8 Contoh Visualisasi Data: Mengubah Data menjadi Visual yang Menarik

Menurut Dell, data adalah minyak mentah baru masyarakat modern. Itu ditambang, diproses, dan berharga—ketika Anda tahu apa yang harus dilakukan dengannya.

Visualisasi data mengubah data mentah menjadi bagan, grafik, dan peta yang dapat diakses untuk membantu Anda membagikannya, belajar darinya, dan membuat keputusan berdasarkan data. Tetapi kampanye pengubah permainan hanya mungkin dilakukan jika visual menyajikan informasi dengan cara yang benar. Lakukan kesalahan, dan pesannya hilang.

Dalam artikel ini, Anda akan melihat delapan contoh visualisasi data terbaik untuk menginspirasi upaya pemasaran internal dan eksternal Anda.

Anda akan belajar kapan menggunakannya, apa yang harus dihindari agar tidak membingungkan atau membingungkan audiens Anda, dan lima tip untuk membuat visualisasi ini sendiri.

4 contoh visualisasi data untuk melibatkan pelanggan dan pemegang saham

Anda tidak akan menghentikan siapa pun untuk menggulir melewati bagan garis standar atau bagan batang dua nada yang sepertinya dibuat dengan tergesa-gesa.

Ini tidak akan meningkatkan keterlibatan, apa pun temuan Anda:

Grafik ini sudah usang, membosankan, dan, dalam kasus terburuk, luar biasa. Banyak visualisasi data yang bermaksud baik mengambil terlalu banyak pekerjaan untuk mengetahui apa yang Anda lihat, dan akhirnya gagal.

Pelanggan, pengikut, pemegang saham, dan mitra Anda ingin terkesan.

Dengan alat yang tepat, Anda dapat memaku keterlibatan pelanggan dengan visualisasi data yang sangat visual dan dapat dibagikan. Dalam survei pemasar tahun 2021, Venngage melaporkan bahwa visual data termasuk di antara konten visual dengan performa terbaik (bersama dengan konten grafik dan video asli).

Mari jelajahi empat visualisasi data yang memikat audiens (yang bukan spreadsheet atau diagram lingkaran) dan mengapa itu berfungsi.

1. Grafik radial umur rata-rata penduduk

Ini bisa menjadi diagram batang standar.

Namun, Visual Capitalist memilih untuk meningkatkan visualisasi datanya dan menampilkan temuannya dalam histogram radial yang dirancang dengan baik.

Grafik ini akan sangat panjang seperti grafik batang pada umumnya. Akan sulit untuk menampilkan dan memahami hubungan pada presentasi slide besar, apalagi di layar yang lebih kecil.

Bentuk cincin juga memudahkan untuk mendapatkan pemahaman dasar secara sekilas: usia rata-rata Eropa adalah yang tertinggi, sedangkan usia rata-rata Afrika adalah yang terendah.

Dari sana, Anda dapat memperbesar untuk mendapatkan angka yang tepat, dan tiga keterangan singkat menambahkan informasi penting.

Visual data serupa untuk menampilkan perbandingan berbobot termasuk diagram sunburst , bagan gelembung , peta panas , dan piktogram .

Praktik terbaik untuk menggunakan histogram radial:

• Jika Anda menyertakan banyak data, seperti contoh ini, gunakan desain resolusi tinggi atau interaktif. Jauh lebih mudah melihat informasi di layar yang lebih kecil dengan cara ini.
• Hindari penggunaan bagan batang bertumpuk dalam histogram radial karena mendistorsi proporsi yang akan Anda lihat (kita akan membahas bagan batang bertumpuk nanti).
• Mulai asal Anda dari nol; jangan potong itu. Misalnya, mulai dari usia 18 tahun pada grafik di atas akan membuat beberapa negara Afrika tidak memiliki usia rata-rata sama sekali.

2. Diagram akord perpindahan merek telepon

Contoh oleh desainer visualisasi data Nadieh Bremer ini adalah diagram akord yang mewakili aliran atau hubungan antara subjek dan memberi bobot pada hubungan itu.

