Wizualizacja danych: od tabeli do decyzji

Po tej lekcji będziesz wiedzieć, po co rysujesz dane, jakie są trzy główne zastosowania wizualizacji i jakie trzy pytania zadać, zanim otworzysz Excela. Sprawdzisz też na prawdziwym przykładzie, dlaczego same średnie potrafią ukryć najważniejsze.

Przez cały kurs pracujesz jako analityk fikcyjnej firmy Rowerownia Odra z Wrocławia. Firma ma salon we Wrocławiu, mniejszy salon w Opolu i sklep internetowy, sprzedaje rowery miejskie, rowery elektryczne, części i akcesoria oraz usługi serwisowe. Do każdego modułu dostajesz plik z danymi do ćwiczeń, a wyniki kontrolne znajdziesz w rozwiązaniach.

Czym jest wizualizacja danych

Wizualizacja danych to przedstawienie liczb za pomocą pozycji, długości, kształtu i koloru tak, żeby odbiorca szybko zobaczył wzorzec, porównanie albo wyjątek. Dobra wizualizacja nie jest ozdobą raportu. Jest skrótem do wniosku, który w tabeli trzeba by wyczytywać wiersz po wierszu.

Właścicielka Rowerowni dostaje co miesiąc tabelę z przychodem z czterech kategorii i trzech kanałów sprzedaży. To 12 liczb na miesiąc i ponad 200 liczb za cały okres. Z tabeli odczyta dokładną kwotę, ale nie zobaczy od razu, że rowery elektryczne rosną szybciej niż reszta oferty, a serwis ma szczyt wiosną. Wykres liniowy pokaże jedno i drugie w kilka sekund.

W praktyce wizualizacje mają trzy zastosowania i warto wiedzieć, które z nich właśnie realizujesz:

• eksploracja: rysujesz dane dla siebie, żeby je zrozumieć, znaleźć błędy i pomysły; wykresy mogą być surowe i jest ich dużo;
• wyjaśnianie: pokazujesz innym jeden konkretny wniosek; wykres jest dopracowany, ma tytuł z wnioskiem i nic zbędnego;
• monitorowanie: dashboard, do którego ktoś wraca co tydzień, żeby sprawdzić, czy wskaźniki są w normie.

Ten sam zbiór danych może wymagać innego wykresu w każdym z trzech zastosowań.

Dlaczego warto rysować, zanim policzysz: kwartet Anscombe’a

W 1973 r. statystyk Francis Anscombe opublikował cztery małe zbiory danych po 11 par liczb (x, y). Każdy z nich ma praktycznie te same statystyki: średnia x wynosi 9, średnia y 7,50, współczynnik korelacji około 0,816, a prosta regresji to y = 3 + 0,5x. Gdy jednak narysujesz cztery wykresy punktowe, zobaczysz cztery zupełnie różne historie: zależność liniową z rozrzutem, wyraźną krzywą, idealną prostą z jednym punktem odstającym i pionową kolumnę punktów, którą jeden skrajny punkt „przeciąga” w ukośną linię.

Wniosek dla Ciebie jest praktyczny. Zanim pokażesz komuś średnią, korelację albo trend, narysuj dane. Wykres ujawnia błędy, wartości odstające i kształt zależności, których same statystyki nie pokażą.

Przy okazji: w sieci krąży twierdzenie, że mózg przetwarza obrazy „60 000 razy szybciej niż tekst”. Nie ma dla niego wiarygodnego źródła naukowego, więc nie używaj go w prezentacjach. Do obrony wizualizacji wystarczy kwartet Anscombe’a i badania percepcji, które poznasz w lekcji 1.3.

Rodzaje danych, które będziesz rysować

Typ zmiennej podpowiada typ wykresu. Rozróżniaj cztery rodzaje:

• ilościowe: liczby, które można dodawać i uśredniać, np. przychód w zł, liczba zamówień, marża;
• kategoryczne nominalne: etykiety bez kolejności, np. kanał sprzedaży, kategoria produktu, województwo;
• kategoryczne porządkowe: etykiety z naturalną kolejnością, np. ocena od 1 do 5, rozmiar ramy S, M, L;
• czas: dzień, tydzień, miesiąc; ma kolejność i równe odstępy, dlatego zwykle trafia na oś poziomą.

Kategorie nominalne możesz sortować dowolnie, najczęściej od największej wartości. Porządkowych i czasu nie sortuj według wartości, bo zgubisz ich naturalny układ.

Trzy pytania przed każdym wykresem

Zanim wybierzesz typ wykresu i narzędzie, odpowiedz na trzy pytania:

Odpowiedzi zapisz w jednym zdaniu każda, zanim zaczniesz rysować.

W Rowerowni pytanie „jak idzie sprzedaż?” jest za szerokie. Lepsze brzmi: „Czy rowery elektryczne w III kwartale 2026 r. sprzedawały się lepiej niż rok wcześniej i czy warto zwiększyć ich zamówienie na wiosnę?”. Na tak postawione pytanie odpowie jeden dobrze dobrany wykres.

Najważniejsze w 3 punktach

1. Wizualizacja służy eksploracji, wyjaśnianiu albo monitorowaniu, a każde z tych zastosowań wymaga innego wykresu.
2. Identyczne statystyki mogą opisywać zupełnie różne dane, dlatego najpierw rysujesz, potem podsumowujesz liczbą.
3. Przed wykresem ustal odbiorcę, decyzję i realny zakres danych, a typ zmiennej podpowie typ wykresu.

Źródła

• F. J. Anscombe, Graphs in Statistical Analysis, The American Statistician 27(1), 1973, s. 17–21: https://www.jstor.org/stable/2682899
• Microsoft, Funkcja WSP.KORELACJI (pomoc Excela, stan na październik 2026): https://support.microsoft.com/pl-pl/office/funkcja-wsp-korelacji-995dcef7-0c0a-4bed-a3fb-239d7b68ca92
• Wyniki kontrolne policzone w Pythonie na danych z pliku ćwiczeniowego kursu (październik 2026).