Data Visualization Best Practices: Charts That Don't Lie — csv-x.com

Der 2,3-Millionen-Dollar-Fehler, der meine Sicht auf Diagramme verändert hat

Ich erinnere mich noch genau an den Moment, als ein schlecht gestaltetes Balkendiagramm meinem Kunden 2,3 Millionen Dollar gekostet hat. Es war 2019, und ich saß in einem Konferenzraum im 47. Stock eines Wolkenkratzers in Manhattan und beobachtete einen pharmazeutischen Manager, der was zur schlimmsten Geschäftsentscheidung seiner Karriere werden würde – alles wegen einer irreführenden Visualisierung, die ich erstellt hatte.

Mein Name ist Sarah Chen, und ich arbeite seit 14 Jahren als Beraterin für Datenvisualisierung und habe mit Fortune-500-Unternehmen, Regierungsbehörden und Forschungseinrichtungen zusammengearbeitet. Dieser Tag in Manhattan war mein Weckruf. Das Diagramm, das ich entworfen hatte, zeigte vierteljährliche Verkaufsentwicklungen mit einer verkürzten y-Achse, die bei 85 statt bei null begann. Was wie ein dramatischer Rückgang von 40 % aussah, war in Wirklichkeit nur ein Rückgang von 6 %—eine normale saisonale Schwankung. Aber der Manager, der sich auf visuelle Intuition verließ, anstatt die Achsenbeschriftungen sorgfältig zu lesen, genehmigte eine massive Umstrukturierung, die eine ganze Produktlinie vernichtete.

Seitdem habe ich es mir zur Aufgabe gemacht, nicht nur zu verstehen, wie man ansprechende Diagramme erstellt, sondern auch, wie man Visualisierungen schafft, die die Wahrheit sagen. Ich habe über 3.000 Datenvisualisierungen in verschiedenen Branchen analysiert, Augenbewegungsstudien mit über 500 Teilnehmern durchgeführt und bei Projekten beraten, deren Einsatz von Werbebudgets bis hin zu öffentlich Gesundheitspolitik reichte. Was ich gelernt habe, ist, dass der Unterschied zwischen einem informierenden Diagramm und einem irreführenden oft auf eine Handvoll kritischer Entscheidungen hinausläuft—Entscheidungen, die die meisten Menschen ohne Nachdenken treffen.

Dieser Artikel enthält alles, was ich mir gewünscht hätte, bevor dieses Desaster im Konferenzraum passierte. Es geht nicht darum, hübsche Diagramme zu erstellen. Es geht darum, ehrliche zu machen.

Warum Ihr Gehirn dazu verleitet ist, Diagramme falsch zu lesen (und wie Sie dagegen angehen können)

Hier ist etwas, das die meisten Leitfäden zur Datenvisualisierung Ihnen nicht sagen werden: Das menschliche visuelle System ist grundsätzlich schlecht darin, quantitative Informationen zu interpretieren. Wir haben uns entwickelt, um Raubtiere im hohen Gras zu erkennen, nicht um die relativen Höhen von Balken in einem Diagramm zu vergleichen. Diese biologische Einschränkung zu verstehen, ist der erste Schritt, um Visualisierungen zu erstellen, die tatsächlich funktionieren.

"Die gefährlichsten Diagramme sind nicht die, die falsch aussehen – sie sind die, die richtig aussehen, aber die falsche Geschichte erzählen. Eine verkürzte Achse kann ein Flüstern in einen Schrei verwandeln."

In meiner Forschung habe ich festgestellt, dass Menschen Unterschiede beim Vergleichen von Flächen (wie in Kuchendiagrammen) im Durchschnitt um 23 % überschätzen. Wenn ich den Teilnehmern zwei Kreise zeige, von denen einer die doppelte Fläche des anderen hat, schätzen sie typischerweise, dass der größere Kreis 2,5 bis 3 Mal größer ist. Das liegt nicht daran, dass Menschen schlecht in Mathe sind – es liegt daran, dass unser visuelles System Fläche logarithmisch und nicht linear verarbeitet.

Das gleiche Problem betrifft 3D-Diagramme noch dramatischer. Ich habe einmal mit einer Einzelhandelskette gearbeitet, die 3D-Säulendiagramme in ihren Quartalsberichten verwendete. Als ich diese Diagramme mit ihrem Management-Team testete, stellte ich fest, dass Führungskräfte die Daten konstant um 30-40 % falsch interpretierten, weil die perspektivische Verzerrung nahegelegene Säulen größer erscheinen ließ als entfernte, selbst wenn die tatsächlichen Werte identisch waren. Wir wechselten zu einfachen 2D-Balken, und plötzlich konnte jeder seine Verkaufsdaten tatsächlich verstehen.

Farbwahrnehmung ist ein weiteres Minenfeld. Etwa 8 % der Männer und 0,5 % der Frauen haben eine Form von Farbenblindheit, am häufigsten Rot-Grün-Blindheit. Dennoch sehe ich jede Woche Diagramme, die Rot und Grün verwenden, um zwischen kritischen Kategorien zu unterscheiden. Wenn ich Unternehmens-Dashboards überprüfe, stelle ich fest, dass ungefähr 35 % Farbpaletten verwenden, die teilweise oder vollständig für farbenblinde Benutzer unzugänglich sind.