Diagram ini menunjukkan hubungan antara penyedia layanan ponsel berdasarkan data survei Deloitte. Ini menjawab pertanyaan: ketika pengguna meninggalkan penyedia, ke mana mereka pergi?

Dalam contoh visualisasi data ini, Anda dapat melihat merek mana yang memiliki basis loyal yang besar (perbukitan mandiri) dan di mana mereka cenderung kehilangan pelanggan (akord).

Ini juga interaktif:

Saat mengarahkan kursor ke merek tertentu, akor lainnya berwarna abu-abu dan pemirsa dapat fokus pada alur dari satu merek. Di sini, kita dapat melihat dengan jelas bahwa Samsung memiliki basis yang sangat loyal yaitu sekitar 18% dari responden yang disurvei. Ketika kehilangan pelanggan, sebagian besar kehilangan mereka karena Nokia.

Hal hebat lainnya tentang visualisasi data ini adalah empat poin data yang dijelaskan dalam teks yang tidak mengganggu, seperti ini:

Karena semua akor di busur Apple memiliki warna Apple (abu-abu), Apple mengambil lebih banyak klien dari semua merek lain daripada kehilangannya.

Menambahkan keterangan seperti ini membantu menarik perhatian pada temuan utama sekaligus menjelaskan cara membaca grafik.

Visual data serupa yang menunjukkan aliran dan hubungan antara lain diagram aluvial , sosiogram , dan diagram busur .

Praktik terbaik untuk menggunakan diagram akor:

• Cobalah untuk menghindari terlalu banyak persilangan akord, terutama jika Anda melupakan interaktivitas. Ini bisa membuat segalanya menjadi terlalu rumit, menyebabkan kewalahan daripada intrik.
• Sertakan koneksi yang signifikan dan tinggalkan string yang tidak memberikan wawasan apa pun.
• Pilih palet warna Anda dengan hati-hati. Anda ingin akord mudah dilihat tetapi tetap harmonis.
• Beri label pada diagram Anda dengan beberapa detail penting untuk membantu pengguna memahami hubungan tersebut.

3. Hasil survei dalam bagan bergambar

Bagan bergambar yang mewakili bagian dari keseluruhan sangat mudah didekati. Dilakukan dengan baik, mereka menghentikan pemirsa di jalurnya untuk mempelajari lebih lanjut tentang apa yang terjadi.

Contoh dari klub kreatif Spanyol ini adalah bagan pecahan bergambar yang mewakili data survei mereka. Ini jauh lebih menarik daripada bagan pai, dengan acar menarik perhatian dan menciptakan intrik, dan pemirsa masih dapat mengumpulkan keseluruhan pesan dengan cepat.

Ini adalah contoh visualisasi data yang bagus untuk menampilkan hasil survei dan temuan studi. Desain melakukan banyak pekerjaan berat untuk menarik perhatian, tetapi data itu sendiri akan bertanggung jawab untuk menyimpannya di sana.

Visual data serupa yang dapat mewakili bagian dari keseluruhan termasuk bagan bertumpuk bergambar , bagan satuan , dan bagan wafel .

Praktik terbaik untuk menggunakan bagan bergambar:

• Tunjukkan segmen Anda seakurat mungkin. Meskipun tim menggunakan acar dalam contoh di atas, segmen tersebut tampak kurang lebih akurat.
• Jangan mengorbankan kebersihan data untuk desain. Tujuannya adalah untuk menyampaikan pesan data Anda, bukan membuatnya berbelit-belit. Pertahankan desain Anda tetap segar dan sederhana.

4. Infografis garis waktu pandemi

Bagian garis waktu, grafik urutan ukuran bagian, visual data ini mengemas banyak informasi dalam satu pukulan. Infografis adalah alat bantu visual yang dapat menyampaikan pesan kompleks atau kumpulan data besar yang sulit dipahami dengan menggabungkan visual data.

Infografis ini menangani tingkat kematian global penyakit menular dari waktu ke waktu. Itu berarti memiliki variabel waktu dan perbandingan volume.

