Esempi di visualizzazione di dati fuorvianti da cui stare alla larga
Pubblicato: 2022-07-27La visualizzazione dei dati è uno strumento essenziale per l' analisi e la comunicazione di dati complessi . Devi stare attento però. Se fatto nel modo sbagliato, distorcerà o rappresenterà in modo errato le informazioni.
Triste a dirsi, alcuni usano la visualizzazione dei dati per travisare i dati di proposito . Hanno un'agenda o vogliono promuovere la propria opinione. Altre visualizzazioni di dati fuorvianti sono il risultato di errori o della mancanza di comprensione di come presentare i dati. Il design può essere bello e accattivante ma inadatto a una chiara comunicazione delle informazioni.
A volte la visualizzazione dei dati fuorviante è ovvia; a volte è più sottile. È utile sapere che aspetto ha una buona visualizzazione dei dati e quali sono i modi migliori per rappresentare i dati.
Questo articolo ti mostrerà esempi di visualizzazione dei dati fuorvianti che possono insegnarti lezioni importanti.
Troncamento di scala
I grafici a barre sono alcuni degli esempi di visualizzazione dei dati più popolari. Dà una rapida idea delle dimensioni relative confrontando le altezze delle barre. Sono facili da realizzare e tutti li capiscono .
Il grafico a barre in questo esempio confronta le entrate nette che Coca-Cola ha registrato negli ultimi anni. La scala verticale va da 0 a 48 miliardi. Questo è logico e corretto. L'asse Y nel prossimo esempio parte da 28 miliardi, il che fa sembrare che la crescita dei ricavi degli anni successivi sia aumentata a dismisura.
Grafico creato con wpDataTables
Il taglio di parte dell'asse verticale sottolinea le differenze nelle dimensioni delle diverse barre. Alcuni usano questo trucco per indurre le persone a presumere che le differenze nei dati siano maggiori di quello che sono .
Grafico creato con wpDataTables
Ecco un altro esempio. Confronta le entrate di Apple per regione tra il 2017 e il 2018. A prima vista, sembra che Apple abbia ottenuto risultati molto migliori in Giappone che in Europa.
È vero o è un esempio di scarsa visualizzazione dei dati? Se guardi più da vicino, noterai il troncamento dell'asse Y. Ciò si traduce in una falsa rappresentazione dei dati.
Ecco come dovrebbe effettivamente apparire:
Grafico creato con wpDataTables
Manipolazione dell'asse Y
Un'ulteriore manipolazione dell'asse y porta a più errori di visualizzazione dei dati. Puoi mostrare l'intero asse verticale e comunque cambiarlo in modo tale che perda ogni significato. Un modo è modificare la scala in modo da enfatizzare eccessivamente le differenze di dati .
Questo cambio di asse è un esempio molto comune di cattiva visualizzazione dei dati. I social media sono pieni di questa falsa rappresentazione. Spinge false narrazioni.
Ad esempio, qualcuno può rappresentare piccole variazioni di temperatura in un grafico. Per rendere la curva il più insignificante possibile , usano una scala verticale che va da -10 °C a 100 °C. Questo è un trucco comune per negare gli effetti del riscaldamento globale.
Piccole modifiche possono avere grandi effetti e cambiare la storia dietro un set di dati. Guarda questi esempi. Un punteggio di credito di 634 su 700
non ha lo stesso aspetto di un punteggio di credito di 634 su 850.
Nascondere i dati rilevanti
Mentire sui dati è una brutta cosa. Ma è brutto come tralasciare i punti dati perché non si adattano al tuo scopo.
Tralasciare alcuni dati focalizza l'attenzione del pubblico su una parte specifica dell'informazione positiva . Ciò va a scapito dell'accuratezza e della comprensione della storia completa. Ogni punto dati ha una storia da raccontare e può trasmettere informazioni importanti. Tuttavia, ogni punto dati può essere fuorviante quando non esiste un contesto rilevante.
Analizza questo prossimo esempio nell'elenco di esempi di visualizzazione dei dati fuorvianti. Nel 2018, il Pew Research Center ha pubblicato un sondaggio sull'uso dei social media.
Un cattivo esempio di visualizzazione dei dati sottolineerebbe eccessivamente il fatto che il 68% degli americani utilizza Facebook.
Questo esempio mostra come qualcuno potrebbe omettere punti dati per dare un'impressione diversa della progressione della crescita. Vedrai una crescita più regolare se mostri i punti dati per ogni due anni
invece che ogni anno. Ma non è così che appare la realtà.
