--- title: "Når dine statistikker faktisk er brugbare" description: "Derfor arbejder vi med spike detection og glidende gennemsnit i moliri." date: "2026-03-05" created: "2026-03-03" --- # Når dine statistikker faktisk er brugbare Derfor arbejder vi blandt andet med spike detection og glidende gennemsnit i moliri. [Hjem](https://moliri.dk/) [Viden](https://moliri.dk/viden) [Når dine statistikker faktisk er brugbare](https://moliri.dk/viden/naar-dine-statistikker-faktisk-er-brugbare) ## Problemet med rå data En graf, der viser daglige sidevisninger over de seneste 90 dage, er en standardfeature i ethvert analyseværktøj. Den er også, i sin rå form, næsten ubrugelig. Problemet er støj. Daglige trafiktal svinger naturligt — weekender har lavere trafik end hverdage, helligdage skaber dyk, en nyhedsartikel skaber en spike, og sæsonmønstre overlapper det hele. Det giver en takket kurve, hvor det er næsten umuligt at skelne mellem normalt udsving og reel forandring. De fleste brugere kigger på grafen, konstaterer at den "går op og ned," og klikker videre. Datapotentialet går tabt, fordi visualiseringen ikke hjælper med at forstå, hvad der faktisk sker. ## Det analytiske fundament De features, der er beskrevet herunder — glidende gennemsnit, spike detection, forskellige diagramtyper, widget filtrering og CSV-eksport — er ikke avancerede i en analytics-kontekst. De er standardværktøjer i dedikerede analyseplatforme. Men de er sjældne i et CMS. De fleste CMS-platforme tilbyder basale trafikgrafer, og forventer, at brugeren samtidig har adgang til et andet analyseværktøj for mere avancerede analyser. Forskellen er konteksten. Analyseværktøjer, der lever i CMS'et — ved siden af indhold, governance og redaktionelle arbejdsgange — bruges. Analyseværktøjer, der kræver et kontekstskift til et eksternt system, bruges sjældent. ## Sådan arbejder vi med statistikker i moliri ### Glidende gennemsnit Et 7-dages glidende gennemsnit er en simpel men kraftfuld teknik, der fjerner den daglige støj og afslører den underliggende trend. I stedet for at vise værdien for hver enkelt dag viser den gennemsnittet af de seneste 7 dage — en glidende linje, der udjævner weekenddyk og enkeltstående udsving. Effekten er dramatisk. Hvor den rå datakurve er en takket bjergkæde af daglige udsving, er det glidende gennemsnit en glat kurve, der tydeligt viser, om trafikken er stigende, stabil eller faldende. For redaktører og webmastere er dette den metrik, der besvarer det grundlæggende spørgsmål: "Går det den rigtige vej?" Ikke i dag vs. i går, men denne uge vs. forrige uge. Det er retning fremfor støj. ### Automatisk spike detection Mens det glidende gennemsnit afslører den generelle trend, er der en anden type information, der er mindst lige så vigtig: anomalier. Dage, hvor trafikken afveg markant fra det forventede mønster. Et spike — en pludselig stigning eller et pludseligt fald — kan indikere: - En nyhedsartikel, der blev delt bredt (positivt spike) - Et teknisk problem, der forhindrede adgang (negativt fald) - En kampagne, der gik live (forventet spike) - Et DDoS-angreb (uventet spike) - En Google-algoritmeændring (gradvist fald) Automatisk spike detection identificerer disse afvigelser ved at sammenligne den faktiske værdi med det forventede niveau (baseret på historiske mønstre) og markerer dem direkte i grafen med annotationer. Annotationerne gør det muligt for brugeren at se *hvornår* noget usædvanligt skete uden at skulle analysere tallene selv. Det er en visuel shortcut fra "der er en uforklaret bevægelse i grafen" til "den 14. marts var trafikken 3x over normalen." ### Den rigtige visualisering til den rigtige indsigt Ikke alle data egner sig til den samme visualiseringstype. Et modent analyseværktøj lader brugeren skifte mellem charttyper for at fremhæve forskellige aspekter af de samme data: - **Linjechart** er bedst til trends over tid, hvor det glidende gennemsnit giver mest mening. - **Kolonnechart** er bedst til sammenligning mellem diskrete perioder (mandag vs. tirsdag, januar vs. februar). - **Spline-chart** (udjævnet kurve) giver en mere æstetisk og lettere læsbar version af linjediagrammet for præsentationer og rapporter. - **Areachart** (udfyldt flade under kurven) gør det lettere at sammenligne volumen mellem flere dataserier. Muligheden for at skifte charttype uden at ændre de underliggende data er en subtil men vigtig feature. Den gør det muligt at bruge det samme widget i forskellige kontekster: et linjechart til daglig monitorering, et kolonnechart til en månedlig rapport, et areachart til en præsentation. ### Filtrering af den enkelte widget I et dashboard med flere widgets er det afgørende, at hvert widget kan filtreres uafhængigt. Et trafikwidget bør kunne filtreres på: - **Tidsperiode** (daglig, ugentlig, månedlig) for at skifte mellem detaljegrad og overblik. - **Domæne** (hvis organisationen har flere websites) for at isolere trafik til et specifikt site. - **Eventkategori og -handling** for at filtrere på specifikke brugerinteraktioner i stedet for generelle sidevisninger. Denne lokale filtrering gør det muligt at have to widgets med de samme underliggende data men forskellige perspektiver: én widget, der viser daglig trafik for alle domæner, og en anden, der viser månedlig trafik for et specifikt domæne — i det samme dashboard. ### CSV-eksport: Når du har brug for tallene Grafer er gode til overblik og mønstergenkendelse. Men nogle gange har du brug for de faktiske tal. Måske til en rapport, en analyse i Excel, eller en diskussion med en kollega. En seriedatavisning, der viser de rå datapunkter bag grafen, supplerer den visuelle repræsentation med præcision. Og en CSV-eksportfunktion gør det muligt at tage data ud af dashboardet og ind i de værktøjer, der passer til den specifikke analyse. Denne kombination — visuel graf for overblik, datavisning for detaljer, CSV-eksport for videre analyse — dækker hele spektret fra "hurtig vurdering" til "dyb analyse." ### Konklusion En trafikgraf er ikke bare et billede af tal over tid. Med de rigtige værktøjer — glidende gennemsnit til at afsløre trends, automatisk spike detection til at fange anomalier, og fleksibel filtrering til at fokusere analysen — bliver den et aktivt analyseinstrument. For organisationer, der vil udnytte deres trafikdata uden at kræve, at hver redaktør og webmaster bliver dataanalytiker, er svaret analyseværktøjer, der er kraftfulde nok til at give reelle indsigter, men tilgængelige nok til at bruges i hverdagen. Det, der adskiller en brugbar trafikgraf fra en ubrugbar, er ikke mere data. Det er bedre værktøjer til at forstå den data, der allerede er der.