Visual Capitalist memilih untuk menampilkan dua cara ini: pertama, dalam garis waktu untuk melihat di mana penyakit terjadi sepanjang sejarah, dan kemudian dalam urutan ukuran (seperti bagan area proporsional ) untuk melihat penyakit mana yang paling parah.

Yang penting, tim memasukkan informasi penting, seperti sifat pandemi Covid-19 yang sedang berlangsung dan bukti penyakit kuno yang muncul.

Elemen-elemen ini membantu pemirsa memahami data yang kompleks dan konteks tambahan membantu mereka menempatkan informasi tersebut ke dalam perspektif.

Infografis banyak digunakan, dan untuk alasan yang bagus. Justin Beegel, CEO Dunia Infografis, mengungkapkan:

Mengingat betapa dramatisnya lanskap digital dan sosial telah berubah dalam beberapa tahun terakhir, kami ingin melakukan studi tentang keadaan infografis. Apa yang kami temukan adalah bahwa penceritaan visual membantu bisnis, pemasar, dan profesional komunikasi menjangkau audiens target mereka dengan cara yang lebih bermakna daripada hampir semua jenis media lainnya.

Infografis adalah cara ideal untuk memasukkan cerita ke dalam pemasaran Anda. Ini memungkinkan Anda untuk memberikan lebih banyak konteks daripada kebanyakan bagan dan grafik saja.

Visual data serupa untuk menampilkan tren dari waktu ke waktu mencakup bagan arus dan garis waktu gelembung . Untuk menampilkan perbandingan, visual serupa menyertakan bagan gelembung dan bagan garis radial .

Praktik terbaik untuk menggunakan infografis :

• Seperti kebanyakan visualisasi data, mungkin saja menjejalkan terlalu banyak informasi ke dalam satu elemen desain. Perhatikan keterbacaan dan kejelasan.
• Pertahankan palet warna yang kohesif sehingga semua elemen masuk akal bersama. Grafik ini memiliki banyak komponen tetapi warnanya bekerja sama tanpa berlebihan.
• Pertahankan konsistensi desain untuk elemen yang sama. Pada contoh di atas, cacar berwarna jingga di timeline dan jingga di bagian perbandingan.

4 contoh visualisasi data untuk mengesankan tim internal

Menyajikan data ke tim internal cenderung kurang dinamis secara visual dibandingkan contoh di atas. Namun jika Anda ingin mendorong pengambilan keputusan, visualisasi data internal tetap harus dapat dicerna.

Apa yang masuk akal dalam spreadsheet untuk tim Anda mungkin terlihat tidak masuk akal bagi yang lain. Visualisasi data dapat membantu membuat informasi tersebut dapat diakses oleh semua orang.

Lihat dasbor Anda untuk inspirasi visualisasi data. Banyak yang dapat mengekspor modul individual untuk digunakan dalam tayangan slide, email, selebaran, dll. Grafik yang dibuat secara otomatis ini dapat membantu Anda melampaui spreadsheet Excel dan bagan PowerPoint yang bertanggal sehingga Anda dapat menyampaikan maksud Anda dan mendorong perubahan.

Berikut adalah empat contoh bagus visualisasi data untuk tim internal.

1. Bagan garis sederhana

Menurut penelitian Databox, diagram garis adalah format yang paling umum digunakan untuk visualisasi data. Bagan garis membantu pengguna memahami dan mengomunikasikan kinerja dari waktu ke waktu, menjadikannya cara yang baik untuk menampilkan tren dalam kumpulan data besar.

Karena ini adalah salah satu grafik paling populer di luar sana, sebagian besar platform analitik data dapat menampilkan semacam bagan garis. Hari-hari ini, Anda dapat melampaui satu baris naik dan turun.

Misalnya, dasbor Google Ads dari Perceptive Analytics menggabungkan berbagai metode visualisasi data untuk memberikan tampilan performa 360 derajat. Khususnya, ini mencakup bagan garis interaktif multi-variabel:

Dalam contoh ini, kenaikan tajam yang diikuti dengan penurunan langsung dalam biaya per konversi menyoroti titik penyelidikan lebih lanjut yang tidak akan langsung terlontar jika data disajikan sebagai angka dalam spreadsheet.

