AllyHub
Trends Monitoring

条形图生成器

一个条形图,当它夸大差距时会这么说——条形的长度就是数值,而截断坐标轴会让差距显得更大。

在下方输入内容

条形图生成器能做什么

条形图是最容易绘制的图表,也是最容易用来误导他人的图表。下面:数据可以以何种形态到达,图表可以采取何种形式,以及在你发送之前会被标记什么。

无论何种形式

粘贴表格、拖入文件或描述数据。名称有三种不同的拼写、中间有小计、列顺序奇怪——都没问题,你会拿回一张核对后的表格。

垂直、水平、分组

标签短时用垂直条形,标签长时用水平条形,需要第二个维度时则分组或堆叠。条形长度根据你的数据计算,图表以文件形式呈现。

在美化时直言不讳

基线不在零点、类别多到没人会看、顺序埋没了结论——每一条都会被指出它对图表造成了什么影响。

如何使用 AllyHub 制作条形图

从一张类别表格到人们可以信任的比较图表,只需三步。

01

提供数据

粘贴、上传或描述。说明要比较的内容,如果必要,还要说明你希望的排列顺序。

02

AllyHub 排序并计算

它会整理类别,合并拼写不同的类别,选择适合标签的排列方向,设置基线,并根据你的数据计算条形。

03

查看标记,然后保存

查看它标记的内容并做出决定。将本次运行保存为 Playbook,这样下个季度的比较就会以同样的方式排序和着色。

为什么选择 AllyHub 的条形图生成器

这里的每个工具都会精确地按你的要求绘图,即使你要求的内容具有误导性。

条形即数值

长度是条形图编码值的方式,这就是为什么不能在不改变读者所见的情况下移动基线。从八十开始的坐标轴会把百分之三的差异变成一幅压倒性胜利的画面。图表本身不会承认这一点,而大多数人从不检查。

Extract More Than Text

你的导出不是一张表单

表单需要的是标签-值对的整洁列表。系统导出的内容有合并的表头、你没要求的小计,以及同一个地区被写成 "APAC"、"Apac" 和 "Asia-Pacific"。核对这些才是真正的工作,你可以清楚地看到哪些被核对了。

Bulk Extraction, Any Scale

条形有时并不合适

条形图比较的是并排排列且重新排序不会失去意义的事物。如果横轴是月份,顺序不是你能改变的,点之间的间隔承载着信息——条形图对这种情况是错误的形状,折线图才是正确的选择。

From Extraction to Action

下一季度已经就绪

第一次是最费事的——排序顺序、颜色、标签以及坐标轴起点都在此时确定。之后这些会保存在文件中,你的 AllyHub 再也不会从头开始,因此重复比较每次都会更快。

Workflows That Compound

谁在使用 AllyHub 的条形图生成器

比较各渠道的营销人员、展示调查结果的研究人员、制定预算的财务团队,以及制作讲义材料的教师。

市场营销与销售

哪个渠道实际带来的最多,这是一个可以用图表回答的问题,而这个问题在每个规划周期开始时都会被问到。这张图表还会被用来争取预算,这正是夸大差距成为问题的时候。

研究人员与调查工作

一项调查回收后,回答分布在六个选项中,而报告需要一幅展示该分布情况的图。在这里,图的诚实性比几乎任何其他地方都重要,因为核心就是报道人们说了什么。

财务与规划

预算讨论围绕相对规模展开:什么多,什么少,多多少。当这些比例成为论证依据时,一张拉伸比例的图表就不再是展示选择,而是视觉化的数字错误。

教师与课程材料

讲义上的比较会被所有阅读者当成事实,没有人会再从底层表格中重新推导。一次性做对,比另做一次要容易。

关于条形图生成器的常见问题

它需要什么,它能绘制什么,以及它会在哪里提出异议。

什么是条形图生成器?

它将一组类别及其数值转换成一张图表,用长度展示一个事物比另一个事物多多少。工具之间最大的区别在于输入数据需要多整洁,以及是否有人检查图表所展示的比较是否得到你的数字支持。

AllyHub 的条形图生成器免费吗?

是的。单个图表可以在免费计划中运行。更大的数据集、在演示文稿中保持排序顺序和调色板不变,以及保存运行以便重复比较以相同方式呈现,这些都在付费计划中。

它能做分组、堆叠或水平条形吗?

可以。当有第二个维度要展示时,使用分组或堆叠;当类别名称太长而不适合放在垂直条形下方时,使用水平条形。说出你想要的方式,或者描述比较内容,让它来选择。

坐标轴可以从零以外的数值开始吗?

你可以要求这样做,你会得到一条说明它作用的备注。在条形图上,长度就是数值,因此抬高基线会放大页面上的每一个差异——相差百分之三的两个条形可以被绘制成看起来像溃败。如果小的差异才是关键信息,那么通常用不同的图表比截断坐标轴更能说明问题。

AllyHub 与其他条形图工具有何不同?

大多数工具只是渲染表面:输入干净,输出忠实,包括忠实地绘制出误导性的内容。而这里,输入可以是实际导出的原始内容,结果会标出任何可疑之处,你做出的决定会保存在文件中——因此下个季度相同的比较看起来还是相同的比较。