Πώς διαδίδετε παραπληροφόρηση με τρομερούς πίνακες ελέγχου

Οι αριθμοί από μόνοι τους είναι δύσκολο να διαβαστούν, και ακόμη πιο δύσκολο να εξαχθούν ουσιαστικά συμπεράσματα. Συχνά συμβαίνει ότι η οπτικοποίηση των δεδομένων με τη μορφή διαφόρων γραφικών και γραφημάτων είναι απαραίτητη για την πραγματοποίηση οποιασδήποτε πραγματικής ανάλυσης δεδομένων. 

Ωστόσο, εάν έχετε αφιερώσει αρκετό χρόνο κοιτάζοντας διάφορα γραφήματα, θα έχετε συνειδητοποιήσει ένα πράγμα εδώ και πολύ καιρό - δεν δημιουργούνται όλες οι απεικονίσεις δεδομένων ίσες.

Αυτή θα είναι μια γρήγορη σύνοψη ορισμένων από τα πιο κοινά λάθη που κάνουν οι άνθρωποι όταν δημιουργούν γραφήματα για να αναπαραστήσουν τα δεδομένα με έναν γρήγορα και εύκολα εύπεπτο τρόπο.

Κακοί χάρτες

Μετά από το xkcd στην αρχή, είναι πολύ συνηθισμένο να βλέπεις δεδομένα να τοποθετούνται σε έναν χάρτη με τρόπο τρομερό και άχρηστο. Ένας από τους μεγαλύτερους και πιο συνηθισμένους παραβάτες είναι αυτός που εμφανίζεται στο κόμικ. 

Μη ενδιαφέρουσες κατανομές πληθυσμού

Όπως αποδεικνύεται, οι άνθρωποι τείνουν να ζουν στις πόλεις αυτές τις μέρες. 

Θα πρέπει να κάνετε τον κόπο να εμφανίσετε έναν χάρτη μόνο εάν η αναμενόμενη κατανομή που παρατηρείτε δεν ευθυγραμμίζεται με την κατανομή του συνολικού πληθυσμού στις ΗΠΑ.

Για παράδειγμα, αν πουλάτε κατεψυγμένα tacos και ανακαλύπτατε ότι πάνω από τις μισές πωλήσεις σας προέρχονταν από παντοπωλεία στη Δυτική Βιρτζίνια παρά την παρουσία τους στις αγορές σε εθνικό επίπεδο, αυτό θα ήταν πολύ αξιοσημείωτο.

Η εμφάνιση ενός χάρτη που υποδεικνύει αυτό, καθώς και πού αλλού είναι δημοφιλή τα tacos, θα μπορούσε να παρέχει χρήσιμες πληροφορίες. 

Με παρόμοιο τρόπο, εάν πουλάτε ένα προϊόν που είναι εξ ολοκλήρου στα αγγλικά, θα πρέπει να περιμένετε ότι η διανομή των πελατών σας θα ευθυγραμμιστεί με τη διανομή των αγγλόφωνων παγκοσμίως. 

Κακό μέγεθος κόκκου

Ένας άλλος τρόπος για να ανακατέψετε έναν χάρτη είναι επιλέγοντας έναν κακό τρόπο για να χωρίσετε τη γη γεωγραφικά σε κομμάτια. Αυτό το ζήτημα της εύρεσης της σωστής μικρότερης μονάδας είναι κοινό σε όλο το BI και οι οπτικοποιήσεις δεν αποτελούν εξαίρεση.

Για να γίνει πιο σαφές για τι μιλάω, ας δούμε δύο παραδείγματα του ίδιου μεγέθους κόκκων που έχουν δύο πολύ διαφορετικά αποτελέσματα.

Αρχικά, ας δούμε κάποιον που φτιάχνει έναν τοπογραφικό χάρτη των Ηνωμένων Πολιτειών σκιάζοντας το σημείο με το υψηλότερο υψόμετρο σε κάθε κομητεία με διαφορετικό χρώμα κατά μήκος ενός καθορισμένου κλειδιού. 

