Tree Chart (träddiagram) är en diagramtyp som används för att visa hierarkisk data – information som är organiserad i nivåer, med överordnade och underordnade element. Tänk dig ett släktträd eller ett organisationsschema. I den här artikeln går vi igenom hur du skapar och tolkar Tree Charts i Labelf Analytics.
När Ska Du Använda Tree Chart?
Använd Tree Chart när du vill visa:
Hierarkier: Hur olika delar är relaterade till varandra i en struktur med överordnade och underordnade nivåer.
Strukturer: Hur något är uppbyggt, till exempel en organisation, en webbplats, eller en process.
Klassificeringar: Hur objekt eller begrepp kan delas in i kategorier och underkategorier.
Beslutsträd: Hur olika val leder till olika resultat.
Exempel på Användningsområden:
Organisationsschema: Visa företagets struktur med avdelningar, team och anställda.
Webbplatskarta: Visa strukturen på en webbplats med sidor och undersidor.
Produktkatalog: Visa en hierarkisk indelning av produkter i kategorier och underkategorier.
Beslutsprocess: Visa hur olika beslut leder till olika utfall.
Filstruktur: Visa hur filer och mappar är organiserade på en dator.
Felträd: Analysera möjliga orsaker till ett problem.
Skapa ett Tree Chart
Välj Chart Type:
Klicka på "+ Chart".
Välj "Tree Chart" från listan.
Välj rätt Dataset.
Klicka på "Create new chart".
Förbered Din Data (Viktigt!):
Till skillnad från många andra diagramtyper kräver Tree Chart att din data är strukturerad på ett speciellt sätt. Du behöver två kolumner:
id: En kolumn som innehåller ett unikt ID för varje nod (element) i trädet.
parent: En kolumn som anger vilken nod som är förälder till varje nod. Föräldern är den nod som ligger ovanför i hierarkin.
Den översta noden i trädet (roten) ska ha ett parent värde som är tomt (null), eller peka på sig själv.
Exempel:
| id | parent | name |
| :----- | :----- | :--------------- |
| root | | Företaget |
| avd1 | root | Marknadsföring |
| avd2 | root | Försäljning |
| pers1 | avd1 | Anna Andersson |
| pers2 | avd1 | Erik Eriksson |
| pers3 | avd2 | Lisa Larsson |
Välj Source och Target:
Source: Dra kolumnen med parent ID:n från vänster panel till mittenrutan under "SOURCE".
Target: Dra kolumnen med id (nodernas ID) från vänster panel till mittenrutan under "TARGET".
OBS! Det kan verka bakvänt, men tänk på att Source anger varifrån en koppling kommer (föräldern), och Target anger vart kopplingen går (barnet).
(Valfritt) Välj Metric:
Om du vill att storleken på noderna eller tjockleken på kopplingarna ska representera ett värde, välj en Metric (t.ex. COUNT(*), SUM(sales)).
Dra den från vänstra panelen till mittenrutan under "METRIC".
Kör Frågan (Run Query):
Klicka på den blå knappen "UPDATE CHART".
Spara Diagrammet:
Klicka på "SAVE".
Ge ditt diagram ett namn (t.ex. "Organisationsstruktur").
Välj en dashboard att spara diagrammet i.
(Inkludera en skärmdump av ett enkelt Tree Chart, med tydliga markeringar för noder, kopplingar och eventuellt storlek/tjocklek som representerar ett värde.)
Förstå Logiken i Tree Chart
Det är väldigt viktigt att förstå hur Labelf tolkar din data för att skapa ett Tree Chart:
Noder (Nodes): Varje unikt värde i kolumnen du valde som "TARGET" blir en nod i trädet.
Kopplingar (Edges): En koppling (linje) skapas mellan två noder om parent värdet för en nod matchar id värdet för en annan nod.
Roten (Root): Den nod som inte har någon förälder (eller som pekar på sig själv) blir roten i trädet.
Hierarki: Trädet byggs upp hierarkiskt, med roten överst och barnen under sina föräldrar.
Anpassa Utseendet (Customize-fliken)
Under fliken "CUSTOMIZE" kan du anpassa utseendet på ditt Tree Chart:
Tree Layout:
Orthogonal (standard): Raka linjer, oftast vertikalt (uppifrån och ner) eller horisontellt (från vänster till höger).
Radial: Noderna placeras i cirklar runt roten, vilket kan vara snyggt för vissa typer av data.
Tree Orientation:
Left to Right: Roten till vänster, barnen till höger.
Top to Bottom: Roten överst, barnen nedanför (vanligast).
Right to Left: Roten till höger, barnen till vänster.
Bottom to Top: Roten längst ner, barnen ovanför.
Node Label Position/ Child Label Position: Var ska texten (etiketten) för varje nod placeras? (Left, Top, Bottom, Right)
Emphasis Hur skall muspekaren bete sig när man hovrar över noder, skall föräldrar eller barn lysa upp?
Symbol: Vilken symbol ska användas för noderna (cirkel, kvadrat, triangel, etc.)?
Symbol Size: Hur stora ska noderna vara?
Color Scheme: Välj ett färgschema för noderna och kopplingarna.
Enable Graph Roaming: Om du har ett stort träd kan du aktivera detta för att göra det lättare att navigera i diagrammet (zooma och panorera). Välj mellan:
Move only: Användaren kan bara flytta runt i diagrammet.
Scale only: Användaren kan bara zooma in och ut.
Scale and Move: Användaren kan både zooma och flytta.
Disabled: Ingen interaktion möjlig.
Node Size: Hur stor noderna ska vara.
Edge Width: Hur breda kopplingarna mellan noderna ska vara.
Exempel:
Du vill skapa ett organisationsschema för ditt företag.
Data: Du har en tabell med anställda, där varje anställd har ett ID och en kolumn som anger vem som är deras chef (chefens ID).
Source: Du väljer kolumnen med chefens ID.
Target: Du väljer kolumnen med den anställdes ID.
Metric: Du väljer COUNT(*) för att visa antalet anställda under varje chef.
Anpassning: Du väljer "Top to Bottom" som orientering, cirklar som symboler, och ett lämpligt färgschema.
Tips:
Förbered datan noga: Se till att din data är korrekt strukturerad innan du skapar ditt Tree Chart. Felaktiga kopplingar mellan noder kan leda till konstiga resultat.
Använd tydliga etiketter: Se till att noderna har tydliga etiketter så att det är lätt att förstå vad de representerar.
Använd färger med eftertanke: Färger kan vara ett bra sätt att framhäva viktig information, men överdriven användning av färger kan göra diagrammet rörigt.
Experimentera med layouten: Prova olika layouter och orienteringar för att se vad som fungerar bäst för din data.
Använd interaktiva funktioner: Om du har ett stort träd, överväg att aktivera "Enable Graph Roaming" för att göra det lättare att navigera.
Genom att använda Tree Charts på ett genomtänkt sätt kan du visualisera komplexa hierarkier och relationer på ett sätt som är lätt att förstå och utforska. I nästa artikel går vi vidare till Treemaps!