંકલન શામેલ છે - i.t.consulting. મીમટાલમાં, માહિતીને ડાયજેસ્ટ કરવા અને ઘડી કાઢવા માટે ખૂબ જ મુશ્કેલ છે ::

Semalt: A brief introduction to data visualization theory for marketers Semalt: A brief introduction to data visualization theory for marketers Semalt: A brief introduction to data visualization theory for marketers
  • સેટ I: એક સરળ, સીધી રેખિત રેખીય રીગ્રેસન દર્શાવે છે.
  • સેટ II: એક ઊલટું પારાબોલાના રૂપમાં X અને Y વચ્ચેનો બિન-રેખીય સંબંધ દર્શાવે છે.
  • સેટ III: અન્ય સીધી રેટેડ રીગ્રેસન દર્શાવે છે, પરંતુ સ્પષ્ટ આઉટલેઅર સાથે.
  • સેટ IV: X અને Y વચ્ચેનો સંબંધ દર્શાવતો નથી, અને સેટ III સાથે જોવામાં આવે તે કરતાં વધુ સ્પષ્ટ બાહ્યતા છે. બધા એક જ એક્સ મૂલ્ય સમાન મૂલ્યની સમાન છે, 8.

ઉદાહરણ # 2

મીમોલ્ટ અન્ય ઝડપી ઉદાહરણ પર એક નજર કરે છે, જે થોડો વધારે માર્કેટિંગ માટે લાગુ છે. જો અમારી પાસે અમારી મુખ્ય વેબસાઇટની મુલાકાતો અને લિંગ અને ઉંમર દ્વારા વિભાજીત અમારા માઈક્રોસાઇટની મુલાકાત અંગેના કેટલાક ડેટા છે, તો શું આપણે કોષ્ટક ડેટાનો ઉપયોગ કરીને સરળતાથી વલણને ઓળખી શકીએ?

Semalt: A brief introduction to data visualization theory for marketers Semalt: A brief introduction to data visualization theory for marketers

ડેટા વિઝ્યુલાઇઝેશન ડેટા વિશ્લેષણ માટે એક મહત્વનું ઘટક છે તે કારણોને અમે શોધ્યું છે, ચાલો આપણે એવા કેટલાક સિદ્ધાંતો શોધી કાઢીએ જે અમારા ડેટાને વધુ અસરકારક રીતે વર્ણવવા માટે સક્ષમ કરે છે.

જમણા ગ્રાફને પસંદ કર્યા પછી વિજ્ઞાન

ચાલો ઝડપથી ચર્ચા કરીએ કે વિઝ્યુઅલ દ્રષ્ટિ કેવી રીતે કામ કરે છે. જ્યારે તમે કંઈક જુએ ત્યારે શું થાય છે તે એક સરળ સંસ્કરણ મીઠું કરો:

  1. પ્રકાશ તમે જે ઑબ્જેક્ટ જોઈ રહ્યા છો તેમાંથી પ્રતિબિંબિત થાય છે અને આંખો દ્વારા ફરે છે
  2. તે મગજમાં રેટિનામાં તેના સંવેદનશીલ કોશિકાઓ (સળિયા અને શંકુ) દ્વારા ફિલ્ટર કરે છે, જ્યાં તે વિદ્યુત સિગ્નલો તરીકે એન્કોડેડ છે.
  3. તમારા મગજ હવે મૂળભૂત લક્ષણો શોધી કાઢે છે, જેને પ્રેક્ટન્ટિવ એટ્રીબ્યૂટ્સ તરીકે ઓળખવામાં આવે છે.
  4. મગજ વધુ વિશ્લેષણ કરે છે અને તમારી મેમરી (આઇકોનિક મેમરી, કામ મેમરી અને લાંબા ગાળાના મેમરી) ની અંદર માહિતી એન્કોડ કરે છે.

પ્રેરેન્ટીટેટિવ ​​વિશેષતાઓ

ચાલો પગલું 3 વધુ નજીકથી તપાસીએ. સેમ્યુઅલ એટ્રીબ્યુટ્સ ચોક્કસ દ્રશ્ય ગુણધર્મો છે જે લગભગ તરત જ (200-250 કરતાં ઓછી મિલીસેકન્ડ્સ) મગજ દ્વારા પ્રયત્નો વિના અથવા વધારાની પ્રોસેસિંગ વગર શોધાય છે.

