आप भयानक डैशबोर्ड के साथ गलत सूचना कैसे फैलाते हैं

संख्याएं अपने आप में पढ़ने में कठिन होती हैं, और इससे सार्थक निष्कर्ष निकालना और भी कठिन होता है। अक्सर ऐसा होता है कि किसी भी वास्तविक डेटा विश्लेषण को करने के लिए विभिन्न ग्राफिक्स और चार्ट के रूप में डेटा की कल्पना करना आवश्यक है। 

हालाँकि, यदि आपने विभिन्न ग्राफ़ को देखने में बहुत समय बिताया है, तो आपको एक बात बहुत पहले ही समझ में आ जाएगी - सभी डेटा विज़ुअलाइज़ेशन समान नहीं बनाए जाते हैं।

यह कुछ सबसे आम गलतियों का एक त्वरित विवरण होगा जो लोग चार्ट बनाते समय डेटा को जल्दी और आसानी से पचने योग्य तरीके से प्रस्तुत करने के लिए करते हैं।

खराब मानचित्र

शुरुआत में xkcd का अनुसरण करते हुए, मानचित्र पर डेटा को इस तरह से देखना वास्तव में आम है जो भयानक और बेकार है। सबसे बड़े और सबसे आम अपराधियों में से एक कॉमिक में दिखाया गया है। 

निर्बाध जनसंख्या वितरण

जैसा कि यह पता चला है, लोग इन दिनों शहरों में रहते हैं। 

आपको नक्शा दिखाने की जहमत तभी उठानी चाहिए जब आपके द्वारा देखा जाने वाला अपेक्षित वितरण अमेरिका में कुल जनसंख्या के वितरण के साथ संरेखित न हो।

उदाहरण के लिए, यदि आप फ्रोजन टैको बेच रहे थे और आपको पता चला कि आपकी आधी से अधिक बिक्री वेस्ट वर्जीनिया में किराने की दुकानों से हो रही थी, जबकि देश भर के बाजारों में उनकी मौजूदगी थी, तो यह काफी उल्लेखनीय होगा।

यह दर्शाने वाला नक्शा दिखा रहा है, साथ ही टैको कहां लोकप्रिय हैं, उपयोगी जानकारी प्रदान कर सकते हैं। 

इसी तरह, यदि आप एक ऐसा उत्पाद बेचते हैं जो पूरी तरह से अंग्रेजी में है, तो आपको अपने ग्राहकों के वितरण को दुनिया भर में अंग्रेजी बोलने वालों के वितरण के साथ संरेखित करने की अपेक्षा करनी चाहिए। 

खराब अनाज का आकार

मानचित्र को खराब करने का एक और तरीका यह है कि भूमि को भौगोलिक रूप से टुकड़ों में विभाजित करने के लिए खराब तरीके का चयन किया जाए। सही सबसे छोटी इकाई खोजने का यह मुद्दा पूरे बीआई में आम है, और विज़ुअलाइज़ेशन कोई अपवाद नहीं है।

मैं किस बारे में बात कर रहा हूं, इसे और अधिक स्पष्ट करने के लिए, आइए एक ही दाने के आकार के दो उदाहरणों को देखें जिनके दो बहुत अलग प्रभाव हैं।

सबसे पहले, आइए प्रत्येक काउंटी में उच्चतम ऊंचाई के बिंदु को एक परिभाषित कुंजी के साथ एक अलग रंग में छायांकित करके संयुक्त राज्य का स्थलाकृतिक मानचित्र बनाने वाले किसी व्यक्ति को देखें। 

हालांकि यह पूर्वी तट के लिए कुछ हद तक प्रभावी है, लेकिन एक बार जब आप रॉकीज़ के किनारे से टकराते हैं, तो यह वास्तव में सिर्फ शोर होता है।

आपको भूगोल की बहुत अच्छी तस्वीर नहीं मिलती है क्योंकि (जटिल ऐतिहासिक कारणों से) काउंटी का आकार जितना अधिक पश्चिम में जाता है उतना बड़ा होता जाता है। वे एक कहानी बताते हैं, भूगोल के लिए प्रासंगिक नहीं। 

इसकी तुलना काउंटी द्वारा धार्मिक संबद्धता के मानचित्र से करें।

एक ही दाने के आकार का उपयोग करने के बावजूद, यह नक्शा पूरी तरह से प्रभावी है। हम संयुक्त राज्य के क्षेत्रों के बारे में त्वरित, सटीक और सार्थक निष्कर्ष निकालने में सक्षम हैं, इन क्षेत्रों को कैसे माना जा सकता है, वहां रहने वाले लोग अपने और देश के बाकी हिस्सों के बारे में क्या सोच सकते हैं।

एक दृश्य सहायता के रूप में एक प्रभावी नक्शा बनाना, जबकि मुश्किल है, बहुत उपयोगी और स्पष्ट करने वाला हो सकता है। बस कुछ विचार करना सुनिश्चित करें कि आपका नक्शा क्या संवाद करने की कोशिश कर रहा है।