Le aziende utilizzano questa visualizzazione dei dati fuorviante omettendo grandi valori anomali nelle vendite o nei profitti. Fa sembrare che l'azienda sia più stabile e prevedibile di quanto non sia. Maschera la vera capricciosità del mercato. Quando realizzi visualizzazioni di dati, assicurati di consentire l'accesso a tutte le informazioni.
I tuoi bei dati meritano di essere online
wpDataTables può farlo in questo modo. C'è una buona ragione per cui è il plug-in WordPress n. 1 per la creazione di tabelle e grafici reattivi.
Ed è davvero facile fare qualcosa del genere:
- Fornisci i dati della tabella
- Configuralo e personalizzalo
- Pubblicalo in un post o in una pagina
E non è solo bello, ma anche pratico. Puoi creare tabelle di grandi dimensioni con un massimo di milioni di righe, oppure puoi utilizzare filtri e ricerche avanzate, oppure puoi scatenarti e renderlo modificabile.
"Sì, ma mi piace troppo Excel e non c'è niente del genere sui siti web". Sì, c'è. Puoi utilizzare la formattazione condizionale come in Excel o Fogli Google.
Ti ho detto che puoi creare grafici anche con i tuoi dati? E questa è solo una piccola parte. Ci sono molte altre funzionalità per te.
Correlazione e causalità
Mostrare le correlazioni tra i dati è un buon modo per aiutare il pubblico a comprendere meglio l'argomento. Puoi farlo sovrapponendo i set di dati in un grafico. La combinazione della spiegazione orale e visiva può aiutare gli spettatori a stabilire alcune connessioni importanti. C'è anche un avviso. Troppe sovrapposizioni oscurano le informazioni anziché evidenziare le connessioni.
Grafico creato con wpDataTables
Se usate nel modo sbagliato, le sovrapposizioni possono implicare cause che non ci sono. Ecco un noto esempio. Suggerisce una relazione tra consumo di gelato e criminalità violenta. In realtà, sono entrambi il risultato del caldo.
La causalità non è la stessa di una correlazione nei dati. Ora che i set di dati stanno diventando sempre più grandi, la correlazione è molto più enfatizzata. È più facile rilevare una correlazione piuttosto che stabilire una vera causalità tra due fenomeni.
C'è un motivo importante per cui la causalità non equivale a correlazione. Il confronto di due variabili può oscurare la presenza di una terza variabile confondente.
Una terza variabile sconosciuta può influenzare altre due variabili. Può suggerire la presenza di una relazione causale tra i due. Nessuno può rendersi conto della presenza di quella terza variabile ed è impossibile stabilire la causalità.
Raccogliere le ciliegie
La raccolta delle ciliegie è uno dei tanti esempi di visualizzazione dei dati fuorvianti conosciuti. Questo modulo di visualizzazione dei dati omette determinate fonti o informazioni .
Lo scopo è mostrare un insieme di risultati più pulito o più prevedibile ed estrarre una tendenza o un modello inesistente. È disonesto e non oggettivo. I risultati diventano imprecisi e incompleti e non trasmettono conoscenze effettive.
La raccolta delle ciliegie è una forma di cattiva visualizzazione dei dati spesso vista nell'industria farmaceutica. Un'attenta revisione può mostrarlo nella presentazione dei risultati degli studi clinici. Un esempio potrebbero essere gli antidepressivi. Diventa chiaro confrontando i dati con i risultati delle indagini finanziate dal governo sullo stesso farmaco.
L'esempio sopra mostra quanto possa essere pericolosa la raccolta di dati. Una sperimentazione clinica può rivelare alcune sottili complessità. Questi sono estraibili solo considerando i dati non alterati.
Ridimensionamento logaritmico non chiaro
Il valore tra due punti su un asse lineare è sempre lo stesso. Nel caso di una scala logaritmica. il valore tra due punti differisce secondo un determinato schema. Questo è il modo più semplice per vedere la differenza tra una scala lineare e una logaritmica.
Ciò non significa che una rappresentazione logaritmica sia una forma di visualizzazione dei dati ingannevole. Può essere un modo molto efficace per estrarre una relazione importante nel set di dati. Naturalmente, è importante mostrare che il grafico utilizza una scala logaritmica. In caso contrario, può portare alla perdita di significato dei dati.
I due grafici seguenti mostrano due modi di presentare gli stessi dati. Si usa una scala lineare,
mentre l'altro usa una scala logaritmica. Entrambe le rappresentazioni sono, in sostanza, corrette, ma sembrano diverse.