Kemampuan untuk memilih KPI membuat titik data yang dipilih menjadi fokus. Ini mencegah beberapa baris dalam satu bagan menyebabkan kebingungan, membuatnya lebih mudah untuk menganalisis dan memahami satu hal pada satu waktu.

Inilah tampilannya saat bagan garis diformat dengan tidak benar dan Anda tidak dapat berfokus pada titik data tertentu:

Setiap baris di bawah dua yang pertama bercampur aduk dan pada dasarnya tidak berarti.

Hindari membebani bagan garis Anda dengan terlalu banyak informasi, termasuk terlalu banyak label, seperti contoh dari Bold BI ini:

Di sini, sumbu y mengilustrasikan jumlah dolar dan Anda dapat mengarahkan kursor ke gelembung untuk mendapatkan nilai dolar yang tepat. Jadi, tidak perlu menyertakan label teks di bagan.

Praktik terbaik untuk menggunakan bagan garis :

• Jangan mengacaukan. Pertahankan poin data Anda jelas dan jelas untuk dipahami dalam sekejap.
• Hindari bagan yang terlalu dirancang, seperti grafik garis 3D. Ini membuat otak Anda bekerja lebih keras untuk memahami informasi yang hanya membutuhkan dua sumbu. Tujuan penyajian data internal adalah untuk berkomunikasi dengan cepat dan jelas.
• Mulai sumbu y Anda dari nol untuk merepresentasikan data seakurat mungkin.

2. Jika bagan batang tidak cukup, gunakan bagan batang bertumpuk

Bagan batang bertumpuk menunjukkan bagaimana suatu kategori dibagi menjadi subkategori yang lebih kecil berdasarkan volume. Ini sangat berguna untuk melacak bagaimana subkategori berubah dari waktu ke waktu.

Berikut adalah contoh bagan batang bertumpuk dari Datapine yang berfokus pada pelacakan volume kontak selama satu periode dan dipisahkan menjadi tiga kategori:

Ini memecah total nomor tiket dan bagaimana setiap metode (panggilan, email, dan obrolan) berkontribusi. Dengan menambahkan elemen visualisasi data interaktif, pengguna dapat mengarahkan kursor ke bagan untuk melihat angka tertentu.

Misalnya, mudah untuk melihat dari data bahwa panggilan dan email merupakan bagian terbesar dari tiket. Mungkin masuk akal untuk memindahkan lebih banyak staf obrolan langsung ke telepon untuk menangani permintaan.

Bagan batang bertumpuk paling baik digunakan untuk kumpulan data kecil . Semakin banyak data yang Anda sertakan dalam bagan, semakin membingungkan jadinya. Ambil contoh ini dari Microsoft Power BI:

Dengan hingga sembilan titik data di seluruh bagan, ada terlalu banyak informasi untuk dikonsumsi dan dibandingkan, sehingga sulit untuk menceritakan kisahnya. Berbagai warna juga membuat bagan menjadi luar biasa.

Banyak modul dasbor memungkinkan Anda untuk fokus pada variabel, seperti bagan batang bertumpuk dinamis ini dari Excel Campus:

Bagan batang bertumpuk ideal untuk menunjukkan bagaimana subkategori berubah dari waktu ke waktu dalam satu atau dua kategori.

Praktik terbaik untuk menggunakan bagan batang bertumpuk :

• Aktifkan pemfokusan pada setiap variabel, sehingga pengguna dapat mengabaikan informasi tambahan.
• Gunakan hanya dengan kumpulan data kecil (idealnya dibatasi hingga tiga).
• Pastikan interval tanggal teratur (misalnya, sertakan setiap bulan, bukan Jan, Feb, April, September, dll.).

3. Temukan hambatan Anda dengan bagan corong

Setiap langkah dalam bagan corong memfilter data yang mengarah ke langkah terakhir, yang merupakan hasil dari proses tersebut.

