Uzak Durmanız Gereken Yanıltıcı Veri Görselleştirme Örnekleri
Yayınlanan: 2022-07-27Veri görselleştirme, karmaşık veri materyallerini analiz etmek ve iletmek için önemli bir araçtır. Yine de dikkatli olmalısın. Yanlış şekilde yapıldığında bilgileri çarpıtacak veya yanlış sunacaktır.
Söylemesi üzücü, bazıları verileri bilerek yanlış tanıtmak için veri görselleştirmeyi kullanıyor. Bir gündemleri var veya kendi fikirlerini tanıtmak istiyorlar. Diğer yanıltıcı veri görselleştirmeleri, hataların veya verilerin nasıl sunulacağının anlaşılmamasının sonucudur. Tasarım güzel ve çekici olabilir ancak bilgilerin net bir şekilde iletilmesi için uygun olmayabilir.
Bazen yanıltıcı veri görselleştirmesi açıktır; bazen daha incedir. İyi veri görselleştirmenin neye benzediğini ve verileri temsil etmenin en iyi yollarının neler olduğunu bilmek faydalıdır.
Bu makale size önemli dersler verebilecek yanıltıcı veri görselleştirme örnekleri gösterecektir.
Ölçek Kesme
Çubuk grafikler, en popüler veri görselleştirme örneklerinden bazılarıdır. Çubuk yüksekliklerini karşılaştırarak göreceli boyut hakkında hızlı bir fikir verir. Bunları yapmak kolaydır ve herkes onları anlar .
Bu örnekteki çubuk grafik, Coca-Cola'nın geçmiş yıllarda elde ettiği net geliri karşılaştırır. Dikey ölçek 0 ila 48 milyar arasındadır. Bu mantıklı ve doğru. Bir sonraki örnekte Y ekseni 28 milyardan başlıyor ve bu da sonraki yılların gelir artışını stratosfere balon gibi gösteriyor.
wpDataTables ile oluşturulan grafik
Dikey eksenin bir kısmının kesilmesi, farklı çubukların boyutlarındaki farklılıkları vurgular. Bazıları bu numarayı, insanları verilerdeki farklılıkların olduğundan daha büyük olduğunu varsaymaları için kandırmak için kullanır.
wpDataTables ile oluşturulan grafik
İşte başka bir örnek. 2017 ve 2018 yılları arasında Apple'ın bölge başına gelirini karşılaştırıyor. İlk bakışta Apple'ın Japonya'da Avrupa'dan çok daha iyi performans gösterdiği görülüyor.
Bu doğru mu, yoksa bu zayıf veri görselleştirme örneği mi? Daha yakından bakarsanız, Y ekseninin kesildiğini fark edeceksiniz. Bu, verilerin yanlış beyan edilmesine neden olur.
Bu aslında nasıl görünmesi gerektiği:
wpDataTables ile oluşturulan grafik
Y Ekseni Manipülasyonu
Y ekseninin daha fazla manipülasyonu, daha fazla veri görselleştirme hatasına yol açar. Tüm dikey ekseni gösterebilir ve yine de tüm anlamını yitirecek şekilde değiştirebilirsiniz. Bunun bir yolu, ölçeği , veri farklılıklarını aşırı vurgulayacak şekilde değiştirmektir.
Bu eksen değişimi, kötü veri görselleştirmenin çok yaygın bir örneğidir. Sosyal medya bu yanlış beyanlarla dolu. Sahte anlatıları zorluyor.
Örneğin, birisi bir grafikte küçük sıcaklık değişimlerini temsil edebilir. Eğriyi olabildiğince önemsiz kılmak için -10 °C ile 100 °C arasında değişen dikey bir ölçek kullanırlar. Bu, küresel ısınmanın etkilerini inkar etmek için yaygın bir numaradır.
Küçük değişikliklerin büyük etkileri olabilir ve bir veri kümesinin arkasındaki hikayeyi değiştirebilir. Şu örneklere bak. 700 üzerinden 634 kredi notu
850 üzerinden 634 kredi notu ile aynı görünmüyor.
İlgili Verileri Gizleme
Veriler hakkında yalan söylemek kötü bir şeydir. Ama amacınıza uymadıkları için veri noktalarını dışarıda bırakmak kadar kötü.
