Hoe u verkeerde informatie verspreidt met verschrikkelijke dashboards

Cijfers op zich zijn moeilijk te lezen en nog moeilijker om zinvolle conclusies uit te trekken. Het is vaak zo dat het visualiseren van de gegevens in de vorm van verschillende afbeeldingen en grafieken nodig is om echte gegevensanalyse uit te voeren. 

Als u echter enige tijd hebt besteed aan het bekijken van verschillende grafieken, heeft u zich één ding al lang geleden gerealiseerd: niet alle gegevensvisualisaties zijn gelijk gemaakt.

Dit zal een kort overzicht zijn van enkele van de meest voorkomende fouten die mensen maken bij het maken van grafieken om de gegevens op een snelle en gemakkelijk verteerbare manier weer te geven.

Slechte kaarten

In navolging van de xkcd in het begin, is het heel gewoon om gegevens op een kaart te zien op een manier die verschrikkelijk en nutteloos is. Een van de grootste en meest voorkomende daders is degene die in de strip wordt getoond. 

Oninteressante bevolkingsverdelingen

Het blijkt dat mensen tegenwoordig de neiging hebben om in steden te wonen. 

U zou alleen de moeite moeten nemen om een ​​kaart te tonen als de verwachte verdeling die u waarneemt niet overeenkomt met de verdeling van de totale bevolking in de VS.

Als u bijvoorbeeld diepgevroren taco's verkoopt en ontdekt dat meer dan de helft van uw omzet afkomstig is van supermarkten in West Virginia, ondanks hun aanwezigheid op landelijke markten, zou dat behoorlijk opmerkelijk zijn.

Het tonen van een kaart die dit aangeeft, evenals waar de taco's nog meer populair zijn, kan nuttige informatie opleveren. 

In dezelfde geest, als u een product verkoopt dat volledig in het Engels is, mag u verwachten dat uw distributie van klanten overeenkomt met de distributie van Engelssprekenden over de hele wereld. 

Slechte korrelgrootte

Een andere manier om een ​​kaart te verknoeien, is door een slechte manier te kiezen om het land geografisch in stukken te verdelen. Dit probleem van het vinden van de juiste kleinste eenheid is een veelvoorkomend probleem in BI en visualisaties zijn geen uitzondering.

Om het duidelijker te maken waar ik het over heb, laten we eens kijken naar twee voorbeelden van dezelfde korrelgrootte met twee heel verschillende effecten.

Laten we eerst kijken naar iemand die een topografische kaart van de Verenigde Staten maakt door het hoogste punt in elke provincie een andere kleur te geven langs een gedefinieerde sleutel. 

Hoewel het enigszins effectief is voor de oostkust, maar zodra je de rand van de Rockies bereikt, is het echt een en al lawaai.

Je krijgt geen erg goed beeld van de geografie omdat (om ingewikkelde historische redenen) de omvang van de provincie groter wordt naarmate je verder naar het westen gaat. Ze vertellen een verhaal, maar niet een die relevant is voor geografie. 

Vergelijk dit met een kaart van religieuze overtuiging per provincie.

Deze kaart is volledig effectief, ondanks het gebruik van exact dezelfde korrelgrootte. We zijn in staat om snelle, nauwkeurige en zinvolle conclusies te trekken over regio's in de Verenigde Staten, hoe deze regio's kunnen worden gezien, wat de mensen die daar wonen van zichzelf en de rest van het land denken.

Het maken van een effectieve kaart als visueel hulpmiddel, hoewel moeilijk, kan zeer nuttig en verhelderend zijn. Zorg er wel voor dat u goed nadenkt over wat uw kaart probeert te communiceren.

Slechte staafdiagrammen

Staafdiagrammen komen over het algemeen vaker voor dan informatie op een kaart. Ze zijn eenvoudig te lezen, eenvoudig te maken en over het algemeen behoorlijk slank.

Hoewel ze gemakkelijk te maken zijn, zijn er enkele veelvoorkomende fouten die mensen kunnen maken wanneer ze proberen het wiel opnieuw uit te vinden. 

Misleidende schalen

Een van de meest voorkomende voorbeelden van slechte staafdiagrammen is wanneer iemand iets verkeerds doet met de linkeras. 

Dit is een bijzonder verraderlijk probleem en het is moeilijk om algemene richtlijnen te geven. Laten we enkele voorbeelden bespreken om dit probleem wat gemakkelijker te verteren te maken. 

Laten we ons een bedrijf voorstellen dat drie producten maakt; Alfa-, bèta- en gamma-widgets. De executive wil weten hoe goed ze ten opzichte van elkaar verkopen, en het BI-team maakt een grafiek voor ze op. 

In één oogopslag zou de leidinggevende de indruk krijgen dat de Alpha Widgets veel beter verkopen dan de concurrentie, terwijl ze in werkelijkheid de Gamma-widgets met ongeveer 20% overtreffen - niet 500% zoals wordt geïmpliceerd in de visualisatie.

Dit is een voorbeeld van een overduidelijk gruwelijke vervorming - of niet? Kunnen we ons een geval voorstellen waarin exact dezelfde vervorming nuttiger zou zijn dan een vanille-as van 0 – 50,000?

Laten we ons bijvoorbeeld hetzelfde bedrijf voorstellen, maar nu wil de directeur iets anders weten.

In dit geval maakt elke widget alleen winst als ze minimaal 45,000 eenheden verkopen. Om erachter te komen hoe goed elk product het doet ten opzichte van elkaar en in relatie tot deze verdieping, gaat het BI-team aan de slag en levert onderstaande visualisatie in. 