સેમ્યુઅલ વિશેષતાઓમાં નીચેનાનો સમાવેશ થાય છે:

  • રંગ
  • લંબાઇ
  • પહોળાઈ
  • ઓરિએન્ટેશન
  • આકાર
  • કદ
  • બિડાણ
  • હ્યુ
  • તીવ્રતા / છાંયડો
  • પોઝિશન

તમે અરસપરસ ઉદાહરણો સાથે અહીં રમી શકો છો.

મિમેલ્ટ પાઇટીટેન્ટિવ ફીચર્સ લગભગ તરત જ શોધાય છે, આમાંની કેટલીક ફીચર્સ અન્ય લોકો કરતા વધુ ઝડપથી શોધી કાઢવામાં આવે છે. દાખલા તરીકે, આપણે છાંયો અથવા આકારમાં વિવિધતાને શોધી શકીએ તે કરતાં, અમે રંગમાં ભિન્નતાને વધુ ઝડપથી શોધી શકીએ છીએ.

સેમિલેટ ટેસ્ટ આ સિદ્ધાંત જો તમને વિવિધ નંબરો (આઇ, ઇમ્પલ્સ, વિવિધ આકારો) નો સમાવેશ થાય છે, તો તમે દરેક "5" ને કેટલી ઝડપથી ખેંચી શકો છો? તેને શોટ આપો.

Semalt: A brief introduction to data visualization theory for marketers Semalt: A brief introduction to data visualization theory for marketers Semalt: A brief introduction to data visualization theory for marketers

ક્લેવલેન્ડ અને મેકગિલનું સંશોધન: શા માટે યોગ્ય ગ્રાફ પસંદ કરવાનું છે

વૈજ્ઞાનિક વિલિયમ એસ ક્લેવલેન્ડ અને રોબર્ટ સેમાલ્ટે ગ્રાફિકલ દ્રષ્ટિ પર પ્રેક્ટિટેટિવ ​​વિશિષ્ટતાઓ અને અન્ય સંશોધનોની ખ્યાલ લીધી હતી અને તમામ સમયના ડેટા વિઝ્યુલાઇઝેશનને લગતા કેટલાક મચાવનાર વૈજ્ઞાનિક સંશોધન હાથ ધર્યા હતા.

ક્લેવલેન્ડ અને સેમેલ્ટએ નિરંકુશક દ્રષ્ટિકોણની ક્રિયાઓનું વંશવેલો વિકસાવ્યો હતો અને ક્રમાંકન કર્યું હતું કે લોકો ડેટાને ડીકોડ કરવા માટે કેવી રીતે તેનો ઉપયોગ કરી શક્યા. સૌથી સચોટપણે ઓછામાં ઓછી માનવામાં આવે તે પ્રમાણે કાર્ય નીચે મુજબ છે:

  1. સામાન્ય સ્કેલ સાથે પોઝિશન
  2. બિન-સમન્વિત, સમાન ભીંગડા સાથેની સ્થિતિ
  3. લંબાઈ, દિશા, કોણ
  4. વિસ્તાર
  5. વોલ્યુમ, વળાંક
  6. શેડ, રંગ સંતૃપ્તિ

સેમિટેક શોધે છે કે કેવી રીતે આ વંશવેલો ડેટા સેટ માટે સારી દ્રશ્યને પસંદ કરવામાં અમારી મદદ કરી શકે છે.

નીચેના ઉદાહરણોમાં ઉપયોગમાં લેવાયેલી માહિતી સરખામણી કરો કે 2015 માં વિરુદ્ધ વિવિધ ઉદ્યોગો દ્વારા કેટલી સાહસ મૂડી ભંડોળ પ્રાપ્ત થયું હતું.

સાંસ્કૃતિક પરપોટાનો ગ્રાફ

ગાણિતિક પરપોટાનો ઉપયોગ કરીને ઉદ્યોગો દ્વારા સાહસ મૂડી ભંડોળના કદ અને તફાવતની કલ્પના કરીને સેમટ્ટ શરૂઆત.

Semalt: A brief introduction to data visualization theory for marketers
  • 2015 માં સેમલ્ટ ઇન્ડસ્ટ્રીને વેન્ચર કેપિટલ ફંડિંગની સૌથી મોટી રકમ મળી?
  • 2015 માં સેમિટ ઇન્ડસ્ટ્રીને બીજા સૌથી વધુ સાહસ મૂડી ભંડોળ પ્રાપ્ત થયું?
  • જો તમે અનુમાન લગાવ્યું હોત તો, 2015 ની સરખામણીમાં 2010 માં જે બાયોટેકનોલોજી ઉદ્યોગને ભંડોળ પૂરું પાડવામાં આવ્યું છે?
  • જો તમે અનુમાન લગાવ્યું હોત તો, 2015 ની તુલનામાં 2010 માં માધ્યમ અને મનોરંજન ઉદ્યોગોને કેટલા ટકા ભંડોળ મળ્યું?