Bazı verileri dışarıda bırakmak , izleyicinin dikkatini olumlu bilgilerin belirli bir bölümüne odaklar . Bu, doğruluk ve tüm hikayeyi anlama pahasına olur. Her veri noktasının anlatacak bir hikayesi vardır ve önemli bilgileri iletebilir. Bununla birlikte, ilgili bağlam olmadığında her bir veri noktası yanıltıcı olabilir.
Yanıltıcı veri görselleştirme örnekleri listesindeki bu sonraki örneği analiz edin. 2018'de Pew Araştırma Merkezi, sosyal medya kullanımıyla ilgili bir anket yayınladı.
Kötü bir veri görselleştirme örneği, Amerikalıların %68'inin Facebook kullandığı gerçeğini fazlasıyla vurgulayacaktır.
Bu örnek, birisinin büyüme ilerlemesi hakkında farklı bir izlenim vermek için veri noktalarını nasıl dışarıda bırakabileceğini göstermektedir. Her iki yıl için veri noktalarını gösterirseniz daha yumuşak bir büyüme görürsünüz
her yıl yerine Ama gerçeklik göründüğü gibi değil.
Şirketler, bu yanıltıcı veri görselleştirmesini, satışlarda veya kârda büyük aykırı değerleri atlayarak kullanır. Şirketin olduğundan daha istikrarlı ve öngörülebilir gibi görünmesini sağlar. Piyasanın gerçek kaprisliliğini maskeliyor. Veri görselleştirmeleri yaparken tüm bilgilere erişim izni verdiğinizden emin olun.
Güzel verileriniz çevrimiçi olmayı hak ediyor
wpDataTables bunu bu şekilde yapabilir. Duyarlı tablolar ve grafikler oluşturmak için 1 numaralı WordPress eklentisi olmasının iyi bir nedeni var.
Ve böyle bir şey yapmak gerçekten çok kolay:
- Tablo verilerini sağlıyorsunuz
- Yapılandırın ve özelleştirin
- Bir gönderide veya sayfada yayınlayın
Ve sadece güzel değil, aynı zamanda pratik. Milyonlarca satıra kadar büyük tablolar oluşturabilir veya gelişmiş filtreler ve arama kullanabilir ya da vahşileşip düzenlenebilir hale getirebilirsiniz.
"Evet, ama Excel'i çok seviyorum ve web sitelerinde böyle bir şey yok". Evet, var. Excel veya Google E-Tablolar'daki gibi koşullu biçimlendirmeyi kullanabilirsiniz.
Verilerinizle grafikler de oluşturabileceğinizi söylemiş miydim? Ve bu sadece küçük bir kısım. Sizin için daha birçok özellik var.
Korelasyon ve Nedensellik
Veriler arasındaki korelasyonları göstermek, hedef kitlenin konuyu daha iyi anlamasına yardımcı olmanın iyi bir yoludur. Bunu, tek bir grafikte veri kümelerinin üst üste bindirilmesini yaparak yapabilirsiniz. Sözlü ve görsel açıklamanın birleşimi, izleyicilerin belirli önemli bağlantılar kurmasına yardımcı olabilir. Bir uyarı da yerinde. Çok fazla bindirme, bağlantıları vurgulamak yerine bilgileri gizler.
wpDataTables ile oluşturulan grafik
Yanlış şekilde kullanıldığında, bindirmeler, orada olmayan nedenler anlamına gelebilir. İşte iyi bilinen bir örnek. Dondurma tüketimi ile şiddet suçları arasında bir ilişki olduğunu düşündürmektedir. Gerçekte, ikisi de sıcak havanın sonucudur.
Nedensellik, verilerdeki korelasyon ile aynı şey değildir . Artık veri kümeleri gittikçe büyüyor, korelasyon çok daha fazla vurgulanıyor. İki fenomen arasında gerçek bir nedensellik kurmaktansa bir korelasyonu saptamak daha kolaydır.
Nedenselliğin korelasyona eşit olmamasının önemli bir nedeni vardır. İki değişkeni karşılaştırmak, üçüncü bir karıştırıcı değişkenin varlığını gizleyebilir.
Bilinmeyen bir üçüncü değişken, diğer iki değişkeni etkileyebilir. İkisi arasında nedensel bir ilişkinin varlığının önermesini verebilir. Hiç kimse bu üçüncü değişkenin varlığını fark edemez ve nedensellik kurmak imkansızdır.