La lezione è che puoi usare una scala logaritmica, ma in qualche modo devi renderlo chiaro allo spettatore .
Visualizzazione non convenzionale
Gli elementi di visualizzazione dei dati hanno un effetto sulla psicologia umana . Colori, caratteri e icone hanno tutti una certa connotazione più profonda. Influenzano il modo in cui lo spettatore percepisce le informazioni. Ignorare o abusare di questi fatti sono esempi fuorvianti di visualizzazione dei dati.
L'importanza della visualizzazione dei dati non deve essere sottovalutata. Quando il cervello acquisisce nuove informazioni, ci vuole tempo per analizzare il significato di determinati elementi di design.
Essere creativi è positivo e può aggiungere significato alla visualizzazione dei dati. Ma non distrarre il pubblico con applicazioni insolite delle solite associazioni visive come in questo esempio
o questo sulle morti per armi da fuoco.
Il secondo esempio è uno dei peggiori perché è ovvio ciò che il produttore sta cercando di dire sotto la superficie. È una rappresentazione capovolta non convenzionale. Dà l'impressione che le morti per armi da fuoco siano in declino in Florida quando è vero il contrario.
Ecco un altro esempio. Mostra una mappa degli Stati Uniti con i tassi di infezione da virus per stato.
Mostra il tasso con diversi colori. In mappe simili, diverse sfumature dello stesso colore mostrano la concentrazione. Più scuro è il colore, maggiore è il tasso di infezione. Questa mappa non segue questa convenzione. Il risultato è molto confuso e può essere fuorviante.
Grafici a torta fuorvianti
Uno dei più comuni, quando si tratta di esempi di visualizzazione dei dati fuorvianti, sono i grafici a torta. Per definizione, un grafico a torta completo rappresenta sempre un totale del 100% . Questo diventa fonte di confusione o fuorviante quando si tratta di utilizzare i grafici a torta per mostrare i risultati dei sondaggi con più di una risposta.
L'esempio in questo grafico è corretto.
Grafico creato con wpDataTables
Le percentuali nel grafico a torta si sommano fino al 100%. Ora immagina un sondaggio in cui una delle domande consente ai candidati più di una risposta. Ad esempio, "Dove ti sposteresti per una migliore situazione economica?" Alcuni potrebbero dare due risposte, ad esempio Australia ed Europa. Quindi un grafico a torta non funziona più.
Se qualcuno utilizza questo tipo di grafico, le informazioni diventano distorte e imprecise. Un diagramma di Venn sarebbe una scelta migliore in questo caso.
Dati cumulativi rispetto a quelli annuali
Una rappresentazione cumulativa aggiunge input successivi. In tal caso, il grafico sale con ogni punto dati.
I dati annuali mostreranno i risultati dei dati assoluti per un anno specifico. Il grafico può andare su e giù. In alcuni casi, questa potrebbe essere una rappresentazione più onesta dei risultati.
Il grafico Worldometer COVID-19 serve a illustrare questo punto.
E in effetti, i grafici cumulativi erano molto popolari durante il periodo della pandemia.
Inoltre, molte aziende utilizzano grafici cumulativi per mostrare i propri risultati. Fa apparire i risultati delle vendite migliori di quello che sono, ma non lasciarti ingannare.
Nel 2013, il CEO di Apple, Tim Cook, ha ricevuto molte critiche perché ha utilizzato una visualizzazione dei dati cumulativi per mostrare le vendite di iPad. Molte persone hanno ritenuto che Apple abbia cercato di coprire la diminuzione delle vendite dei loro prodotti.
Non c'è niente di sbagliato nel mostrare rappresentazioni di dati cumulativi se lo fai nel modo giusto. Evidenzia, ad esempio, i cambiamenti nella crescita. Prima di usarlo, pensa a cosa vuoi mostrare e quale impressione vuoi dare .
Troppe variabili
Devi prendere decisioni importanti quando crei un progetto per una rappresentazione visiva dei dati. Cosa includi e cosa escludi? Vuoi essere onesto , ma anche la presentazione deve essere chiara . Più dati hai e più interessanti sono i dettagli, più difficili saranno le decisioni.
Questo è un esempio di come non farlo.
Il grafico contiene troppe informazioni e le linee rendono difficile distinguere qualsiasi punto dati. Potresti anche chiederti se il designer abbia cercato di oscurare alcuni dati. Se questo era l'obiettivo, potrebbero aver avuto successo. In ogni caso, il risultato è inutile.