Untuk membantu Victoria University lebih memahami konsumennya dan mendapatkan gambaran yang jelas tentang mahasiswa, The Datalabs Agency menggunakan Tableau untuk membuat dasbor yang berfokus pada kesederhanaan. Di dalam dasbor itu ada bagan corong:

Bagan batang corong menampilkan jumlah pengguna di setiap tahap corong penjualan. Hal ini memberikan tampilan tingkat tinggi kepada pengguna tentang di mana terdapat penurunan yang signifikan dan bertindak sebagai titik awal untuk menggali wawasan.

Berikut contoh bagus lainnya dari Chartio tentang bagaimana struktur data bagan corong mungkin terlihat:

Mengikuti struktur ini, Anda dapat melihat bahwa ada penurunan yang nyata dalam berapa banyak orang yang mengklik produk dan berapa banyak yang menambahkannya ke keranjang mereka.

Dengan informasi ini, Anda dapat memeriksa halaman arahan Anda. Apakah tombol jelas? Apakah deskripsi produk berhasil menjual manfaat dengan cukup baik? Temuan dapat digunakan untuk memberikan konteks dan solusi kepada pemangku kepentingan.

Praktik terbaik untuk menggunakan bagan corong:

• Ini adalah bagan yang mendapat manfaat dari label. Tunjukkan volume dan persentase perubahan untuk melukis gambaran keseluruhan.
• Idealnya, mulailah corong Anda dengan nilai 100% dan tetap berada di jalur konversi yang sama. Dengan cara ini tidak ada bahaya mencampuradukkan data. Misalnya, jika Anda berfokus hanya pada prospek yang dihasilkan dari kampanye email tetapi data konversi Anda tidak tersegmentasi berdasarkan kampanye, Anda tidak akan mendapatkan visualisasi data yang akurat.

4. Pergi geografis dengan peta dan bagan gelembung

Informasi geografis seringkali menjadi kunci kinerja pemasaran, bagan peta menyajikan cara sederhana untuk menunjukkan bagaimana lokasi memengaruhi data.

Dasbor Perceptive Analytics menyertakan peta yang menunjukkan konversi berdasarkan wilayah di AS:

Perceptive Analytics menggunakan kode warna untuk menampilkan tingkat konversi yang lebih tinggi. Peta tersebut meminjam teknik visualisasi data dari bagan gelembung , memvariasikan ukuran setiap lingkaran sehingga pengguna dapat melihat secara sekilas di mana iklan yang paling menguntungkan. Lingkaran yang lebih besar sama dengan lebih banyak konversi di lokasi tertentu.

Dipasangkan dengan data lain, pemasar dapat mendukung keputusan dan prakiraan yang tepat. Misalnya, dengan memahami bahwa konversi lebih tinggi pada akhir minggu dengan laki-laki di Texas, Anda dapat menyampaikan kasus yang menarik untuk meningkatkan anggaran iklan untuk persona tersebut.

Praktik terbaik untuk menggunakan bagan peta dan bagan gelembung :

• Perhatikan psikologi warna. Merah bisa berarti "buruk", "bahaya", atau "alarm". Demikian juga, hijau bisa berarti "baik". Pilih warna gelembung Anda dengan hati-hati untuk menghindari goyangan pemirsa secara tidak sengaja.
• Tetap sederhana. Contoh di atas berhasil menunjukkan wilayah mana yang berkonversi dan mana yang tidak. Itu tidak memperumitnya lebih jauh dari itu.

5 tips untuk membuat visualisasi data yang menarik

Tujuan dari visualisasi data adalah untuk membuat data yang kompleks lebih mudah dipahami. Pengguna akhir harus dapat melihat bagan dan dengan mudah menemukan tren atau informasi utama.

Saat audiens Anda dapat melakukan ini, akan lebih mudah bagi Anda untuk menjelaskan mengapa wawasan itu penting dan membuat alasan untuk perubahan. Menyajikan data dengan cara yang menyenangkan secara estetika juga membuat audiens Anda lebih cenderung berbagi di media sosial, menyebarkan kesadaran merek Anda.