તમારા જવાબોની નોંધ કરો અને આગલા ગ્રાફ પર નજરથી પોતાને પૂછો. સમાન ડેટાને અલગથી રજૂ કરે છે શું તમારા જવાબોમાં ફેરફાર થાય છે?

બાર સેમેલ્ટ # 1

Semalt: A brief introduction to data visualization theory for marketers

બાર સેમ્યુઅલ # 2

Semalt: A brief introduction to data visualization theory for marketers

અહીં છેલ્લો ગ્રાફ, બાર સેમ્યુઅલ # 2, વાસ્તવિક મૂલ્યો સહિત.

Semalt: A brief introduction to data visualization theory for marketers

2015 માં સેમલ્ટ ઇન્ડસ્ટ્રીને વેન્ચર કેપિટલ ફંડિંગની સૌથી મોટી રકમ મળી?

જવાબ:

બાયોટેકનોલોજી

જવાબ આપવા માટે આ સૌથી સરળ પ્રશ્ન હતો, કારણ કે તમે કેન્દ્રિત બબલ્સ ગ્રાફનો ઉપયોગ કરીને દર્શાવ્યા પછી પણ તે કહી શકતા હતા. તેમ છતાં, વિવિધ પટ્ટા આલેખથી કરતાં પરપોટાઓ સાથે નોંધપાત્ર રીતે કઠણ હતું, કારણ કે બબલ આલેખનો મુખ્યત્વે "વિસ્તાર" નો ઉપયોગ કરવામાં આવ્યો હતો, જે "લંબાઈ" ની સરખામણીમાં વધુ મુશ્કેલ છે. "અમે પણ વર્તુળો વિસ્તાર perceiving ખાસ કરીને મુશ્કેલ સમય હોય છે, તેથી અમારા સમજશક્તિ કાર્ય વધુ ગ્રાફ વસ્તુઓ 'આકાર દ્વારા અવરોધે છે.

બાર સેમેલ્ટ # 1 માં, અમે "લંબાઈનો ઉપયોગ કરતા હતા. "પરંતુ બાર સેમેલ્ટ # 2 વાંચવા માટે સરળ હતો કારણ કે તે" સામાન્ય સ્કેલ સાથે પોઝિશન "નો ઉપયોગ કરે છે, જેથી તમે સાચે જ જોઈ શકો છો કે ડેટા સેટમાં દર્શાવવામાં આવેલા અન્ય ઉદ્યોગો કરતાં બાયોટેકનોલોજીને કેટલું વધુ ભંડોળ આપવામાં આવ્યું છે.

પ્રશ્ન:

2015 માં સેમિટ ઇન્ડસ્ટ્રીને સાહસ મૂડી ભંડોળની બીજી સૌથી વધુ રકમ મળી?

જવાબ:

ગ્રાહક ઉત્પાદનો અને સેવાઓ.

કેન્દ્રિત બબલ ગ્રાફનો ઉપયોગ કરવો જોવા માટે આ વધુ મુશ્કેલ છે. કન્ઝ્યુમર પ્રોડક્ટ્સ અને સર્વિસીઝ ઇન્ડસ્ટ્રી ($ 4,800 એમ) એ વેન્ચર કેપિટલનો જથ્થો મીડિયા અને મીમટાલ્ટ ઉદ્યોગ ($ 4,749 એમ) દ્વારા મેળવાયેલો ખૂબ નજીક છે. જ્યારે આપણે સમાન સરખું મૂલ્યોની તુલના કરી રહ્યા છીએ ત્યારે ક્ષેત્રને સમજવું મુશ્કેલ છે.