Un esame più attento ha mostrato che il grafico rappresentava il numero e la gamma di studenti d'esame per un lungo periodo. Il punto era che le università ammettevano più studenti provenienti da minoranze e redditi più bassi. L'ispezione ha mostrato che all'interno di questi gruppi i punteggi medi sono aumentati.
Quando inizi a lavorare sulle visualizzazioni dei dati, pensa prima a cosa vuoi mostrare e di quali dati hai bisogno per ottenerlo. Il numero di variabili di dati determinerà il tipo di visualizzazione dei dati che utilizzerai. Quindi chiediti, quale formato di dati sarà più efficace per comunicare chiaramente il mio punto?
Uso errato della grafica 3D
Non c'è dubbio che il tuo pubblico adorerà i grafici 3D. Ma è necessario essere cauti quando si utilizzano visualizzazioni di dati tridimensionali. Ecco perché.
Dai un'occhiata a questo esempio.
Come puoi vedere a sinistra, un grafico 3D può oscurare i dati bloccando altre parti del grafico. Questo perché un grafico 3D imita lo spazio naturale. Questo è un problema quando non consente l'accesso visivo a punti dati importanti. Ciò potrebbe creare false gerarchie e dare enfasi a determinate informazioni.
La distorsione è un altro problema associato alle visualizzazioni di dati tridimensionali. È il risultato di uno scorcio. Questo è comune nelle immagini perché gli oggetti più vicini a noi sembrano più grandi di quelli lontani. Ma nella visualizzazione dei dati, questo è un problema. Dà l'impressione di gerarchie che non esistono e distorce le relazioni di dati.
Utilizzo del tipo di grafico errato
Un grafico a torta funziona meglio quando sono presenti da due a tre elementi. Questo è un buon numero che l'occhio umano può distinguere. La maggior parte delle persone avrà difficoltà a capire un grafico a torta con quattro o più elementi. Questo grafico a torta esemplifica il punto.
Grafico creato con wpDataTables
Quale è più grande, Cina o Altro?
Tipi di dati specifici richiedono un tipo di grafico specifico. Alcuni tipi di grafici sono utili per presentare dati di tipo diverso. Puoi incorrere in grossi guai quando tenti di utilizzare l'approccio di visualizzazione sbagliato.
Il più delle volte il tipo di dati che hai determina il modo in cui li visualizzi. Prima di tutto, valuta se i tuoi dati sono qualitativi (descrittivi) o quantitativi (misure). Le informazioni qualitative si prestano a grafici a torta e a barre. È meglio utilizzare istogrammi e grafici per i dati quantitativi.
Dai un'occhiata a questo esempio.
Mostra gli stessi dati in un grafico a torta e in un grafico a barre. Il grafico a torta non è la migliore opzione di visualizzazione dei dati. Il grafico a barre rappresenta i numeri in modo più accurato. I dati in una torta si sommano sempre al 100%, ma qui non è il caso.
Non utilizzare le annotazioni
Sta a te usare o meno le annotazioni. Non è obbligatorio farlo , ma è buona pratica . Prendi l'abitudine di farlo ogni volta che crei un grafico.
Le persone con background diversi esamineranno le visualizzazioni dei tuoi dati. Alcuni guarderanno solo le immagini, altri vorranno un po' più di informazioni. Potrebbero aver bisogno di testo e numeri per chiarire i dubbi che hanno.
Ecco un esempio che illustra il punto.
Grafico creato con wpDataTables
Tutto sembra a posto e i dati sono presentati correttamente. Ma, quando guardi i dati stessi, potresti chiederti perché c'è un picco così grande nel 2019. Le annotazioni possono aiutarti a chiarire il problema.
Conclusioni dopo questi esempi fuorvianti di visualizzazione dei dati
Ci sono molti modi in cui le persone cercano di manipolare e travisare i dati. I 13 esempi di visualizzazione dei dati fuorvianti di cui sopra costituiscono i più comuni.
Impara le lezioni dagli errori commessi da altre persone. Sii determinato a non fare gli stessi e le tue dashboard e presentazioni saranno prive di errori. Ricorda di tenere a mente il tuo pubblico e pensa a cosa vuoi dirgli.
Con questa conoscenza, puoi rappresentare i dati nel modo giusto e consentire agli altri di fare scelte più consapevoli.
Se ti è piaciuto leggere questo articolo sugli esempi fuorvianti di visualizzazione dei dati, dovresti leggere anche questi:
- Best practice per la visualizzazione dei dati che devi conoscere
- Ottimi esempi di tavolozze colori per la visualizzazione dei dati da utilizzare
- Esempi impressionanti di visualizzazione dei dati da verificare