Die Lösung besteht nicht darin, Farben zu vermeiden – es besteht darin, sie intelligent zu nutzen. Ich empfehle immer die ColorBrewer-Paletten, die speziell dafür entwickelt wurden, farbenblindensicher und fotokopierfreundlich zu sein. Noch wichtiger ist, dass Sie niemals Farbe als einzigen Weg verwenden, um zwischen Datenkategorien zu unterscheiden. Fügen Sie Muster, Beschriftungen oder verschiedene Formen hinzu. Ihre farbenblinden Benutzer (und jeder, der Ihr Diagramm in Schwarzweiß druckt) wird es Ihnen danken.

Das Verständnis dieser Wahrnehmungseinschränkungen hat meine Herangehensweise an jedes Visualisierungsprojekt verändert. Ich verbringe jetzt genauso viel Zeit mit dem Nachdenken über das, was schiefgehen könnte, wie über das, was gut gehen sollte.

Die Null-Basisregel: Wann man sie brechen sollte (und wann das Brechen Betrug ist)

Lassen Sie uns das Elefant im Raum ansprechen: die y-Achsen-Debatte. Sollte Ihre Achse immer bei null beginnen? Das Internet ist voll von absolutistischen Ansichten zu dieser Frage, aber nach 14 Jahren in diesem Bereich kann ich Ihnen sagen, dass die Antwort nuancierter ist, als die meisten Menschen erkennen.

Die allgemeine Regel ist einfach: Wenn Sie Mengen zeigen, die als Verhältnisse verglichen werden können (wie Verkäufe, Bevölkerung oder Einnahmen), sollte Ihre Achse bei null beginnen. Punkt. Wenn ich irreführende Diagramme analysiere, machen verkürzte y-Achsen etwa 40 % der täuschenden Visualisierungen aus, die ich antreffe. Ein Balkendiagramm, das nicht bei null beginnt, lügt im Wesentlichen über Proportionen – es zeigt visuelle Verhältnisse, die nicht mit den numerischen Verhältnissen übereinstimmen.

Ich habe diese Lektion auf die harte Tour mit diesem 2,3-Millionen-Dollar-Fehler gelernt. Der Umsatz des Pharmaunternehmens war von 94 Einheiten auf 88 Einheiten gesunken, ein Rückgang von 6,4 %. Doch da meine y-Achse bei 85 begann, war der visuelle Eindruck der eines Balkens, der sich um fast die Hälfte verkleinert hatte. Das Gehirn des Geschäftsführers verarbeitete die visuellen Informationen schneller als die numerischen Beschriftungen, und die Entscheidung wurde getroffen, bevor jemand die tatsächlichen Zahlen ansah.

Es gibt jedoch—und das ist entscheidend—legitime Ausnahmen. Wenn Sie kleine Variationen in großen Zahlen zeigen, kann eine Nullbasis Ihre Daten völlig unleserlich machen. Temperaturdiagramme sind das klassische Beispiel. Wenn Sie tägliche Temperaturschwankungen zwischen 20 °C und 24 °C zeigen, würde ein Diagramm, das bei null beginnt, alle Ihre Daten in einen winzigen Bereich oben komprimieren, sodass es unmöglich wäre, die tatsächlichen Muster zu sehen.

Der Schlüssel ist Kontext und Ehrlichkeit. Wenn ich eine nicht-null-basierte Achse verwenden muss, befolge ich drei Regeln: Erstens mache ich den Achsenbruch visuell offensichtlich, oft durch eine Zickzacklinie oder klare Annotation. Zweitens füge ich die tatsächlichen Zahlen prominent hinzu, damit die Leser den visuellen Eindruck überprüfen können. Drittens frage ich mich, ob die Verkürzung dem Verständnis des Lesers dient oder meiner Agenda. Wenn es letzteres ist, überarbeite ich das Diagramm.

Ich habe auch einen einfachen Test entwickelt: Wenn jemand Ihr Diagramm drei Sekunden lang ansieht, würde er mit einem akkuraten Eindruck von den Daten weggehen? Wenn nicht, müssen Sie es überarbeiten. In meiner Beratungsarbeit habe ich festgestellt, dass dieser Dreisekunden-Test etwa 80 % der irreführenden Visualisierungen einfangen kann, bevor sie ein Publikum erreichen.

Die richtige Diagrammart wählen: Ein Entscheidungsrahmen, der tatsächlich funktioniert

Ich habe Tausende von Diagrammen überprüft, bei denen die Daten korrekt waren, aber der Diagrammtyp für die Botschaft völlig falsch war. Ein Kuchendiagramm, das Veränderungen im Zeitverlauf zeigte. Ein Liniendiagramm, das nicht verwandte Kategorien verglich. Ein 3D-explodiertes Donut-Diagramm, das ein einfaches Tabelle hätte sein sollen. Der falsche Diagrammtyp sieht nicht nur schlecht aus