खराब बार रेखांकन

मानचित्र पर प्रस्तुत जानकारी की तुलना में दंड आलेख आमतौर पर अधिक सामान्य होते हैं। वे पढ़ने में सरल हैं, बनाने में सरल हैं, और आम तौर पर बहुत सुंदर हैं।

भले ही वे बनाने में आसान हों, फिर भी कुछ सामान्य गलतियाँ हैं जो लोग पहिया को फिर से शुरू करने की कोशिश करते समय कर सकते हैं। 

भ्रामक तराजू

खराब दंड आलेखों के सबसे सामान्य उदाहरणों में से एक यह है कि जब कोई व्यक्ति बाईं धुरी के साथ कुछ अनहोनी करता है। 

यह एक विशेष रूप से कपटी समस्या है, और कंबल दिशानिर्देश देना मुश्किल है। इस समस्या को पचाने में थोड़ा आसान बनाने के लिए, आइए कुछ उदाहरणों पर चर्चा करें। 

आइए एक ऐसी कंपनी की कल्पना करें जो तीन उत्पाद बनाती है; अल्फा, बीटा और गामा विजेट। कार्यकारी जानना चाहता है कि वे एक दूसरे की तुलना में कितनी अच्छी बिक्री कर रहे हैं, और बीआई टीम उनके लिए एक ग्राफ तैयार करती है। 

एक नज़र में, कार्यकारी को यह आभास होगा कि अल्फा विजेट प्रतिस्पर्धा से बहुत आगे निकल रहे हैं, जब वास्तव में, वे गामा विजेट्स को लगभग 20% - 500% नहीं, जैसा कि विज़ुअलाइज़ेशन में निहित है।

यह एक बहुत ही स्पष्ट रूप से जघन्य विकृति का एक उदाहरण है - या है ना? क्या हम ऐसे मामले की कल्पना कर सकते हैं जहां यह वही विकृति वैनिला 0 - 50,000 अक्ष की तुलना में अधिक उपयोगी होगी?

उदाहरण के लिए, एक ही कंपनी की कल्पना करें, सिवाय इसके कि अब कार्यकारी कुछ अलग जानना चाहता है।

इस मामले में, प्रत्येक विजेट केवल तभी लाभ कमाता है जब वे कम से कम 45,000 यूनिट बेचते हैं। यह पता लगाने के लिए कि प्रत्येक उत्पाद एक दूसरे की तुलना में कितना अच्छा कर रहा है और इस मंजिल के संबंध में, बीआई टीम काम करती है और निम्नलिखित विज़ुअलाइज़ेशन प्रस्तुत करती है। 

Tअरे सभी, पूर्ण रूप से, एक दूसरे के 20% विंडो के भीतर हैं, लेकिन वे सभी महत्वपूर्ण 45,000 अंक के कितने करीब हैं? 

ऐसा लगता है कि गामा विजेट थोड़े कम हो रहे हैं, लेकिन क्या बीटा विजेट हैं? 45,000 लाइन पर लेबल भी नहीं है।

उस मुख्य अक्ष के चारों ओर ग्राफ़ को बढ़ाना, इस मामले में, अत्यधिक जानकारीपूर्ण होगा। 

इस तरह के मामलों में कंबल सलाह देना बहुत मुश्किल हो जाता है। सावधानी बरतना सबसे अच्छा है। लापरवाह परित्याग के साथ y अक्ष को खींचने और काटने से पहले प्रत्येक स्थिति का सावधानीपूर्वक विश्लेषण करें। 

नौटंकी बार्स

बार ग्राफ़ का बहुत कम डरावना और सरल दुरुपयोग तब होता है जब लोग अपने विज़ुअलाइज़ेशन के साथ बहुत प्यारे होने की कोशिश करते हैं। यह सच है कि एक वेनिला बार चार्ट थोड़ा उबाऊ हो सकता है, इसलिए यह समझ में आता है कि लोग इसे मसाला देने की कोशिश करेंगे।

एक प्रसिद्ध उदाहरण विशाल लातवियाई महिलाओं का कुख्यात मामला है।

कुछ मायनों में, यह पिछले भाग में चर्चा किए गए कुछ मुद्दों के लिए प्रासंगिक है। यदि ग्राफ़ के निर्माता ने पूरे y अक्ष को 0'0'' तक शामिल कर लिया होता, तो भारतीय महिलाएं विशालकाय लातवियाई की तुलना में पिक्सी की तरह नहीं दिखतीं। 

बेशक, अगर उन्होंने सिर्फ सलाखों का इस्तेमाल किया होता, तो समस्या भी दूर हो जाती। वे उबाऊ हैं, लेकिन वे प्रभावी भी हैं।  

