Wie man mit Visualisierung der Daten liegen
Datenvisualisierung ist eines der wichtigsten Werkzeuge, die wir haben, um Daten zu analysieren. Aber es ist so einfach, wie es ist, zu erziehen, mit Diagrammen und Grafiken in die Irre führen. In diesem Artikel nehmen wir einen Blick auf 3 der häufigsten Wege, in denen Visualisierungen können irreführend sein.
Abgeschnittene Y-Achse
Eine der einfachsten Möglichkeiten, um Ihre Daten zu verdrehen ist von messing mit der y-Achse ein Balkendiagramm, Liniendiagramm oder Streudiagramm. In den meisten Fällen, die y-Achse reicht von 0 bis zu einem Maximalwert, der den Umfang der Daten umfasst. Jedoch ändern Sie manchmal wir den Bereich besser Highlight die Unterschiede. Auf die Spitze genommen, kann diese Technik machen Unterschiede in Daten scheinen viel größer als sie sind.
Mal sehen, wie dies in der Praxis funktioniert. Die beiden Grafiken unten zeigen die exakten gleichen Daten, aber verwenden Sie unterschiedliche Skalen für die y-Achse:
Auf der linken Seite haben wir die y-Achse auf Bereich von 3.140 auf 3.154 % eingeschränkt. Dabei macht es aussehen wie Zinsen sprunghaft sind! Auf einen Blick die Bar, die Größen bedeuten, die im Jahr 2012 Preise sind mehrere Male höher als in 2008. Aber Anzeige der Daten mit einer Null-Baseline y-Achse sagt ein genaueres Bild wo Zinssätze statische aufhalten.
Wenn dieses Beispiel übertrieben scheint, sind hier einige Beispiele der abgeschnittenen y-Achsen:
Kumulative Graphen
Viele Menschen entscheiden sich um kumulative Graphen Dinge wie die Anzahl der Benutzer, Einnahmen, Downloads oder andere wichtigeren Metriken zu erstellen. Anstatt ein Diagramm von unseren Quartalsumsatz, können wir zum Beispiel eine laufende Summe der bisher erzielten Einnahmen anzeigen lassen. Mal sehen, wie dies aussehen könnte:
Wir können nicht sagen viel aus dieser Grafik. Es bewegt sich nach oben und nach rechts, so dass alles gut läuft werden müssen! Aber die Bestandsgrößen Grafik zeichnet ein anderes Bild:
Jetzt sind die Dinge viel klarer. Den letzten zehn Jahren wurden Einnahmen rückläufig! Wenn wir die kumulative Graph zu hinterfragen, ist es möglich zu sagen, dass die Steigung abnimmt wie die Zeit vergeht, schrumpfende Einnahmen anzeigt. Aber es ist nicht sofort ersichtlich, und die Grafik ist sehr irreführend.
Es gibt viele reale Fälle von kumulativen Diagramme, die Dinge scheinen viel mehr Positive als sie sind. Ein prominentes Beispiel ist Apples Nutzung eines kumulativen Graphen iPhone Verkäufe zeigen.
Konventionen zu ignorieren
Eine der heimtückischsten Taktiken verwendeten irreführende Datenvisualisierungen zu konstruieren ist, standard-Praktiken zu verletzen. Wir sind es gewohnt auf die Tatsache, dass Kreisdiagramme Teile der Ganzes oder Zeitvorgaben Fortschritte von links nach rechts darstellen. Also, wenn diese Regeln verletzt werden, haben wir eine schwierige Zeit sehen, was eigentlich los ist. Wir sind verdrahtet, die Daten aufgrund unserer Abhängigkeit von diesen Konventionen fehlzuinterpretieren.
Hier ist ein Beispiel für ein Kreisdiagramm, das Fox Chicago während der Vorwahlen 2012 ausgestrahlt:
Die drei Scheiben des Kuchens ergeben nicht bis zu 100 %. Die Umfrage vermutlich für mehrere Antworten erlaubt in diesem Fall wäre ein Balkendiagramm besser geeignet. Stattdessen erhalten wir den Eindruck, dass jeder der drei Kandidaten haben etwa ein Drittel des Trägers, was nicht der Fall ist.
Ein weiteres Beispiel ist diese Visualisierung von Business Insider, die scheint zu zeigen, das Gegenteil von dem was wirklich los ist veröffentlicht auf:
Auf den ersten Blick sieht es wie Pistole Todesfälle auf dem absteigenden Ast in Florida sind. Doch ein genauerer Blick zeigt, dass die y-Achse umgedreht, mit Null an der Spitze und der maximale Wert am unteren. Mit zunehmender Pistole Todesfälle neigt die Linie nach unten, gegen eine gut etablierte Konvention, die y-Werte zu erhöhen, wie wir die Seite bewegen.
Es gibt ein einfachen Imbiss aus allen dies: Seien Sie vorsichtig beim Entwerfen von Visualisierungen und werden extra vorsichtig bei der Interpretation der Diagramme, die von anderen erstellt wurden. Wir haben drei gängige Techniken behandelt, aber es ist nur die Oberfläche wie Menschen Datenvisualisierung nutzen, um in die Irre führen.
Haben Sie ein Beispiel für eine besonders schlecht gebaut Visualisierung? Teilen Sie uns auf Twitter. Auch, wenn Sie uns jede Woche um weitere datengestützte Erkenntnisse beitreten möchten, geben Sie Ihre Emailadresse in der Form in der Seitenleiste auf abonnieren.
Dieser Beitrag erschien auf Heap Analytics Blog ursprünglich und hat mit freundlicher Genehmigung von Ravi Parikh neu aufgelegt worden. Mehr von Heap Analytics Kopf über ihre Daten folgen oder Blog Ravi auf Twitter hier.