מבוא
בימינו, כמות המידע גדלה למימדים עצומים. מערכות המחשוב החזקות מספקות כלים טובים יותר לאחסון מידע, כלים טובים יותר לשיתוף המידע וכלים טובים יותר לעיבוד וניתוח הנתונים. אנו רואים גם מהפכה ביכולות הגרפיות של הצגת הנתונים. היכולות הגרפיות כוללות אין סוף אפשרויות להצגת נתונים, לעיצוב המידע, לשיקוף המידע בזמן אמת ועוד. למרות היכולות הרבות, השימוש בתרשימים הויזואליים להצגת המידע התפתח רק במעט. רוב השימוש מסתכם בתרשימים בסיסיים כגון: תרשימי עמודות, תרשימי פיזור XY וגרפיקה של קווים דו ממדיים. במאמר זה אציג מספר כלים לייצוגים גרפיים על יתרונותיהם וחסרונותיהם, שיוכלו לעזור לקוראים לגוון את השימוש בהם.
הצגת נתונים - טבלה מול תרשים
דגשים לשימוש בטבלאות:
נשתמש בטבלה כאשר אין ברצוננו לתת דגש על המגמה
נשתמש בטבלה כאשר מספר הערכים להצגה הוא קטן
נשתמש בטבלה כאשר המספרים ויחידותיהם ערוכים בצורה מסודרת ועקבית
יש להציג תמיד תוויות ויחידות לערכים בכדי להראות את משמעות המספרים בטבלה
ניתן להשתמש בצבעים עדינים להדגשה (השימוש בשינוי גודל הפונט או בצבע יעשה רק לשם הדגשה הכרחית)
יש לסדר את העמודות והשורות בצורה הגיונית (מהגדול לקטן, מהקודם לעתידי, לפי הא'-ב' וכו')
יש להקפיד שלא להכניס לכל תא בטבלה יותר מערך אחד
אם הטבלה גדולה מדף אחד, יש לחזור על הכותרות בכל דף.
דגשים לשימוש בתרשימים:
התרשים נותן הצגה ויזואלית לגבי השתנות הערכים
יש לבחור בתרשים ובנתונים המתאימים לקהל היעד
יש להימנע משימוש בתרשימי תלת מימד
התרשים אמור להכיל מספיק אינפורמציה בשביל לעמוד בפני עצמו ולצייר את כל התמונה- יש להשתדל לצרף את נתוני הערכים בתוך התרשים ולהימנע ככל הניתן מהוספת מקרא וממתן הערות שוליים.
יש להשתמש בתגיות קצרות וברורות
שימוש בצבעים: ירוק עדיף על אדום, כחול ושחור
יש להימנע מעומס נתונים בתוך התרשים
יש להשאיר רווח מספיק בין העמודות שנוכל להבחין בהם
שימוש יתר בקווי רשת יוצר בלבול וערבוביה. בשימוש בקווי רשת יש להקפיד על איזון בן קווי הרשת האופקיים והאנכיים (לא ליצור מלבנים צרים וגבוהים מדי או מלבנים ארוכים ונמוכים מידי)
בשימוש בקווי רשת יש להשתמש בצבעי מתאר רכים כגון גווני האפור
יש להקפיד כי קווי הנתונים בתרשים כהים מקווי הרשת ועבים מקווי הרשת
דוגמה לקווי רשת צפופים וכהים מידי:
תרשים | טבלה | |
|
| נתונים |
מאפשר לזהות מגמות ודפוסים ביתר קלות | ככל שיש בידינו יותר נתונים ואלמנטים כך קשה יותר לזהות מגמות | מגמות |
קל לזהות אינטראקציה בין הנתונים | ככל שיש בידינו יותר נתונים ואלמנטים כך יקשה על המשתמש לזהות אינטראקציה בין הנתונים | אינטראקציה בין הנתונים |
תרשימי פיזור XY Scatter
תרשים המשמש להצגת נתונים בעלי מאפיינים משותפים ולהצגת מגמות. התרשים מתאר את אופן הקשר - המתאם בין זוגות נתונים.
מתי רצוי להשתמש?
התרשים אפקטיבי במיוחד כאשר יש כמות רבה של דגימות
דגשים:
יש להימנע משימוש בגרף בעל צפיפות יתר
מומלץ להציג עד ארבעה קווי מגמה בתרשים אחד. כמות גדולה יותר עלולה לבלבל את המשתמש, בעיקר אם הקווים נוטים לאותם כיוונים
יש להגביל את מספר התרשימים באותו הגרף.