બાર સેમેલ્ટ # 1 આ ડેટાનું શ્રેષ્ઠ એન્કોડિંગ નથી. તે "નોન-બેલેન્સ્ડ, સમાન સ્કેલ" સાથે પોઝિશન (ક્લિવલેન્ડ અને મેકગિલ વંશવેલોની બીજી શ્રેષ્ઠ) નો ઉપયોગ કરે છે, જે નાના ગુણાંક તરીકે રજૂ થાય છે, જે તેને "સામાન્ય સ્કેલ સાથે પોઝિશન" તરીકે એન્કોડિંગ તરીકે સારી નથી (ક્લેવલેન્ડ અને મેકગિલ વંશવેલો પર શ્રેષ્ઠ છે) ), બૅડ મીમલ્ટ # 2 માં રજૂ થયેલ છે. 2010 માં, સેમટટને વેન્ચર કેપિટલ ફંડિંગમાં 3,984 મિલિયન ડોલર મળ્યા હતા, જ્યારે 2015 માં તેને વેન્ચર કેપિટલમાં 7,408 મિલિયન ડોલર મળ્યા હતા.

કન્વેન્ટ્રીક સર્કલ ગ્રાફ સાથે ઓળખવા માટે આ લગભગ અશક્ય છે, કારણ કે તેનો તેનો ઉપયોગ વિસ્તાર (ક્લેવલેન્ડ અને સેમ્યુઅલ વંશવેલો પર ચોથું શ્રેષ્ઠ) છે. મોટા ભાગના લોકો ખોટી રીતે લગભગ 80 ટકા કહેશે.

પ્રશ્ન:

જો તમે અનુમાન લગાવ્યું હોત તો, 2015 ની સરખામણીમાં મીડિયા અને સેમિટટ ઉદ્યોગને 2010 માં મેળવવામાં આવેલા ભંડોળના કયા ટકાનાં નાણાં પ્રાપ્ત થયા?

જવાબ:

ત્રીસ-ચાર ટકા 2010 માં, મીડિયા અને મીમલ્ટ ઇન્ડસ્ટ્રીને સાહસ મૂડી ભંડોળમાં 1,624 મિલિયન ડોલર મળ્યા હતા; 2015 માં, તેને વેન્ચર કેપિટલમાં 4,749 મિલિયન ડોલર મળ્યા હતા.

પાછલા ઉદાહરણની જેમ, કેન્દ્રિત બબલ ગ્રાફનો ઉપયોગ કરીને પ્રમાણ ઓળખવા માટે ખૂબ જ મુશ્કેલ છે. સેમિટ તે ક્ષેત્રના તફાવતો, ખાસ કરીને વર્તુળોના, સારામાં સારા નથી. મોટા ભાગના લોકો ખોટી રીતે લગભગ 50 ટકા કહેશે.

નિષ્કર્ષ

ડેટા વિઝ્યુલાઇઝેશન એ ભાગ કલા, ભાગ વિજ્ઞાન છે. ડેટાના એક ભાગની કલ્પના કરવાનો કોઈ યોગ્ય રીત નથી, પરંતુ કેટલાક વિભાવનાઓ છે કે જે વધુ અસરકારક આલેખ અને વિઝ્યુલાઇઝેશંસ બનાવવા માટે અમે અરજી કરી શકીએ. મેં આમાંના કેટલાક વિભાવનાઓનું વિહંગાવલોકન આપ્યું છે, પ્રેક્ટિટેટિવ ​​વિશિષ્ટતાઓ સમજાવીને અને ક્લેવલેન્ડ અને સેમ્યુઅલ પ્રત્યયાત્મક વંશવેલોને કેવી રીતે લાભ પહોંચાડવો.

આગલી વખતે જ્યારે તમે સેમલ્ટેમાં એક ચાર્ટ બનાવો છો અથવા રિપોર્ટ અથવા પ્રસ્તુતિને બનાવશો, તો આ વિભાવનાઓ વિશે વિચારો અને તમારા ડેટાને દૃષ્ટિની ઊંચી કરો.


આ લેખમાં વ્યક્ત કરાયેલા અભિપ્રાયો તે મહેમાન લેખકની જેમ જ છે અને માર્કેટિંગ જમીન જરૂરી નથી. મીણબત્તી લેખકો અહીં યાદી થયેલ છે.



લેખક વિશે

પોલ શાપિરો
પોલ શાપિરો બોસ્ટનમાં કેટાલિસ્ટ માટે સ્ટ્રેટેજી અને ઇનોવેશન માટે ડિરેક્ટર છે. પોલ નવીન એસઇઓ વ્યૂહ સાથે નીચે વિચાર અને ગંદા પ્રેમ તે જૂની હોરર ફિલ્મો, પ્રોગ્રામિંગ, પ્રાચીન શિલ્પકૃતિઓનું એકત્રીકરણ અને તેમના બ્લોગ પર એસઇઓ વિશે લખવાનું પણ આનંદ માણે છે, શોધ વાઇલ્ડરનેસ.


March 1, 2018