Kiraz toplama
Kiraz toplama, bilinen birçok yanıltıcı veri görselleştirme örneğinden biridir. Bu veri görselleştirme formu , belirli kaynakları veya bilgi parçalarını atlar .
Amaç, daha temiz veya daha öngörülebilir bir sonuç kümesi göstermek ve var olmayan bir eğilim veya model çıkarmaktır. Dürüst değildir ve objektif değildir. Sonuçlar yanlış ve eksik hale gelir ve gerçek bilgiyi aktarmaz.
Kiraz toplama, ilaç endüstrisinde sıklıkla görülen kötü bir veri görselleştirme biçimidir. Dikkatli bir inceleme, klinik araştırma sonuçlarının sunumunda bunu gösterebilir. Bir örnek antidepresanlar olabilir. Verileri, aynı ilaca ilişkin devlet tarafından finanse edilen araştırmaların sonuçlarıyla karşılaştırarak netleşir.
Yukarıdaki örnek, veri toplamanın ne kadar tehlikeli olabileceğini göstermektedir. Klinik bir deneme, bazı ince karmaşıklıkları ortaya çıkarabilir. Bunlar ancak katkısız veriler dikkate alınarak çıkarılabilir.
Belirsiz Logaritmik Ölçekleme
Doğrusal bir eksende iki nokta arasındaki değer her zaman aynıdır. Logaritmik bir ölçek durumunda. iki nokta arasındaki değer belirli bir kalıba göre farklılık gösterir. Doğrusal ve logaritmik ölçek arasındaki farkı görmenin en kolay yolu budur.
Bu, logaritmik bir temsilin yanıltıcı bir veri görselleştirme biçimi olduğu anlamına gelmez. Veri setinde önemli bir ilişkiyi çıkarmanın çok etkili bir yolu olabilir. Elbette grafiğin logaritmik bir ölçek kullandığını göstermek önemlidir. Durum böyle değilse, verilerin öneminin kaybolmasına neden olabilir.
Aşağıdaki iki grafik, aynı verileri sunmanın iki yolunu göstermektedir. Biri doğrusal bir ölçek kullanır,
diğeri ise logaritmik bir ölçek kullanır. Her iki temsil de özünde doğrudur, ancak farklı görünüyorlar.
Ders, logaritmik bir ölçek kullanabilmenizdir, ancak bir şekilde bunu izleyiciye netleştirmeniz gerekir .
Alışılmadık Görselleştirme
Veri görselleştirme unsurlarının insan psikolojisi üzerinde etkisi vardır . Renkler, yazı tipleri ve simgelerin hepsinin daha derin bir çağrışımı vardır. İzleyicinin bilgiyi algılama şeklini etkilerler. Bu gerçekleri görmezden gelmek veya kötüye kullanmak yanıltıcı veri görselleştirme örnekleridir.
Veri görselleştirmenin önemi hafife alınmamalıdır. Beyin yeni bilgileri aldığında, belirli tasarım öğelerinin anlamını analiz etmek zaman alır.
Yaratıcı olmak iyidir ve veri görselleştirmeye anlam katabilir. Ancak bu örnekte olduğu gibi olağan görsel çağrışımların olağandışı uygulamalarıyla izleyicinin dikkatini dağıtmayın.
ya da bu silah ölümleriyle ilgili.
İkinci örnek en kötü örneklerden biridir çünkü yapımcının yüzeyin altında ne söylemeye çalıştığı açıktır. Alışılmamış bir baş aşağı temsilidir. Tam tersi olduğunda Florida'da silah ölümlerinin azaldığı izlenimi veriyor.
İşte başka bir örnek. Eyalet başına virüs bulaşma oranları ile Amerika Birleşik Devletleri'nin bir haritasını gösterir.
Oranı farklı renklerle gösterir. Benzer haritalarda, aynı rengin farklı tonları konsantrasyonu gösterir. Renk ne kadar koyu olursa, enfeksiyon oranı o kadar yüksek olur. Bu harita bu kurala uymuyor. Sonuç çok kafa karıştırıcı ve yanıltıcı olabilir.
Yanıltıcı Pasta Grafikler
Yanıltıcı veri görselleştirme örnekleri söz konusu olduğunda en yaygın olanlardan biri pasta grafiklerdir. Tanım olarak, tam bir pasta grafiği her zaman toplamı %100'ü temsil eder . Birden fazla yanıtı olan anketlerin sonuçlarını göstermek için pasta grafikleri kullanmak söz konusu olduğunda bu kafa karıştırıcı veya yanıltıcı hale gelir.