They zijn allemaal, in absolute termen, binnen een venster van 20% van elkaar, maar hoe dicht zijn ze bij de zeer belangrijke 45,000 mark? 

Het lijkt erop dat Gamma-widgets een beetje tekort schieten, maar zijn bèta-widgets? De 45,000 lijn is niet eens gelabeld.

Het zou in dit geval zeer informatief zijn om de grafiek rond die sleutelas te vergroten. 

Dergelijke gevallen maken het geven van algemeen advies erg moeilijk. Het is het beste om voorzichtig te zijn. Analyseer elke situatie zorgvuldig voordat u de y-as met roekeloze overgave uitrekt en bijsnijdt. 

Gimmick-bars

Een veel minder eng en eenvoudig misbruik van staafdiagrammen is wanneer mensen proberen te schattig te worden met hun visualisaties. Het is waar dat een vanillestaafdiagram een ​​beetje saai kan zijn, dus het is logisch dat mensen zouden proberen het wat meer pit te geven.

Een bekend voorbeeld is het beruchte geval van de gigantische Letse vrouwen.

In sommige opzichten is dit relevant voor sommige kwesties die in de vorige sectie zijn besproken. Als de maker van de grafiek de hele y-as helemaal tot 0'0'' had opgenomen, dan zouden Indiase vrouwen er niet uitzien als elfjes vergeleken met de reuzin Letten. 

Natuurlijk, als ze alleen staven hadden gebruikt, zou het probleem ook verdwijnen. Ze zijn saai, maar ze zijn ook effectief.  

Slechte cirkeldiagrammen

Cirkeldiagrammen zijn de vijand van de mensheid. Ze zijn in bijna alle opzichten verschrikkelijk. Dit is meer dan een gepassioneerde mening van de auteur, dit is een objectief, wetenschappelijk feit.

Er zijn meer manieren om cirkeldiagrammen verkeerd te krijgen dan om ze goed te krijgen. Ze hebben extreem smalle toepassingen, en zelfs in die gevallen is het de vraag of ze het meest effectieve hulpmiddel voor de klus zijn. 

Dat gezegd hebbende, laten we het hebben over de meest flagrante misstappen.

Overvolle hitlijsten

Deze fout is niet extreem gebruikelijk, maar het is buitengewoon vervelend als het zich voordoet. Het toont ook een van de fundamentele problemen met pi-diagrammen aan.

Laten we eens kijken naar het volgende voorbeeld, een cirkeldiagram dat de verdeling van de letterfrequentie in geschreven Engels laat zien. 

Als je naar deze grafiek kijkt, denk je dat je met vertrouwen kunt zeggen dat I vaker voorkomt dan R? Of o? Hiermee wordt voorbijgegaan aan het feit dat sommige plakjes te klein zijn om er zelfs maar een etiket op te passen. 

Laten we dit vergelijken met een mooi, eenvoudig staafdiagram. 

Poëzie!

U kunt niet alleen elke letter onmiddellijk zien in relatie tot alle andere, maar u krijgt ook een nauwkeurige intuïtie over hun frequenties en een gemakkelijk zichtbare as die de werkelijke percentages weergeeft.

Die vorige grafiek? Niet te repareren. Er zijn gewoon te veel variabelen. 

3D Grafieken

Een ander flagrant misbruik van cirkeldiagrammen is wanneer mensen ze in 3D maken en ze vaak onder onheilige hoeken kantelen. 

Laten we een voorbeeld bekijken.

Op het eerste gezicht lijkt de blauwe "EUL-NGL" ongeveer hetzelfde als de rode "S&D", maar dat is niet het geval. Als we mentaal corrigeren voor de kanteling, is het verschil veel groter dan het lijkt.

Er is geen acceptabele situatie waarin dit soort 3D-grafiek zal functioneren, het bestaat alleen om de lezer te misleiden met betrekking tot de relatieve schalen. 

Platte cirkeldiagrammen zien er prima uit. 

Slechte kleurkeuzes

De laatste fout die mensen vaak maken, is het kiezen van onattente kleurenschema's. Dit is een klein punt in vergelijking met de anderen, maar het kan een groot verschil maken voor mensen. 

Beschouw de volgende grafiek. 

De kans is groot dat dit er goed uitziet voor jou. Alles is duidelijk gelabeld, de maten hebben voldoende grote afwijkingen dat het gemakkelijk is om te zien hoe de verkopen zich met elkaar verhouden.

Als je echter last hebt van kleurenblindheid, is dit waarschijnlijk erg vervelend. 

Als algemene regel geldt dat rood en groen nooit in dezelfde grafiek mogen worden gebruikt, vooral niet naast elkaar. 

Andere fouten in het kleurenschema moeten voor iedereen duidelijk zijn, zoals het kiezen van 6 verschillende lichte tinten of rood.

Takeaways

Er zijn veel, veel meer manieren om datavisualisaties te maken die verschrikkelijk zijn en belemmeren hoe goed mensen data kunnen begrijpen. Ze kunnen allemaal worden vermeden met een beetje bedachtzaamheid.

Het is belangrijk om te bedenken hoe iemand anders de grafiek gaat zien, iemand die niet goed bekend is met de gegevens. U moet een goed begrip hebben van wat het doel is om naar de gegevens te kijken en hoe u die onderdelen het beste kunt benadrukken zonder mensen te misleiden.