Difondre la desinformació amb taulers de control terribles

by Agost 17, 2022BI/Analítica0 comentaris

Com difoneu la desinformació amb taulers de control terribles

 

 

Els números per si mateixos són difícils de llegir, i encara més difícil d'extreure inferències significatives. Sovint és el cas que la visualització de les dades en forma de diversos gràfics i gràfics és necessària per fer qualsevol anàlisi de dades real. 

Tanmateix, si heu passat una estona mirant diversos gràfics, us haureu adonat d'una cosa fa temps: no totes les visualitzacions de dades es creen iguals.

Aquest serà un resum ràpid d'alguns dels errors més comuns que cometen les persones quan creen gràfics per representar les dades d'una manera ràpida i fàcil de digerir.

Mapes dolents

Seguint el xkcd al començament, és molt habitual veure dades col·locades en un mapa d'una manera terrible i inútil. Un dels delinqüents més grans i habituals és el que es mostra al còmic. 

Distribucions de població poc interessants

Com a resultat, la gent tendeix a viure a les ciutats en aquests dies. 

Només us hauríeu de preocupar de mostrar un mapa si la distribució esperada que observeu no s'alinea amb la distribució de la població total als EUA.

Per exemple, si veniu tacs congelats i descobriu que més de la meitat de les vostres vendes provenien de botigues de queviures de Virgínia Occidental malgrat la seva presència als mercats de tot el país, això seria força notable.

Mostrar un mapa que ho indiqui, així com on més els tacos són populars, podria proporcionar informació útil. 

De la mateixa manera, si ven un producte totalment en anglès, hauríeu d'esperar que la vostra distribució de clients s'ajusti a la distribució de parlants anglesos a tot el món. 

Mal mida del gra

Una altra manera d'enderrocar un mapa és escollint una mala manera de dividir la terra geogràficament en trossos. Aquest problema de trobar la unitat més petita adequada és comú a tota la BI i les visualitzacions no són una excepció.

Per deixar més clar de què parlo, mirem dos exemples de la mateixa mida de gra que tenen dos efectes molt diferents.

Primer, mirem algú que fa un mapa topogràfic dels Estats Units ombrejant el punt de més altitud de cada comtat amb un color diferent al llarg d'una clau definida. 

 

 

Tot i que és una mica efectiu per a la costa est, però un cop arribeu a la vora de les Muntanyes Rocalloses, en realitat tot és soroll.

No tens una imatge molt bona de la geografia perquè (per complicades raons històriques) la mida del comtat tendeix a augmentar com més a l'oest vas. Expliquen una història, però no una rellevant per a la geografia. 

Compareu això amb un mapa d'afiliació religiosa per comtat.

 

 

Aquest mapa és totalment eficaç, tot i utilitzar exactament la mateixa mida de gra. Som capaços de fer inferències ràpides, precises i significatives sobre regions dels Estats Units, com es poden percebre aquestes regions, què pensen les persones que hi viuen i la resta del país.

Fer un mapa eficaç com a ajuda visual, tot i que és difícil, pot ser molt útil i dilucidador. Només assegureu-vos de pensar en allò que el vostre mapa està intentant comunicar.

Gràfics de barres dolents

Els gràfics de barres són generalment més comuns que la informació presentada en un mapa. Són senzills de llegir, senzills de crear i, en general, molt elegants.

Tot i que són fàcils de fer, hi ha alguns errors comuns que la gent pot cometre mentre intenta reinventar la roda. 

Escales enganyoses

Un dels exemples més comuns de mals gràfics de barres és quan algú fa alguna cosa desagradable amb l'eix esquerre. 

Aquest és un problema particularment insidios i difícil de donar pautes generals. Perquè aquest problema sigui una mica més fàcil de digerir, comentem alguns exemples. 

Imaginem una empresa que fa tres productes; Ginys alfa, beta i gamma. L'executiu vol saber com de bé s'estan venent entre ells, i l'equip de BI els elabora un gràfic. 

 

 

D'un cop d'ull, l'executiu tindria la impressió que els ginys Alpha estan venent molt més que la competència, quan en realitat, venen ginys Gamma només un 20%, no un 500%, com s'implica a la visualització.

Aquest és un exemple d'una distorsió molt òbviament odiosa, o és així? Ens podríem imaginar un cas en què aquesta mateixa distorsió seria més útil que un eix de vainilla 0-50,000?

Per exemple, imaginem la mateixa empresa excepte que ara l'executiu vol saber alguna cosa diferent.

En aquest cas, cada giny només genera beneficis si venen almenys 45,000 unitats. Per esbrinar el rendiment de cada producte en comparació i en relació amb aquesta planta, l'equip de BI es posa a treballar i envia la següent visualització. 