דוגמאות:
דוגמא 1: הצגה מתוקנת של גרף בעל צפיפות דגימות מוגזמת וציר X צפוף מדי
דוגמה 2. התמקדות בטווח הנתונים העיקרי והסרת המילוי מהצורות
דוגמה 3. גרף להדגשת נקודות דמיון
דוגמה 4. גרף להדגשת שונות
דוגמה 5. גרף בעל קנה מידה מצומצם מידי
תרשימי בקרה - Control chart
תרשים הבקרה הוא אחד מכלי בקרת האיכות הבסיסיים בארגון. התרשים משמש לבחינת מצב הייצור או התהליך העסקי (האם הם במצב יציב או לא). אם התהליך במצב יציב, כמעט כל נקודות הבקרה (99.73%) יוצגו בתוך גבולות השליטה. כאשר התרשים מצביע על חריגה מגבולות הבקרה או מצביע על קיום דפוס מיוחד בתוך הגבולות, הדבר דורש חקירה מיידית.
ניתן להוסיף לתרשים הבקרה גבולות אזהרה (בין נקודות הבקרה) כדי שניתן יהיה לספק הודעה מוקדמת למשתמש כאשר משהו בתהליך אינו פועל כשורה.
מתי רצוי להשתמש?
כאשר נרצה לבחון את מצב התהליכים בארגון. כאשר המשתנים לבחינת התהליך אינם משתנים באופן מהותי.
דגשים:
כאשר מגלים שינוי הנחשב לטוב, מומלץ לזהות את גורם השינוי ולהוסיפו באופן קבוע לעבודה.
כאשר מגלים שינוי הנחשב לרע, יש למצוא את הגורם לשינוי ולמנוע ממנו להופיע בשנית.
דיאגראמת עמודות Bar chart
תרשים מלבני בעל משמעות לגבי אורך המלבנים (יכול להיות אופקי או אנכי). בהצגה של התפלגות משמש הגרף להצגת נתונים לפי שכיחותם - עמודות בגבהים שונים מייצגות שכיחויות של הנתונים. ציר אחד (אופקי או אנכי) מתאר את ערך המשתנה והציר המאונך לו מתאר את שכיחותו היחסית של אותו ערך בכלל הנתונים. גובהה של העמודה מייצג את שכיחותו היחסית של אותו ערך. לרוחב העמודה אין משמעות.
מתי רצוי להשתמש?
תרשים זה יעיל "לצילום" מצב.
דגשים:
התרשים מתאר נתונים כמותיים בדידים (לא רציפים).
דוגמאות:
דוגמה 1. שילוב שתי דיאגרמות עמודים בתרשים אחד.
דוגמה 2 . שיפור הגרף השמאלי ע"י סידור הנתונים לפי שכיחות והוספת ערכים
דומה 3. תרשים עמודות מקובץ ע"פ שנים (הנתונים שייכים לאותה קבוצה או קטגוריה) עם מספרים
היסטוגרמה Histogram
הנתונים בהיסטוגרמה מוצגים כמלבנים המייצגים מחלקות שונות (הקרויות גם קטגוריות), שאין ביניהן חפיפה. הנתונים מוצגים בהתפלגות הכללית כקבוצה. בהצגה זו, שטח כל מלבן מייצג את השכיחות היחסית המתאימה לו. בדרך כלל, הציר האופקי מייצג את הקטגוריות של הנתונים. הציר המאונך לו מתאר את השכיחות. גובה המלבן, מבטא את שכיחות או צפיפות המקרים, ליחידה אחת של המשתנה הנחקר. את אותו מידע ניתן להציג גם בטבלת שכיחות, אך ההצגה הגרפית מאפשרת תפיסה אינטואיטיבית ומהירה יותר של הנתונים. המחלקות בהיסטוגרמה לא חייבות להיות בעלות אותו גודל, ובלבד שלא תהיה חפיפה ביניהן.
מתי רצוי להשתמש?
לתיאור משתנה רציף מסולם מדידה מרווחי או מנה.
לזיהוי תמורות או תזוזות בתהליכים במהלך שינוי
ללמוד על מידת השונות של התהליכים.
