Kako širite dezinformacije pomoću strašnih nadzornih ploča

Brojeve je same po sebi teško čitati, a još teže izvući smislene zaključke. Čest je slučaj da je vizualizacija podataka u obliku različitih grafika i grafikona neophodna za bilo kakvu stvarnu analizu podataka. 

Međutim, ako ste proveli bilo koju količinu vremena gledajući različite grafikone, jednu stvar ćete odavno shvatiti – nisu sve vizualizacije podataka jednake.

Ovo će biti kratak pregled nekih od najčešćih grešaka koje ljudi prave prilikom kreiranja grafikona kako bi podatke predstavili na brz i lako probavljiv način.

Loše karte

Prateći xkcd na početku, zaista je uobičajeno vidjeti podatke stavljene na mapu na način koji je užasan i beskorisan. Jedan od najvećih i najčešćih prestupnika je onaj prikazan u stripu. 

Nezanimljivi rasporedi stanovništva

Kako se ispostavilo, ljudi danas žive u gradovima. 

Trebali biste se truditi da pokažete kartu samo ako očekivana distribucija koju promatrate nije u skladu s distribucijom ukupnog stanovništva u SAD-u.

Na primjer, ako ste prodavali smrznute takose i otkrili da više od polovice vaše prodaje dolazi iz trgovina u Zapadnoj Virdžiniji, unatoč njihovoj prisutnosti na tržištima širom zemlje, to bi bilo prilično izvanredno.

Pokazivanje karte koja to pokazuje, kao i gdje su još popularni tacosi, moglo bi pružiti korisne informacije. 

Na sličan način, ako prodajete proizvod koji je u potpunosti na engleskom, trebali biste očekivati ​​da će vaša distribucija kupaca biti usklađena s distribucijom govornika engleskog širom svijeta. 

Loša veličina zrna

Drugi način da zabrljate kartu je odabir lošeg načina da se zemlja geografski razbije na komade. Ovo pitanje pronalaženja prave najmanje jedinice uobičajeno je u cijeloj BI, a vizualizacije nisu izuzetak.

Da bi bilo jasnije o čemu govorim, pogledajmo dva primjera iste veličine zrna koja imaju dva vrlo različita efekta.

Prvo, pogledajmo nekoga ko pravi topografsku kartu Sjedinjenih Država osjenčavajući točku najviše nadmorske visine u svakom okrugu različitom bojom duž definiranog ključa. 

Iako je donekle efikasan za istočnu obalu, ali kada jednom stignete do ivice Stenovitih planina, to je zapravo samo buka.

Ne dobijate baš dobru sliku o geografiji jer (iz komplikovanih istorijskih razloga) veličine okruga imaju tendenciju da budu sve veće što idete zapadnije. Oni pričaju priču, samo ne relevantnu za geografiju. 

Usporedite ovo s mapom vjerske pripadnosti po županijama.

Ova mapa je potpuno efikasna, uprkos korištenju iste veličine zrna. U mogućnosti smo da napravimo brze, tačne i smislene zaključke o regionima Sjedinjenih Država, kako bi se ti regioni mogli percipirati, šta ljudi koji tamo žive mogu da misle o sebi i ostatku zemlje.

Izrada efikasne karte kao vizuelne pomoći, iako je teška, može biti veoma korisna i razjašnjavajuća. Samo budite sigurni da malo razmislite o tome šta vaša mapa pokušava komunicirati.

Loši trakasti grafikoni

Stupasti grafikoni su općenito češći od informacija prikazanih na karti. Jednostavni su za čitanje, jednostavni za kreiranje i općenito prilično elegantni.

Iako ih je lako napraviti, postoje neke uobičajene greške koje ljudi mogu napraviti dok pokušavaju ponovo izmisliti točak. 

Obmanjujuće vage

Jedan od najčešćih primjera loših trakastih grafikona je kada neko učini nešto loše s lijevom osom. 

Ovo je posebno podmukao problem i teško je dati opće smjernice. Kako bismo ovaj problem učinili malo lakšim za probavu, razmotrimo nekoliko primjera. 

Zamislimo kompaniju koja proizvodi tri proizvoda; Alfa, Beta i Gama vidžeti. Izvršni direktor želi znati koliko se dobro prodaju u poređenju jedni s drugima, a BI tim za njih pravi grafikon. 

Na prvi pogled, izvršna vlast bi stekla utisak da Alpha Widgeti daleko nadmašuju konkurenciju, dok u stvarnosti nadmašuju Gamma widgete za samo oko 20% – a ne 500% kao što se podrazumeva u vizuelizaciji.

Ovo je primjer vrlo očigledno gnusnog izobličenja – ili jeste? Možemo li zamisliti slučaj u kojem bi ovo potpuno isto izobličenje bilo korisnije od vanile 0 – 50,000 ose?

Na primjer, zamislimo istu kompaniju osim što sada izvršni direktor želi znati nešto drugačije.