Berikut adalah lima cara untuk membuat visual yang menyampaikan maksud Anda dan/atau dibagikan.

1. Cocokkan visual dengan data

Data yang baik dapat dengan mudah hilang dalam bagan yang buruk. Perancang visualisasi data pemenang penghargaan, Nathan Yau, menunjukkan bahwa ada banyak cara untuk merepresentasikan data dalam karyanya memvisualisasikan satu set data dalam 25 cara (maksudnya adalah tidak semuanya bagus):

Untuk memilih jenis visualisasi yang menampilkan informasi tanpa mengacaukannya, jelaskan:

• Ukuran data Anda. Beberapa bagan lebih cocok untuk kumpulan data besar daripada yang lain. Bagan pai, misalnya, adalah cara yang baik untuk memvisualisasikan sejumlah kecil data. Tetapi lebih dari enam titik data menjadi membingungkan karena segmennya menjadi lebih kecil. Solusi yang lebih baik adalah bagan garis, bagan kombinasi, atau sebar.

• Jenis datanya . Gunakan jenis data untuk mempersempit bagan atau jenis grafik. Misalnya, data kontinu paling baik divisualisasikan dalam bagan garis atau bagan aliran, sedangkan data kategorikal paling cocok untuk bagan pohon atau diagram sunburst.

• Penonton. Cerita apa yang coba disampaikan oleh data Anda dan kepada siapa Anda menyajikannya? Apakah Anda menyajikan data tren kepada pemangku kepentingan dalam tinjauan kinerja atau membandingkan data laman landas untuk menginformasikan langkah selanjutnya bagi tim pemasaran? Memahami mengapa Anda mengumpulkan data dan siapa yang akan mendapat manfaat darinya akan memudahkan untuk memilih visual.

2. Latih kebersihan data yang baik untuk visualisasi Anda

Jangan biarkan data Anda berantakan dalam proses mendesain visualisasi data yang indah. Pastikan data akurat di semua tahapan proyek, sehingga Anda tidak menyesatkan audiens Anda atas nama gambar yang cantik.

Ikuti beberapa saran praktik yang baik untuk visualisasi data :

• Mulai grafik Anda dari 0, atau jelaskan mengapa tidak dimulai dari nol. (Pelajari apa yang terjadi saat Anda memulai garis dasar di tempat lain di sini.)
• Pertimbangkan ketebalan garis Anda. Garis tebal bisa membuat tidak jelas di mana titik data sebenarnya.
• Jangan kewalahan dengan data. Mungkin Anda mengumpulkan 50 poin data dalam penelitian Anda, tetapi hanya 10 di antaranya yang signifikan. Keluarkan data paling penting untuk disorot dalam visualisasi Anda.
• Beri label sumbu Anda, beri tahu orang apa yang Anda ukur, tetapi pikirkan baik-baik di mana harus meletakkan label tersebut (yaitu, jangan di mana pun yang menghalangi data, seperti pada contoh Bold BI di atas).

3. Buat visual tetap sederhana

Perkuat data dengan menghilangkan noise dari visual Anda. Berbagai contoh visualisasi data di atas memiliki kesamaan kejelasan: datanya mudah dibaca dan pesannya mudah dipahami.

Hapus elemen yang menjadi populer di usia 20-an, seperti drop shadow, komponen 3D, ikon acak, label yang tidak relevan, dan nilai yang tidak perlu yang mengganggu pesan.

Contoh ini dari presentasi oleh Brent Dykes menunjukkan bagaimana kebisingan yang tidak perlu mencairkan data dan seberapa jauh lebih efektif ketika dilucuti:

Nama File Gambar: contoh-dari-presentasi-oleh-brent-dykes.jpg

Tag Alt: Contoh dari presentasi oleh Brent Dykes yang menunjukkan bagaimana kebisingan yang tidak perlu melemahkan data

Fokus pada data yang penting. Seperti yang dikatakan oleh penulis Presentation Zen Garr Reynolds:

Anda dapat mencapai kesederhanaan dalam desain bagan, grafik, dan tabel yang efektif dengan mengingat tiga prinsip dasar: menahan, mengurangi, menekankan.