Αν και είναι κάπως αποτελεσματικό για την ανατολική ακτή, αλλά μόλις φτάσεις στην άκρη των Βραχωδών Όρη, είναι πραγματικά όλος ο θόρυβος.

Δεν έχετε πολύ καλή εικόνα της γεωγραφίας γιατί (για περίπλοκους ιστορικούς λόγους) τα μεγέθη των νομών τείνουν να μεγαλώνουν όσο πιο δυτικά πηγαίνετε. Λένε μια ιστορία, όχι μόνο σχετική με τη γεωγραφία. 

Αντιπαραθέστε αυτό με έναν χάρτη θρησκευτικών πεποιθήσεων ανά νομό.

Αυτός ο χάρτης είναι εντελώς αποτελεσματικός, παρά το γεγονός ότι χρησιμοποιεί το ίδιο ακριβώς μέγεθος κόκκου. Μπορούμε να βγάλουμε γρήγορα, ακριβή και ουσιαστικά συμπεράσματα σχετικά με περιοχές των Ηνωμένων Πολιτειών, πώς μπορεί να γίνουν αντιληπτές αυτές οι περιοχές, τι πιστεύουν οι άνθρωποι που ζουν εκεί για τον εαυτό τους και την υπόλοιπη χώρα.

Η δημιουργία ενός αποτελεσματικού χάρτη ως οπτικό βοήθημα, αν και δύσκολη, μπορεί να είναι πολύ χρήσιμη και διευκρινιστική. Απλώς φροντίστε να σκεφτείτε τι προσπαθεί να επικοινωνήσει ο χάρτης σας.

Κακά γραφήματα ράβδων

Τα γραφήματα ράβδων είναι γενικά πιο κοινά από τις πληροφορίες που παρουσιάζονται σε έναν χάρτη. Είναι απλά στην ανάγνωση, απλά στη δημιουργία και γενικά αρκετά κομψά.

Παρόλο που είναι εύκολο να γίνουν, υπάρχουν μερικά κοινά λάθη που μπορούν να κάνουν οι άνθρωποι προσπαθώντας να ανακαλύψουν ξανά τον τροχό. 

Παραπλανητικές κλίμακες

Ένα από τα πιο συνηθισμένα παραδείγματα κακών γραφημάτων ράβδου είναι όταν κάποιος κάνει κάτι ακατάλληλο με τον αριστερό άξονα. 

Αυτό είναι ένα ιδιαίτερα ύπουλο πρόβλημα και είναι δύσκολο να δοθούν γενικές οδηγίες. Για να γίνει αυτό το πρόβλημα λίγο πιο εύκολο στην πέψη, ας συζητήσουμε μερικά παραδείγματα. 

Ας φανταστούμε μια εταιρεία που παράγει τρία προϊόντα. Γραφικά στοιχεία Alpha, Beta και Gamma. Το στέλεχος θέλει να μάθει πόσο καλά πουλάει ο ένας με τον άλλον και η ομάδα BI δημιουργεί ένα γράφημα για αυτούς. 

Με μια ματιά, το στέλεχος θα είχε την εντύπωση ότι τα Alpha Widgets ξεπερνούν κατά πολύ τον ανταγωνισμό, ενώ στην πραγματικότητα, ξεπερνούν τις πωλήσεις των γραφικών στοιχείων Gamma μόλις κατά 20% - όχι 500% όπως υπονοείται στην οπτικοποίηση.

Αυτό είναι ένα παράδειγμα μιας πολύ προφανώς αποτρόπαιας παραμόρφωσης – ή μήπως είναι; Θα μπορούσαμε να φανταστούμε μια περίπτωση όπου αυτή ακριβώς η ίδια παραμόρφωση θα ήταν πιο χρήσιμη από έναν άξονα 0 – 50,000 βανίλιας;

Για παράδειγμα, ας φανταστούμε την ίδια εταιρεία με τη διαφορά ότι τώρα το στέλεχος θέλει να μάθει κάτι διαφορετικό.