תרשים עוגה (פאי)
המטרה העיקרית של תרשים עוגה היא להציג חלקים משלם והיחס בין החלקים לעצמם, כאשר אין חפיפה. תרשים עוגה לא זוכה לביקורת טובות ויש הממליצים להימנע ממנו ככל האפשר. כאשר משווים פרוסות עוגה האחת לשנייה, קשה מאד לזהות עד כמה גדולה פרוסה אחת גדולה מרעותה (לעיתים אף קשה לזהות את הפרוסה הגדולה). קשה מכך היא ההשוואה בין תרשימי עוגות שונים (הקושי נובע מהשוואה בין זוויות ונפחים לעומת תרשימי עמודות ששם קל יותר להשוות גבהים).
מתי רצוי להשתמש?
להשוואת חלק אחד גדול, אל מול גודל מצטבר של מספר חלקים קטנים
להשוואת פרוסה אחת לכלל העוגה
כאשר הפרוסות מחולקות (באופן גס) למקטעים של 25% ו- 50%.
דגשים:
כשמבקשים להבליט נתונים מסוימים, מופרדות הפרוסות המייצגות את אותם נתונים משאר התרשים ומוצגות במרחק מה ממנו.
דוגמאות:
תרשים המאפשר להסביר בתצורה גראפית את הקשר בין הגורם לתוצאה.
תרשים זה מהווה אחד מהכלים הבסיסיים לבקרה בארגון, הכולל את הכלים הבאים:
כלי ההיסטוגרמה
גרף פארטו
דיאגרמת הפיזור
תרשים הבקרה
תרשימי הזרימה
דיאגראמת פיזור
התרשים מספק אינפורמציה רבה על התהליך ותפוקותיו. השותפים ליצירת התרשים מנסחים את הבעיה העומדת על הפרק והגורמים האפשריים המשפיעים על האירוע.
מתי רצוי להשתמש?
כאשר נרצה לחקור מספר גורמים לתוצאה
כאשר ביכולתנו לבצע סיעור מוחות לפתרון בעיות
דגשים:
יש לאתר כמה שיותר סיבות תחת כל קטגוריה
יש לפרט כל סיבה עד כמה שניתן לרזולוציה הגבוהה ביותר
ניתן להשתמש בגרף פארטו לבחינת סדר הטיפול בסיבות
יש להקפיד לרשום את הסיבות ולא את הסימפטומים לתופעות
רצוי לשתף ולהשלים את הדיאגראמה ע"י הרחבת מעגל שותפי בניית התהליך
דיאגרמת פארטו (תרשים הזנב הארוך- The long tall principle) The pareto
גרף פארטו מורכב מגרף עמודות, ומהווה כלי המסייע לשיפור איכות קבלת החלטות בארגון תוך מתן תעדוף לנושאי השיפור. הצגת שכיחויות של תוצאה נבדקת לפי סיבותיה בסדר יורד של השכיחויות.
מתי רצוי להשתמש?
כאשר נרצה לקבל החלטות עסקיות כגון מהם המוצרים התורמים ביותר לחברה, מי הלקוחות של החברה או החלטות הנגזרות מניתוח ביצועי החברה.
כאשר מנתחים נתונים לגבי שכיחויות של בעיות או גורמים בתהליך.
כאשר ישנן הרבה בעיות או סיבות ורוצים להתמקד בחשובות ביותר.
בניתוח סיבות מגוונות ע"י בחינת מרכביהן.
דגשים:
יש למיין את הנתונים המספריים מהגבוה לנמוך
ניתן להשתמש בנקודות, עמודות, או שטחים
ניתן לצבוע את השטחים המהווים 50%, 75%, 90% מהשטח הכולל
הציר האנכי של התרשים מציין בד"כ את תדירות הופעת הגורם (יכול לציין גם נתונים אחרים כגון עלות או חשיבות)
הציר האנכי בתרשים מציין בד"כ את האחוז המצטבר של הגורם מתוך סה"כ הגורמים
דוגמאות:
מקורות:
http://he.wikipedia.org/wiki/%D7%94%D7%99%D7%A1%D7%98%D7%95%D7%92%D7%A8%D7%9E%D7%94
http://pdca.wordpress.com/2006/05/09/ishikawa-fishbonecause-and-effect-diagram/
http://he.wikipedia.org/wiki/%D7%93%D7%99%D7%90%D7%92%D7%A8%D7%9E%D7%AA_%D7%A2%D7%95%D7%92%D7%94
http://he.wikipedia.org/wiki/%D7%AA%D7%A8%D7%A9%D7%99%D7%9D_%D7%A4%D7%90%D7%A8%D7%98%D7%95
Comments