Kuinka levität väärää tietoa kauhistuttavilla kojelaudoilla

Numeroita sinänsä on vaikea lukea, ja vielä vaikeampaa on tehdä merkityksellisiä johtopäätöksiä. Usein käy niin, että tietojen visualisointi erilaisten grafiikoiden ja kaavioiden muodossa on välttämätöntä todellisen data-analyysin tekemiseksi. 

Jos olet kuitenkin käyttänyt aikaa erilaisten kaavioiden katseluun, olet tajunnut yhden asian kauan sitten – kaikkia datavisualisointeja ei luoda samanarvoisina.

Tämä on nopea yhteenveto joistakin yleisimmistä virheistä, joita ihmiset tekevät luodessaan kaavioita esittämään tietoja nopeasti ja helposti sulavalla tavalla.

Huonot kartat

Kun xkcd:tä seurataan alussa, on todella yleistä, että tiedot asetetaan kartalle kauhealla ja hyödyttömällä tavalla. Yksi suurimmista ja yleisimmistä rikollisista on sarjakuvassa esitetty. 

Mielenkiintoiset väestöjakaumat

Kuten käy ilmi, ihmiset asuvat nykyään yleensä kaupungeissa. 

Sinun tulisi vaivautua näyttämään karttaa vain, jos havaitsemasi odotettu jakautuminen ei vastaa Yhdysvaltojen kokonaisväestön jakautumista.

Jos esimerkiksi myisit pakastetacoja ja saisit selville, että yli puolet myynnistäsi tuli Länsi-Virginiassa sijaitsevista ruokakaupoista huolimatta niiden läsnäolosta valtakunnallisilla markkinoilla, se olisi varsin merkittävää.

Tämän osoittavan kartan näyttäminen ja missä muualla tacot ovat suosittuja, voisi tarjota hyödyllistä tietoa. 

Vastaavasti, jos myyt tuotetta, joka on kokonaan englanninkielinen, sinun pitäisi odottaa asiakasjakauman vastaavan englanninkielisten maailmanlaajuista jakelua. 

Huono jyväkoko

Toinen tapa sotkea kartta on valita huono tapa jakaa maa maantieteellisesti paloiksi. Tämä oikean pienimmän yksikön löytämisongelma on yleinen koko BI:ssä, eivätkä visualisoinnit ole poikkeus.

Jotta olisi selvempi, mistä puhun, katsotaanpa kahta esimerkkiä samasta raekoosta, joilla on kaksi hyvin erilaista vaikutusta.

Katsotaanpa ensin jotakuta, joka tekee topografisen kartan Yhdysvalloista varjostamalla kunkin läänin korkeimman kohdan eri värillä määritetyn avaimen mukaan. 

Vaikka se on jossain määrin tehokas itärannikolla, mutta kun osut Kalliovuorten reunaan, se on oikeastaan ​​vain melua.

Et saa kovin hyvää kuvaa maantieteellisestä sijainnista, koska (monimutkaisista historiallisista syistä) maakuntien koot kasvavat mitä pidemmälle länteen menet. Ne kertovat tarinan, joka ei vain ole maantieteeseen liittyvää. 

Vertaa tätä kuntakohtaiseen uskonnolliseen kuulumiseen liittyvään karttaan.

Tämä kartta on täysin tehokas, vaikka siinä käytetään täsmälleen samaa raekokoa. Pystymme tekemään nopeita, tarkkoja ja merkityksellisiä johtopäätöksiä Yhdysvaltojen alueista, siitä, miten nämä alueet voidaan nähdä, mitä siellä asuvat ihmiset saattavat ajatella itsestään ja muusta maasta.

Tehokkaan kartan tekeminen visuaalisena apuvälineenä, vaikka se on vaikeaa, voi olla erittäin hyödyllistä ja valaisevaa. Muista vain miettiä, mitä karttasi yrittää viestiä.