4. Pilih alat yang tepat untuk membuat visual

Mengubah data mentah menjadi visual yang menarik membutuhkan bantuan alat visualisasi data. Perangkat lunak akan membaca kumpulan data dan bagan plot untuk Anda, jadi Anda tidak perlu mengandalkan penambangan data manual untuk mengisi visual.

Berikut adalah beberapa alat populer untuk diperiksa:

• Untuk dasbor KPI: Geckoboard atau Salesforce Einstein
• Untuk memvisualisasikan analitik web: Google Analytics
• Untuk template laporan visual: Google Data Studio
• Untuk grafik sederhana: Google Charts
• Untuk mendesain infografis sederhana: Canva
• Untuk visualisasi data UKM dan kecerdasan bisnis: Microsoft Power BI
• Untuk visualisasi data tingkat perusahaan dan intelijen bisnis: Tableau
• Untuk ilmuwan data berpengalaman: Sisense
• Untuk visualisasi data sumber terbuka: D3.js

Alat-alat ini berbeda dalam fitur, harga, dan kegunaan. Jika Anda bekerja dengan anggaran kecil, mulailah dengan alat gratis seperti Google Charts dan Google Analytics dan tingkatkan investasi nanti.

5. Gunakan visualisasi untuk menceritakan kisah data yang kuat

Visualisasi dapat membantu mendorong perubahan di seluruh perusahaan. Tetapi untuk memiliki dampak yang sama dengan audiens baru seperti yang mereka lakukan dengan tim Anda, data perlu dijual melalui cerita.

Misalnya, bagi seorang pemasar, bagan di bawah ini dari dasbor analitik web Bold BI menunjukkan bahwa blogging adalah pendorong pendapatan terbesar. Ini adalah indikasi yang jelas bahwa pemasaran konten berfungsi dan tim harus berinvestasi lebih banyak di dalamnya.

Tapi bagi anggota dewan, itu hanya menunjukkan bahwa blog itu mendatangkan uang. Kenapa bisa mendatangkan uang? Apa yang membuatnya begitu populer? Mengapa ini membawa orang langsung ke situs web Anda? Ini adalah pertanyaan yang akan dijawab oleh cerita.

Mendongeng data memanfaatkan keinginan otak manusia akan cerita untuk membuat wawasan menarik dan berkesan.

Melalui mendongeng, Anda dapat menyajikan wawasan dalam istilah yang lebih sederhana untuk menjual pesan Anda dan menginspirasi tindakan. Itu menambahkan narasi ke data dan visual Anda untuk terlibat, menjelaskan, dan mencerahkan.

Mengambil grafik pada pendapatan halaman arahan, Anda dapat menjelaskan mengapa data itu penting. Anda dapat memecah elemen posting blog, bagaimana blog berkembang dari waktu ke waktu, dan bagaimana pemasaran konten Anda memberikan nilai kepada audiens Anda. Ini semua membangun kasus yang menarik untuk investasi lebih lanjut.

Pikirkan tentang audiens Anda dan perubahan apa yang Anda inginkan terjadi. Gunakan ini untuk mengungkap cerita menarik di balik visual.

Kesimpulan

Visualisasi data membantu menjembatani kesenjangan antara angka mentah dan mengomunikasikan wawasan secara sekilas. Contoh dalam artikel ini adalah titik awal yang solid untuk mendesain visual dan dasbor yang dapat Anda presentasikan kepada tim dan pemangku kepentingan.

Fokus pada memvisualisasikan data yang paling penting untuk tujuan pemasaran dan penjualan. Metrik yang terkait dengan indikator kinerja utama akan membantu mengungkap wawasan baru dan menceritakan kisah menarik saat divisualisasikan.
Lihat kursus Presentasi dan Visualisasi Data kami dan pelajari cara membuat pemangku kepentingan mengambil tindakan.