 

 

Tho estan tots, en termes absoluts, dins d'una finestra del 20% l'un de l'altre, però a quina distància estan de la marca important dels 45,000? 

Sembla que els ginys Gamma s'estan quedant una mica curts, però són ginys beta? La línia de 45,000 ni tan sols està etiquetada.

Ampliar el gràfic al voltant d'aquest eix clau, en aquest cas, seria molt informatiu. 

Casos com aquests fan molt difícil donar consells generals. El millor és tenir precaució. Analitzeu acuradament cada situació abans d'estirar i retallar l'eix y amb un abandon temerari. 

Barres de trucs

Un mal ús molt menys espantós i senzill dels gràfics de barres és quan la gent intenta ser massa maca amb les seves visualitzacions. És cert que un gràfic de barres de vainilla pot ser una mica avorrit, de manera que té sentit que la gent intenti donar-li un gust més.

Un exemple ben conegut és el cas infame de les dones gegants letones.

 

 

D'alguna manera, això és rellevant per a algunes qüestions tractades a la secció anterior. Si el creador del gràfic hagués inclòs tot l'eix y fins a 0'0'', aleshores les dones índies no semblarien pixies en comparació amb la geganta letona. 

Per descomptat, si acabessin de fer servir barres, el problema també desapareixeria. Són avorrits, però també són efectius.  

Gràfics circulars dolents

Els gràfics circulars són l'enemic de la humanitat. Són terribles en gairebé tots els sentits. Això és més que una opinió apassionada de l'autor, això és un fet objectiu, científic.

Hi ha més maneres d'equivocar els gràfics circulars que no pas d'encertar-los. Tenen aplicacions extremadament limitades, i fins i tot en aquestes, és qüestionable si són l'eina més eficaç per a la feina. 

Dit això, només parlem dels errors més flagrants.

Gràfiques sobrepoblades

Aquest error no és extremadament comú, però és extremadament molest quan apareix. També demostra un dels problemes fonamentals dels gràfics pi.

Vegem l'exemple següent, un gràfic circular que mostra la distribució de la freqüència de les lletres en anglès escrit. 

 

 

Mirant aquest gràfic, creus que podries dir amb confiança que I és més comú que R? O O? Això és ignorar que algunes de les rodanxes són massa petites per cabre fins i tot una etiqueta. 

Comparem-ho amb un gràfic de barres senzill i encantador. 

 

 

Poesia!

No només podeu veure immediatament cada lletra en relació amb totes les altres, sinó que obteniu una intuïció precisa sobre les seves freqüències i un eix fàcilment visible que mostra els percentatges reals.

Aquest gràfic anterior? Insoluble. Simplement hi ha massa variables. 

Gràfics 3D

Un altre abús flagrant dels gràfics circulars és quan la gent els fa en 3D, sovint inclinant-los en angles profans. 

Vegem un exemple.

 

 

D'un cop d'ull, el blau "EUL-NGL" sembla aproximadament el mateix que el vermell "S&D", però no és així. Si corregim mentalment la inclinació, la diferència és molt més gran del que sembla.

No hi ha una situació acceptable on aquest tipus de gràfics 3D funcioni, només existeix per enganyar el lector quant a les escales relatives. 

Els gràfics de sectors plans es veuen bé. 

Pobres opcions de color

L'últim error que la gent acostuma a fer és triar esquemes de colors desconsiderats. Aquest és un petit punt en comparació amb els altres, però pot marcar una gran diferència per a la gent. 

Considereu el següent gràfic. 

 

 

El més probable és que això us sembla bé. Tot està clarament etiquetat, les mides tenen discrepàncies prou grans que és fàcil veure com les vendes es comparen entre si.

Tanmateix, si patiu daltonisme, és probable que això sigui molt molest. 

Com a regla general, el vermell i el verd no s'han d'utilitzar mai al mateix gràfic, especialment adjacents l'un a l'altre. 

Altres errors d'esquema de colors haurien de ser obvis per a tothom, com ara escollir 6 tons lleugers diferents o vermell.

Takeaways

Hi ha moltes i moltes més maneres de crear visualitzacions de dades que són terribles i dificulten la capacitat d'entendre les dades. Totes elles es poden evitar amb una mica de reflexió.

És important tenir en compte com veurà algú altre el gràfic, algú que no estigui íntimament familiaritzat amb les dades. Heu de tenir una comprensió profunda de quin és l'objectiu de mirar les dades i de la millor manera de destacar aquestes parts sense enganyar la gent.