Huonot pylväskaaviot

Pylväskaaviot ovat yleensä yleisempiä kuin kartalla näkyvät tiedot. Ne ovat helppolukuisia, helppoja luoda ja yleensä melko tyylikkäitä.

Vaikka ne ovat helppoja tehdä, on joitain yleisiä virheitä, joita ihmiset voivat tehdä yrittäessään keksiä pyörää uudelleen. 

Harhaanjohtavat vaa'at

Yksi yleisimmistä esimerkeistä huonoista pylväsdiagrammeista on, kun joku tekee jotain epämiellyttävää vasemmalla akselilla. 

Tämä on erityisen salakavala ongelma ja vaikea antaa yleisiä ohjeita. Jotta tämä ongelma olisi helpompi sulattaa, keskustellaan joistakin esimerkeistä. 

Kuvittelemme yritystä, joka valmistaa kolme tuotetta; Alfa-, Beta- ja Gamma-widgetit. Johtaja haluaa tietää, kuinka hyvin he myyvät toisiinsa verrattuna, ja BI-tiimi laatii heille kaavion. 

Yhdellä silmäyksellä johtaja saa sen vaikutelman, että Alpha-widgetit myyvät paljon enemmän kuin kilpailijat, vaikka todellisuudessa ne myyvät Gamma-widgetejä vain noin 20 % – ei 500 %, kuten visualisoinnissa viitataan.

Tämä on esimerkki erittäin ilmeisen hirvittävästä vääristymisestä – vai onko? Voimmeko kuvitella tapauksen, jossa tämä täsmälleen sama vääristymä olisi hyödyllisempi kuin vanilja 0 - 50,000 XNUMX akseli?

Oletetaan esimerkiksi, että sama yritys, paitsi että nyt johtaja haluaa tietää jotain muuta.

Tässä tapauksessa jokainen widget tuottaa voittoa vain, jos ne myyvät vähintään 45,000 XNUMX yksikköä. Saadakseen selville, kuinka hyvin kukin tuotteet toimivat keskenään ja suhteessa tähän kerrokseen, BI-tiimi ryhtyy töihin ja lähettää seuraavan visualisoinnin. 

Thei, kaikki ovat absoluuttisesti 20 %:n etäisyydellä toisistaan, mutta kuinka lähellä ne ovat kaikkea tärkeää 45,000 XNUMX:n rajaa? 

Näyttää siltä, ​​​​että Gamma-widgetit jäävät hieman vajaaksi, mutta ovatko beta-widgetit? 45,000 XNUMX riviä ei ole edes merkitty.

Tässä tapauksessa kaavion suurentaminen kyseisen avainakselin ympärillä olisi erittäin informatiivinen. 

Tällaiset tapaukset tekevät yleisten neuvojen antamisesta erittäin vaikeaa. On parasta olla varovainen. Analysoi jokainen tilanne huolellisesti ennen kuin venytät ja leikkaat y-akselia holtittomasti. 

Kekkabaarit

Paljon vähemmän pelottava ja yksinkertainen pylväskaavioiden väärinkäyttö on, kun ihmiset yrittävät olla liian söpöjä visualisoinneilla. On totta, että vaniljapylväskaavio voi olla hieman tylsä, joten on järkevää, että ihmiset yrittävät maustaa sitä.

Tunnettu esimerkki on surullisen kuuluisa tapaus jättiläisistä latvialaisista naisista.

Jollain tapaa tämä liittyy joihinkin edellisessä osiossa käsitellyihin kysymyksiin. Jos kaavion luoja olisi sisällyttänyt koko y-akselin 0'0":aan asti, niin intialaiset naiset eivät näyttäisi pixeiltä verrattuna latvialaisten jättiläistytöihin. 

Tietenkin, jos he olisivat vain käyttäneet tankoja, myös ongelma poistuisi. Ne ovat tylsiä, mutta myös tehokkaita.  