Bu çizelgedeki örnek doğrudur.
wpDataTables ile oluşturulan grafik
Pasta grafiğindeki yüzdelerin toplamı %100'dür. Şimdi, sorulardan birinin adayların birden fazla cevaba izin verdiği bir anket hayal edin. Örneğin, “Daha iyi bir ekonomik durum için nereye taşınırsınız?” Bazıları iki cevap verebilir, örneğin Avustralya ve Avrupa. O zaman pasta grafiği artık çalışmıyor.
Birisi bu grafik türünü kullanırsa, bilgiler bozulur ve yanlış olur. Bu durumda bir Venn şeması daha iyi bir seçim olacaktır.
Kümülatif ve Yıllık Veriler
Kümülatif bir temsil, ardışık girdiler ekler. Bu durumda, grafik her veri noktasıyla birlikte yükselir.
Yıllık veriler, belirli bir yıl için mutlak veri sonuçlarını gösterecektir. Grafik yukarı ve aşağı gidebilir. Bazı durumlarda, bu sonuçların daha dürüst bir temsili olabilir.
Worldometer COVID-19 grafiği bu noktayı göstermeye hizmet ediyor.
Ve gerçekten de kümülatif grafikler pandemi döneminde çok popülerdi.
Ayrıca, birçok şirket sonuçlarını göstermek için kümülatif grafikler kullanır. Satış sonuçlarının olduğundan daha iyi görünmesini sağlar ancak sizi kandırmasına izin vermeyin.
2013'te Apple'ın CEO'su Tim Cook, iPad satışlarını göstermek için kümülatif bir veri görselleştirmesi kullandığı için çok eleştiri aldı. Birçok kişi Apple'ın ürünlerinin azalan satışlarını örtbas etmeye çalıştığını hissetti.
Doğru şekilde yaparsanız, kümülatif veri temsillerini göstermede yanlış bir şey yoktur. Örneğin, büyümedeki değişiklikleri vurgular. Kullanmadan önce neyi göstermek istediğinizi ve nasıl bir izlenim vermek istediğinizi düşünün .
Çok Fazla Değişken
Görsel bir veri temsili için tasarım yaparken büyük kararlar vermeniz gerekiyor. Neyi dahil ediyorsunuz ve neyi hariç tutuyorsunuz? Dürüst olmak istiyorsun , ancak sunum da açık olmalıdır. Sahip olduğunuz daha fazla veri ve ayrıntılar ne kadar ilginç olursa, kararlar o kadar zor olur.
Bu, nasıl yapılmayacağının bir örneğidir.
Grafik çok fazla bilgi içeriyor ve çizgiler herhangi bir veri noktasını ayırt etmeyi zorlaştırıyor. Tasarımcının bazı verileri gizlemeye çalışıp çalışmadığını bile merak edebilirsiniz. Eğer amaç buysa, başarılı olabilirlerdi. Her halükarda, sonuç işe yaramaz.
Daha yakından bir inceleme, grafiğin uzun bir süre boyunca sınav öğrencilerinin sayısını ve aralığını temsil ettiğini gösterdi. Buradaki nokta, üniversitelerin azınlık gruplarından daha fazla öğrenci kabul etmesi ve daha düşük gelirli olmalarıydı. İnceleme, bu gruplar içinde ortalama puanların arttığını gösterdi.
Veri görselleştirmeleriniz üzerinde çalışmaya başladığınızda, önce neyi göstermek istediğinizi ve bunu başarmak için hangi verilere ihtiyacınız olduğunu düşünün. Veri değişkenlerinin sayısı, ne tür bir veri görselleştirme kullanacağınızı belirleyecektir. Öyleyse kendinize sorun, amacımı net bir şekilde iletmek için hangi veri formatı en etkili olacak?
3D Grafiklerin Yanlış Kullanımı
Kitlenizin 3D grafikleri seveceğinden şüpheniz olmasın. Ancak üç boyutlu veri görselleştirmeleri kullanırken dikkatli olmanız gerekir. İşte neden.
Bu örneğe bir göz atın.