खराब पाई चार्ट

पाई चार्ट मानव जाति के दुश्मन हैं। वे लगभग हर तरह से भयानक हैं। यह लेखक द्वारा प्रतिपादित एक भावुक राय से अधिक है, यह वस्तुनिष्ठ, वैज्ञानिक तथ्य है।

पाई चार्ट को ठीक करने की तुलना में गलत होने के और भी तरीके हैं। उनके पास बेहद संकीर्ण अनुप्रयोग हैं, और उनमें भी, यह संदिग्ध है कि क्या वे नौकरी के लिए सबसे प्रभावी उपकरण हैं। 

कहा जा रहा है, चलो सबसे गंभीर गलत कदमों के बारे में बात करते हैं।

भीड़भाड़ वाले चार्ट

यह गलती बहुत आम नहीं है, लेकिन जब यह सामने आती है तो यह बेहद कष्टप्रद होती है। यह पीआई चार्ट के साथ मूलभूत समस्याओं में से एक को भी प्रदर्शित करता है।

आइए निम्नलिखित उदाहरण देखें, लिखित अंग्रेजी में अक्षर आवृत्ति के वितरण को दर्शाने वाला एक पाई चार्ट। 

इस चार्ट को देखकर, क्या आपको लगता है कि आप विश्वास के साथ कह सकते हैं कि मैं R से अधिक सामान्य हूँ? या हे? यह इस बात की अनदेखी कर रहा है कि कुछ स्लाइस इतने छोटे हैं कि उन पर एक लेबल भी नहीं लगाया जा सकता। 

आइए इसकी तुलना एक सुंदर, सरल बार चार्ट से करें। 

शायरी!

आप न केवल अन्य सभी के संबंध में प्रत्येक अक्षर को तुरंत देख सकते हैं, बल्कि आपको उनकी आवृत्तियों के बारे में एक सटीक अंतर्ज्ञान और वास्तविक प्रतिशत प्रदर्शित करने वाली आसानी से दिखाई देने वाली धुरी मिलती है।

वह पिछला चार्ट? अपरिवर्तनीय। बस बहुत सारे चर हैं। 

3D चार्ट

पाई चार्ट का एक और घोर दुरुपयोग तब होता है जब लोग उन्हें 3D में बनाते हैं, कई बार उन्हें अपवित्र कोणों पर झुकाते हैं। 

आइए एक उदाहरण देखें।

एक नज़र में, नीला "EUL-NGL" लगभग लाल "S&D" जैसा ही दिखता है, लेकिन ऐसा नहीं है। यदि हम झुकाव के लिए मानसिक रूप से सही हैं, तो अंतर जितना लगता है, उससे कहीं अधिक बड़ा है।

ऐसी कोई स्वीकार्य स्थिति नहीं है जहां इस प्रकार का 3D ग्राफ़ कार्य करेगा, यह केवल पाठक को सापेक्ष पैमानों के रूप में गुमराह करने के लिए मौजूद है। 

फ्लैट पाई चार्ट ठीक दिखते हैं। 

खराब रंग विकल्प

अंतिम गलती जो लोग करते हैं वह है असंगत रंग योजनाओं को चुनना। यह दूसरों की तुलना में एक छोटा बिंदु है, लेकिन यह लोगों के लिए एक बड़ा अंतर ला सकता है। 

निम्नलिखित चार्ट पर विचार करें। 

संभावना है, यह आपको ठीक लग रहा है। सब कुछ स्पष्ट रूप से लेबल किया गया है, आकारों में काफी बड़ी विसंगतियां हैं कि यह देखना आसान है कि बिक्री एक दूसरे की तुलना में कैसी है।

हालांकि, अगर आप कलर ब्लाइंडनेस से पीड़ित हैं, तो यह बहुत परेशान करने वाला हो सकता है। 

एक सामान्य नियम के रूप में, लाल और हरे रंग का उपयोग कभी भी एक ही ग्राफ पर नहीं किया जाना चाहिए, विशेष रूप से एक दूसरे से सटे हुए। 

अन्य रंग योजना त्रुटियां सभी के लिए स्पष्ट होनी चाहिए, जैसे कि 6 अलग-अलग हल्के रंग या लाल रंग चुनना।

Takeaways

डेटा विज़ुअलाइज़ेशन बनाने के कई और तरीके हैं जो भयानक हैं और बाधा डालते हैं कि लोग डेटा को कितनी अच्छी तरह समझने में सक्षम हैं। थोड़ी सी सावधानी से इन सब से बचा जा सकता है।

यह विचार करना महत्वपूर्ण है कि कोई अन्य व्यक्ति ग्राफ़ को कैसे देखेगा, कोई ऐसा व्यक्ति जो डेटा से अच्छी तरह परिचित नहीं है। आपको इस बात की गहरी समझ होनी चाहिए कि डेटा को देखने का लक्ष्य क्या है, और लोगों को गुमराह किए बिना उन हिस्सों को कैसे उजागर किया जाए।