# Zasady wizualizacji danych (Data Analytics)

> Wybór odpowiedniego wykresu, data storytelling, zasady Tufte'a, data-ink ratio, kolory, kontekst, hierarchia wizualna, mylące wykresy

- 20 pytań z rozmów
- Junior
- [Pytania z rozmów: Data Analytics](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne.md)

## 1. Który typ wykresu najlepiej nadaje się do porównywania wartości w różnych kategoriach?

**Odpowiedź**

Bar chart to najskuteczniejszy wykres do porównywania wartości między odrębnymi kategoriami. Ludzkie oko bardzo skutecznie porównuje długości wyrównane na wspólnej osi, co sprawia, że odczyt jest intuicyjny. Słupki mogą być pionowe lub poziome w zależności od liczby kategorii i długości etykiet.

## 2. Który typ wykresu najlepiej nadaje się do pokazywania, jak wartość zmienia się w czasie?

**Odpowiedź**

Line chart to standardowy wybór do wizualizacji trendów czasowych. Linia łączy punkty danych chronologicznie, dzięki czemu trendy, cykle i anomalie są od razu widoczne. W przeciwieństwie do bar chart, line chart podkreśla ciągłość i kierunek zmian, a nie poszczególne wartości.

## 3. Jaka jest główna wada pie chart?

**Odpowiedź**

Główną wadą pie chart jest to, że ludzkie oko ma trudności z porównywaniem kątów i powierzchni. Powyżej 3-4 kategorii, rozróżnienie różnic proporcji staje się prawie niemożliwe. Edward Tufte zaleca, aby zawsze preferować bar chart lub tabelę danych nad pie chart, z wyjątkiem rzadkich przypadków, w których liczy się tylko relacja część-całość.

## Jeszcze 17 dostępnych pytań

- Czym jest data-ink ratio zdefiniowany przez Edwarda Tufte'a?
- Jakiego typu wykresu należy użyć do wizualizacji relacji między dwiema zmiennymi liczbowymi?

Zarejestruj się za darmo: https://sharpskill.dev/pl/login

## Inne tematy rekrutacyjne Data Analytics

- [Google Sheets - Podstawy](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/google-sheets-basics.md): 20 pytań, Junior
- [Google Sheets - Zaawansowane formuły](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/google-sheets-advanced.md): 20 pytań, Junior
- [SQL - Podstawy](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/sql-basics.md): 25 pytań, Junior
- [SQL - Agregacje i grupowanie](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/sql-aggregations.md): 20 pytań, Junior
- [SQL - Złączenia](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/sql-joins.md): 20 pytań, Junior
- [BigQuery - Podstawy](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/bigquery-fundamentals.md): 20 pytań, Junior
- [Data Cleaning - Czyszczenie danych](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/data-cleaning.md): 20 pytań, Junior
- [KPI i metryki biznesowe](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/kpis-metrics.md): 20 pytań, Junior
- [Statystyka opisowa](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/descriptive-statistics.md): 20 pytań, Junior
- [Zapier i automatyzacja No-Code](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/zapier-automation.md): 20 pytań, Junior
- [Python & Pandas - Podstawy](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/python-pandas-basics.md): 20 pytań, Junior
- [Google Sheets - Automatyczne dashboardy](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/google-sheets-dashboards.md): 20 pytań, Mid-Level
- [SQL - Podzapytania i CTE](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/sql-subqueries-ctes.md): 20 pytań, Mid-Level
- [SQL - Window Functions](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/sql-window-functions.md): 20 pytań, Mid-Level
- [BigQuery - Funkcje zaawansowane](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/bigquery-advanced.md): 20 pytań, Mid-Level
- [Data Modeling](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/data-modeling.md): 20 pytań, Mid-Level
- [Analiza funneli i konwersji](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/funnel-analysis.md): 20 pytań, Mid-Level
- [Analiza kohort i retencji](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/cohort-retention.md): 20 pytań, Mid-Level
- [Google Tag Manager i tracking](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/gtm-tracking.md): 20 pytań, Mid-Level
- [API i webhooki](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/apis-webhooks.md): 20 pytań, Mid-Level
- [dbt - Podstawy](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/dbt-fundamentals.md): 20 pytań, Mid-Level
- [AB Testing i statystyka stosowana](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/ab-testing.md): 20 pytań, Mid-Level
- [Looker Studio (Google Data Studio)](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/looker-studio.md): 20 pytań, Mid-Level
- [Power BI - Podstawy](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/power-bi-fundamentals.md): 20 pytań, Mid-Level
- [SQL - Zaawansowane zapytania analityczne](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/sql-advanced-analytics.md): 20 pytań, Senior
- [dbt - Funkcje zaawansowane](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/dbt-advanced.md): 20 pytań, Senior
- [Power BI - DAX i zaawansowane dashboardy](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/power-bi-dax.md): 20 pytań, Senior
- [Python Analytics - Zaawansowana analiza i ML](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/python-analytics-advanced.md): 20 pytań, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/data-viz-principles