Solda görebileceğiniz gibi, bir 3B grafik, grafiğin diğer bölümlerini engelleyerek verileri gizleyebilir . Bunun nedeni, bir 3B grafiğin doğal alanı taklit etmesidir. Bu, önemli veri noktalarına görsel erişime izin vermediğinde bir sorundur. Bu, yanlış hiyerarşiler oluşturabilir ve belirli bilgi parçalarına vurgu yapabilir.
Bozulma , üç boyutlu veri görselleştirmeleriyle ilişkili başka bir sorundur. Kısaltmanın sonucudur. Bu, resimlerde yaygındır çünkü bize yakın olan nesneler uzaktakilerden daha büyük görünür. Ancak veri görselleştirmede bu bir problemdir. Var olmayan hiyerarşiler izlenimi verir ve veri ilişkilerini çarpıtır.
Yanlış Grafik Türünü Kullanma
Pasta grafiği, iki ila üç öğe olduğunda en iyi sonucu verir. Bu, insan gözünün ayırt etmesi için iyi bir sayıdır. Çoğu insan, dört veya daha fazla öğe içeren bir pasta grafiği anlamakta zorluk çekecektir. Bu pasta grafiği noktayı örneklemektedir.
wpDataTables ile oluşturulan grafik
Hangisi daha büyük, Çin mi Diğer mi?
Belirli veri türleri, belirli bir grafik türü ister. Belirli grafik türleri, farklı türden verileri sunmak için kullanışlıdır. Yanlış görselleştirme yaklaşımını kullanmaya çalıştığınızda başınız büyük belaya girebilir.
Çoğu zaman, sahip olduğunuz veri türü, onu görselleştirme şeklinizi belirler. Her şeyden önce, verilerinizin nitel (tanımlayıcı) veya nicel (ölçüler) olup olmadığını düşünün. Niteliksel bilgi, pasta ve çubuk grafiklere uygundur. Nicel veriler için histogramları ve çizelgeleri kullanmak en iyisidir.
Bu örneğe bir göz atın.
Aynı verileri bir pasta grafikte ve bir çubuk grafikte gösterir. Pasta grafiği, en iyi veri görselleştirme seçeneği değildir. Çubuk grafik, sayıları daha doğru bir şekilde temsil eder. Bir pastadaki veriler her zaman %100'e ulaşır, ancak burada durum böyle değil.
Ek Açıklamaları Kullanmamak
Ek açıklamaları kullanıp kullanmamak size kalmış. Bunu yapmak zorunlu değildir , ancak iyi bir uygulamadır . Her çizelge oluşturduğunuzda bunu yapmayı alışkanlık haline getirin.
Farklı geçmişlere sahip kişiler, veri görselleştirmelerinize bakacaktır. Bazıları sadece görsellere bakacak, bazıları ise biraz daha fazla bilgi isteyecek. Sahip oldukları şüpheleri netleştirmek için metin ve sayılara ihtiyaçları olabilir.
İşte konuyu açıklayan bir örnek.
wpDataTables ile oluşturulan grafik
Her şey iyi görünüyor ve veriler doğru bir şekilde sunuluyor. Ancak, verilerin kendisine baktığınızda, 2019'da neden bu kadar büyük bir artış olduğunu merak edebilirsiniz. Açıklamalar, konuyu netleştirmenize yardımcı olabilir.
Bu Yanıltıcı Veri Görselleştirme Örneklerinden Sonra Sonuçlar
İnsanların verileri manipüle etmeye ve yanlış temsil etmeye çalıştığı birçok yol vardır. Yukarıdaki 13 yanıltıcı veri görselleştirme örneği en yaygın olanları oluşturmaktadır.
Başkalarının yaptığı hatalardan ders alın. Aynılarını yapmamaya kararlı olun, panolarınız ve sunumlarınız hatasız olacaktır. Kitlenizi aklınızda tutmayı ve onlara ne söylemek istediğinizi düşünmeyi unutmayın.
Bu bilgiyle verileri doğru şekilde temsil edebilir ve başkalarının daha bilinçli seçimler yapmasına izin verebilirsiniz.
Yanıltıcı veri görselleştirme örnekleriyle ilgili bu makaleyi okumaktan keyif aldıysanız, bunları da okumalısınız:
- Bilmeniz Gereken Veri Görselleştirme En İyi Uygulamaları
- Kullanılacak Harika Veri Görselleştirme Renk Paleti Örnekleri
- Kontrol etmek için etkileyici veri görselleştirme örnekleri