Huonot ympyräkaaviot

Ympyräkaaviot ovat ihmiskunnan vihollisia. Ne ovat kauheita melkein kaikin tavoin. Tämä on enemmän kuin kirjoittajan kiihko mielipide, tämä on objektiivinen, tieteellinen tosiasia.

Ympyräkaavioiden saamiseen väärin on useampia tapoja kuin niiden korjaamiseen. Niillä on erittäin kapeat sovellukset, ja jopa niissä on kyseenalaista, ovatko ne tehokkain työkalu työhön. 

Tästä huolimatta puhutaanpa vain räikeimmistä virheistä.

Ylitäytetyt kaaviot

Tämä virhe ei ole kovin yleinen, mutta se on erittäin ärsyttävää, kun se tulee esiin. Se osoittaa myös yhden pi-kaavioiden perusongelmista.

Katsotaanpa seuraavaa esimerkkiä, ympyräkaaviota, joka näyttää kirjainten tiheyden jakautumisen englanniksi. 

Kun katsot tätä kaaviota, luuletko voivasi sanoa varmuudella, että I on yleisempi kuin R? Tai O? Tämä jättää huomiotta sen, että jotkin viipaleet ovat liian pieniä mahtumaan edes etikettiä niihin. 

Verrataan tätä ihanaan, yksinkertaiseen pylväskaavioon. 

Runous!

Sen lisäksi, että näet välittömästi jokaisen kirjaimen suhteessa kaikkiin muihin, saat tarkan intuition niiden taajuuksista ja helposti näkyvän akselin, joka näyttää todelliset prosenttiosuudet.

Tuo edellinen kaavio? Korjaamaton. Muuttujia on yksinkertaisesti liikaa. 

3D kaaviot

Toinen räikeä ympyräkaavioiden väärinkäyttö on, kun ihmiset tekevät niitä 3D-muodossa, usein kallistaen niitä epäpyhiin kulmiin. 

Katsotaanpa esimerkkiä.

Yhdellä silmäyksellä sininen ”EUL-NGL” näyttää suunnilleen samalta kuin punainen ”S&D”, mutta näin ei ole. Jos korjaamme kallistuksen henkisesti, ero on paljon suurempi kuin miltä näyttää.

Ei ole hyväksyttävää tilannetta, jossa tällainen 3D-graafi toimisi, se on olemassa vain johtamaan lukijaa harhaan suhteellisessa mittakaavassa. 

Litteät ympyräkaaviot näyttävät hyvältä. 

Huonot värivalinnat

Viimeinen virhe, jonka ihmiset yleensä tekevät, on harkitsemattomien värimallien valitseminen. Tämä on pieni piste verrattuna muihin, mutta sillä voi olla suuri merkitys ihmisille. 

Harkitse seuraavaa kaaviota. 

Todennäköisesti tämä näyttää sinusta hyvältä. Kaikki on selkeästi merkitty, kooissa on riittävän suuria eroja, jotta on helppo nähdä, miten myynnit verrattuna toisiinsa.

Jos kuitenkin kärsit värisokeudesta, tämä on todennäköisesti erittäin ärsyttävää. 

Yleissääntönä on, että punaista ja vihreää ei tulisi koskaan käyttää samassa kaaviossa, etenkään vierekkäin. 

Muiden värimallivirheiden pitäisi olla ilmeisiä kaikille, kuten 6 erilaista vaaleaa sävyä tai punaista.

Takeaways

On monia, monia muita tapoja luoda datavisualisointeja, jotka ovat kauheita ja estävät sen, kuinka hyvin ihmiset pystyvät ymmärtämään dataa. Ne kaikki voidaan välttää pienellä harkitsemuksella.

On tärkeää ottaa huomioon, kuinka joku muu näkee kaavion, joku, joka ei ole perehtynyt dataan. Sinulla on oltava syvä ymmärrys siitä, mikä on tietojen tarkastelun tavoite ja kuinka parhaiten korostaa näitä osia johtamatta ihmisiä harhaan.