U ovom slučaju, svaki widget donosi profit samo ako proda najmanje 45,000 jedinica. Kako bi saznali koliko dobro svaki proizvod radi u odnosu na jedan s drugim iu odnosu na ovaj sprat, BI tim se baci na posao i predaje sljedeću vizualizaciju. 

Thej, svi su, u apsolutnom smislu, u granicama od 20% jedan od drugog, ali koliko su blizu svih važnih 45,000? 

Izgleda da Gamma widgeti malo zaostaju, ali da li su Beta widgeti? Linija od 45,000 nije ni označena.

Uvećanje grafikona oko te ključne ose, u ovom slučaju, bilo bi vrlo informativno. 

Ovakvi slučajevi čine davanje opštih saveta veoma teškim. Najbolje je biti oprezan. Pažljivo analizirajte svaku situaciju prije istezanja i izrezivanja y osi bezobzirnim napuštanjem. 

Gimmick Bars

Mnogo manje strašna i jednostavna zloupotreba trakastih grafikona je kada ljudi pokušavaju da postanu previše slatki sa svojim vizualizacijama. Istina je da vanilija trakasti grafikon može biti pomalo dosadan, pa je logično da bi ljudi pokušali da ga začine.

Dobro poznat primjer je zloglasni slučaj divovskih Latvijki.

Na neki način, ovo je relevantno za neka pitanja o kojima se raspravljalo u prethodnom odjeljku. Da je kreator grafikona uključio cijelu y osu sve do 0'0'', onda Indijke ne bi izgledale kao piksi u poređenju sa divovskim Letonkama. 

Naravno, da su samo koristili šipke, problem bi također nestao. Oni su dosadni, ali su i efikasni.  

Bad Pie Charts

Tortni grafikoni su neprijatelj čovječanstva. Užasni su u skoro svakom pogledu. Ovo je više od strastvenog mišljenja koje zastupa autor, ovo je objektivna, naučna činjenica.

Postoji više načina da se tortni grafikoni pogreše nego da se isprave. Imaju izuzetno uske primjene, pa čak i u njima je upitno da li su najefikasniji alat za posao. 

S obzirom na to, hajde da pričamo samo o najekstrativnijim greškama.

Overcrowded Charts

Ova greška nije izuzetno česta, ali je izuzetno neugodna kada se pojavi. Takođe demonstrira jedan od osnovnih problema sa pi grafikonima.

Pogledajmo sljedeći primjer, tortni grafikon koji prikazuje distribuciju učestalosti slova u pisanom engleskom jeziku. 

Gledajući ovaj grafikon, mislite li da biste mogli sa sigurnošću reći da je I češći od R? Ili O? Ovo zanemaruje činjenicu da su neke kriške premale da bi se čak i nalepila na njih. 

Uporedimo ovo sa ljupkim, jednostavnim trakastim grafikonom. 

Poezija!

Ne samo da možete odmah vidjeti svako slovo u odnosu na sva ostala, već dobijate preciznu intuiciju o njihovim frekvencijama i lako vidljivu os koja prikazuje stvarne procente.

Taj prethodni grafikon? Nepopravljivo. Jednostavno ima previše varijabli. 

3D grafikoni

Još jedna ogromna zloupotreba tortnih dijagrama je kada ih ljudi prave u 3D, često ih naginjući pod strašnim uglovima. 

Pogledajmo primjer.

Na prvi pogled, plavi “EUL-NGL” izgleda otprilike isto kao i crveni “S&D”, ali to nije slučaj. Ako mentalno ispravimo nagib, razlika je mnogo veća nego što se čini.

Ne postoji prihvatljiva situacija u kojoj će ovakav 3D graf funkcionisati, on postoji samo da bi zavarao čitaoca u pogledu relativnih razmera. 

Ravni tortni grafikoni izgledaju sasvim dobro. 

Loš izbor boja

Posljednja greška koju ljudi imaju tendenciju je da izaberu neobavezne sheme boja. Ovo je mala tačka u poređenju sa ostalima, ali može napraviti veliku razliku za ljude. 

Razmotrite sljedeći grafikon. 

Šanse su da vam ovo izgleda sasvim dobro. Sve je jasno označeno, veličine imaju dovoljno velika odstupanja da se lako vidi kolika je prodaja među sobom.

Međutim, ako patite od sljepoće za boje, to je vjerovatno vrlo neugodno. 

Kao opšte pravilo, crvena i zelena nikada ne bi trebalo da se koriste na istom grafikonu, posebno pored jedne druge. 

Ostale greške u shemi boja trebale bi biti očigledne svima, kao što je odabir 6 različitih blagih nijansi ili crvene.

Takeaways

Postoji mnogo, mnogo više načina za kreiranje vizualizacija podataka koji su užasni i ometaju koliko dobro ljudi mogu razumjeti podatke. Sve se to može izbjeći uz malo promišljenosti.

Važno je razmotriti kako će neko drugi vidjeti grafikon, neko ko nije blisko upoznat s podacima. Morate duboko razumjeti koji je cilj gledanja podataka i kako najbolje istaknuti te dijelove bez dovođenja ljudi u zabludu.