Σε αυτήν την περίπτωση, κάθε widget έχει κέρδος μόνο εάν πουλήσει τουλάχιστον 45,000 μονάδες. Για να μάθετε πόσο καλά τα πάει κάθε προϊόν σε σύγκριση μεταξύ τους και σε σχέση με αυτόν τον όροφο, η ομάδα BI αρχίζει να δουλεύει και υποβάλλει την ακόλουθη απεικόνιση. 

TΓεια σας, σε απόλυτες τιμές, σε ένα παράθυρο 20% το ένα από το άλλο, αλλά πόσο κοντά βρίσκονται στο σημαντικό όριο των 45,000; 

Φαίνεται ότι τα γραφικά στοιχεία Gamma υπολείπονται λίγο, αλλά είναι τα γραφικά στοιχεία Beta; Η γραμμή 45,000 δεν έχει καν σήμανση.

Η μεγέθυνση του γραφήματος γύρω από αυτόν τον βασικό άξονα, σε αυτήν την περίπτωση, θα ήταν εξαιρετικά κατατοπιστική. 

Περιπτώσεις σαν αυτές κάνουν πολύ δύσκολη την παροχή γενικών συμβουλών. Είναι καλύτερο να είστε προσεκτικοί. Αναλύστε προσεκτικά κάθε κατάσταση πριν τεντώσετε και κόψετε τον άξονα y με απερίσκεπτη εγκατάλειψη. 

Μπάρες Gimmick

Μια πολύ λιγότερο τρομακτική και απλή κακή χρήση των γραφικών γραμμών είναι όταν οι άνθρωποι προσπαθούν να γίνουν πολύ χαριτωμένοι με τις απεικονίσεις τους. Είναι αλήθεια ότι ένα γράφημα ράβδων βανίλιας μπορεί να είναι λίγο βαρετό, επομένως είναι λογικό οι άνθρωποι να προσπαθούν να το εμπλουτίσουν.

Ένα πολύ γνωστό παράδειγμα είναι η περιβόητη περίπτωση των γιγάντων Λετονών γυναικών.

Κατά κάποιο τρόπο, αυτό σχετίζεται με ορισμένα θέματα που συζητήθηκαν στην προηγούμενη ενότητα. Εάν ο δημιουργός του γραφήματος είχε συμπεριλάβει ολόκληρο τον άξονα y μέχρι το 0'0'', τότε οι Ινδές δεν θα έμοιαζαν με pixies σε σύγκριση με τις γιγάντιες Λετονές. 

Φυσικά, αν είχαν μόλις χρησιμοποιήσει μπάρες, θα έφευγε και το πρόβλημα. Είναι βαρετά, αλλά είναι και αποτελεσματικά.  

Διαγράμματα κακής πίτας

Τα γραφήματα πίτας είναι ο εχθρός της ανθρωπότητας. Είναι τρομεροί σχεδόν από κάθε άποψη. Αυτό είναι κάτι περισσότερο από μια παθιασμένη άποψη που υποστηρίζει ο συγγραφέας, αυτό είναι αντικειμενικό, επιστημονικό γεγονός.

Υπάρχουν περισσότεροι τρόποι για να κάνετε λάθος τα γραφήματα πίτας παρά για να τα κάνετε σωστά. Έχουν εξαιρετικά περιορισμένες εφαρμογές, και ακόμη και σε αυτές, είναι αμφίβολο αν είναι το πιο αποτελεσματικό εργαλείο για τη δουλειά. 

Τούτου λεχθέντος, ας μιλήσουμε μόνο για τα πιο κατάφωρα λάθη.

Υπερπλήρη γραφήματα

Αυτό το λάθος δεν είναι πολύ συνηθισμένο, αλλά είναι εξαιρετικά ενοχλητικό όταν εμφανίζεται. Επιδεικνύει επίσης ένα από τα θεμελιώδη προβλήματα με τα διαγράμματα pi.

Ας δούμε το ακόλουθο παράδειγμα, ένα διάγραμμα πίτας που δείχνει την κατανομή της συχνότητας των γραμμάτων στα γραπτά αγγλικά. 

Κοιτάζοντας αυτό το διάγραμμα, πιστεύετε ότι θα μπορούσατε να πείτε με σιγουριά ότι είμαι πιο κοινός από τον R; Ή O; Αυτό σημαίνει ότι ορισμένες από τις φέτες είναι πολύ μικρές για να χωρέσουν ακόμη και μια ετικέτα πάνω τους. 

Ας το συγκρίνουμε με ένα υπέροχο, απλό γράφημα ράβδων. 

Ποίηση!

Όχι μόνο μπορείτε να δείτε αμέσως κάθε γράμμα σε σχέση με όλα τα άλλα, αλλά έχετε μια ακριβή διαίσθηση για τις συχνότητές τους και έναν εύκολα ορατό άξονα που εμφανίζει τα πραγματικά ποσοστά.

Αυτό το προηγούμενο γράφημα; Αδιόρθωτο. Απλώς υπάρχουν πάρα πολλές μεταβλητές. 

Γραφήματα 3D

Μια άλλη κατάφωρη κατάχρηση των διαγραμμάτων πίτας είναι όταν οι άνθρωποι τα κάνουν τρισδιάστατα, συχνά γέρνοντάς τα σε ανίερες γωνίες. 

Ας δούμε ένα παράδειγμα.

Με μια ματιά, το μπλε "EUL-NGL" μοιάζει περίπου με το κόκκινο "S&D", αλλά αυτό δεν συμβαίνει. Αν διορθώσουμε διανοητικά την κλίση, η διαφορά είναι πολύ μεγαλύτερη από όσο φαίνεται.

Δεν υπάρχει αποδεκτή κατάσταση όπου θα λειτουργήσει αυτό το είδος τρισδιάστατου γραφήματος, υπάρχει μόνο για να παραπλανήσει τον αναγνώστη ως προς τις σχετικές κλίμακες. 

Τα γραφήματα επίπεδης πίτας φαίνονται μια χαρά. 

Κακές επιλογές χρωμάτων

Το τελευταίο λάθος που τείνουν να κάνουν οι άνθρωποι είναι να επιλέγουν απρόσεκτους συνδυασμούς χρωμάτων. Αυτό είναι ένα μικρό σημείο σε σύγκριση με τα άλλα, αλλά μπορεί να κάνει μεγάλη διαφορά για τους ανθρώπους. 

Εξετάστε το παρακάτω διάγραμμα. 

Οι πιθανότητες είναι, αυτό σας φαίνεται μια χαρά. Τα πάντα επισημαίνονται με σαφήνεια, τα μεγέθη έχουν αρκετά μεγάλες αποκλίσεις που είναι εύκολο να δει κανείς πώς οι πωλήσεις συγκρίνονται μεταξύ τους.

Ωστόσο, εάν πάσχετε από αχρωματοψία, αυτό είναι πιθανότατα πολύ ενοχλητικό. 

Κατά γενικό κανόνα, το κόκκινο και το πράσινο δεν πρέπει ποτέ να χρησιμοποιούνται στο ίδιο γράφημα, ιδιαίτερα το ένα δίπλα στο άλλο. 

Άλλα σφάλματα συνδυασμού χρωμάτων θα πρέπει να είναι προφανή σε όλους, όπως η επιλογή 6 διαφορετικών ελαφρών αποχρώσεων ή κόκκινου.

Takeaways

Υπάρχουν πολλοί, πολύ περισσότεροι τρόποι για να δημιουργήσετε οπτικοποιήσεις δεδομένων που είναι τρομεροί και εμποδίζουν το πόσο καλά οι άνθρωποι είναι σε θέση να κατανοήσουν τα δεδομένα. Όλα αυτά μπορούν να αποφευχθούν με λίγη προσοχή.

Είναι σημαντικό να σκεφτείτε πώς κάποιος άλλος θα δει το γράφημα, κάποιος που δεν είναι καλά εξοικειωμένος με τα δεδομένα. Πρέπει να κατανοήσετε βαθιά ποιος είναι ο στόχος της εξέτασης των δεδομένων και πώς να τονίσετε καλύτερα αυτά τα μέρη χωρίς να παραπλανήσετε τους ανθρώπους.