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

Sai Lầm 2,3 Triệu USD Đã Thay Đổi Cách Tôi Nghĩ Về Biểu Đồ

Tôi vẫn nhớ khoảnh khắc chính xác khi một biểu đồ cột thiết kế kém đã khiến khách hàng của tôi mất 2,3 triệu USD. Đó là năm 2019, và tôi đang ngồi trong một phòng họp ở tầng 47 của một tòa nhà chọc trời ở Manhattan, nhìn một giám đốc dược phẩm đưa ra quyết định kinh doanh tồi tệ nhất trong sự nghiệp của ông—tất cả là do một hình ảnh trực quan gây hiểu nhầm mà tôi đã tạo ra.

Tên tôi là Sarah Chen, và tôi đã dành 14 năm qua với vai trò là một nhà tư vấn hình ảnh dữ liệu, làm việc với các công ty Fortune 500, các cơ quan chính phủ, và các tổ chức nghiên cứu. Ngày hôm đó ở Manhattan là tiếng chuông báo thức của tôi. Biểu đồ mà tôi thiết kế đã thể hiện xu hướng doanh số hàng quý bằng cách sử dụng trục y bị cắt ngắn bắt đầu từ 85 thay vì 0. Những gì trông như là một sự sụt giảm 40% thực sự chỉ là một sự giảm nhẹ 6%—biến động mùa vụ bình thường. Nhưng giám đốc, dựa vào trực giác hình ảnh thay vì đọc kỹ các nhãn trục, đã phê duyệt một cuộc tái cấu trúc lớn đã tàn phá cả một dòng sản phẩm.

Kể từ đó, tôi đã quyết tâm hiểu không chỉ cách tạo ra các biểu đồ đẹp mắt, mà còn cách tạo ra các hình ảnh trực quan trung thực. Tôi đã phân tích hơn 3.000 hình ảnh dữ liệu trong các ngành khác nhau, thực hiện các nghiên cứu theo dõi mắt với hơn 500 người tham gia, và tư vấn cho các dự án mà mức độ rủi ro từ ngân sách marketing đến chính sách sức khỏe cộng đồng. Những gì tôi học được là sự khác biệt giữa một biểu đồ thông tin và một biểu đồ gây hiểu nhầm thường phụ thuộc vào một số quyết định quan trọng—những quyết định mà hầu hết mọi người thường đưa ra mà không suy nghĩ.

Bài viết này là tất cả những gì tôi ước mình đã biết trước thảm họa phòng họp đó. Nó không chỉ là về việc tạo ra các biểu đồ đẹp. Nó là về việc tạo ra những biểu đồ trung thực.

Tại Sao Bộ Não Của Bạn Dễ Nhầm Lẫn Khi Đọc Biểu Đồ (Và Cách Để Đối Phó)

Có một điều mà hầu hết các hướng dẫn hình ảnh dữ liệu sẽ không nói với bạn: hệ thống thị giác của con người cơ bản là kém trong việc diễn giải thông tin định lượng. Chúng ta đã phát triển để phát hiện kẻ săn mồi trong cỏ cao, chứ không phải để so sánh chiều cao tương đối của các cột trong một biểu đồ. Hiểu được giới hạn sinh học này là bước đầu tiên hướng tới việc tạo ra các hình ảnh trực quan thực sự hiệu quả.

"Những biểu đồ nguy hiểm nhất không phải là những cái trông sai—chúng là những cái trông đúng nhưng lại kể câu chuyện sai. Một trục bị cắt ngắn có thể biến một lời thì thào thành một tiếng thét."

Trong nghiên cứu của tôi, tôi nhận thấy rằng mọi người liên tục đánh giá quá cao sự khác biệt khi so sánh diện tích (như trong biểu đồ hình tròn) trung bình là 23%. Khi tôi cho người tham gia xem hai vòng tròn mà một vòng có diện tích gấp đôi vòng kia, họ thường ước lượng vòng lớn hơn gấp 2,5 đến 3 lần. Đây không phải bởi mọi người kém về toán học—mà bởi vì hệ thống thị giác của chúng ta xử lý diện tích theo cấp số logarit, không phải cấp số tuyến tính.

Vấn đề tương tự ảnh hưởng đến các biểu đồ 3D một cách rõ rệt hơn. Tôi đã từng làm việc với một chuỗi bán lẻ sử dụng biểu đồ cột 3D trong các báo cáo hàng quý của họ. Khi tôi thử nghiệm những biểu đồ này với đội ngũ quản lý của họ, tôi phát hiện ra rằng các giám đốc thường xuyên đọc sai dữ liệu chừng 30-40% bởi vì sự méo hình khiến các cột gần hơn trông lớn hơn các cột xa hơn, ngay cả khi các giá trị thực là giống nhau. Chúng tôi đã chuyển sang các cột 2D đơn giản, và đột nhiên mọi người có thể hiểu thực sự dữ liệu bán hàng của họ.

Đánh giá màu sắc cũng là một cạm bẫy khác. Khoảng 8% nam giới và 0,5% phụ nữ có một số dạng khiếm khuyết về thị giác màu sắc, phổ biến nhất là mù màu đỏ-xanh lục. Tuy nhiên, tôi vẫn thấy các biểu đồ mỗi tuần sử dụng màu đỏ và xanh lục để phân biệt giữa các loại quan trọng. Khi tôi kiểm toán các bảng điều khiển doanh nghiệp, tôi nhận thấy rằng khoảng 35% sử dụng các bảng màu mà một phần hoặc hoàn toàn không thể truy cập cho người mù màu.

Giải pháp không phải là tránh màu sắc—mà là sử dụng chúng một cách thông minh. Tôi luôn khuyến nghị các bảng màu ColorBrewer, được thiết kế đặc biệt để an toàn cho người mù màu và thân thiện với bản sao. Quan trọng hơn, đừng bao giờ sử dụng màu làm cách duy nhất để phân biệt giữa các loại dữ liệu. Thêm các mẫu, nhãn hoặc hình dạng khác nhau. Những người dùng mù màu của bạn (và bất kỳ ai in biểu đồ của bạn trên nền trắng) sẽ cảm ơn bạn.

Hiểu những giới hạn cảm nhận này đã biến đổi cách tôi tiếp cận mỗi dự án hình ảnh trực quan. Tôi bây giờ dành nhiều thời gian suy nghĩ về những gì có thể sai lầm cũng như những gì nên đúng.

Quy Tắc Đường Cơ Bản Bằng Không: Khi Nào Nên Phá Vỡ Nó (Và Khi Nào Phá Vỡ Là Giả Dối)

Hãy đề cập đến vấn đề lớn trong phòng: cuộc tranh luận về trục y. Liệu trục của bạn có nên luôn bắt đầu từ 0 không? Internet đầy những quan điểm cực đoan về câu hỏi này, nhưng sau 14 năm trong lĩnh vực, tôi có thể nói với bạn rằng câu trả lời phức tạp hơn những gì mọi người nhận ra.

Quy tắc chung rất đơn giản: nếu bạn đang cho thấy các số lượng có thể so sánh dưới dạng tỷ lệ (như doanh số, dân số, hay doanh thu), trục của bạn nên bắt đầu từ 0. Đó là điều chắc chắn. Khi tôi phân tích các biểu đồ gây hiểu nhầm trong thực tế, các trục y bị cắt ngắn chiếm khoảng 40% các hình ảnh trực quan gây lừa dối mà tôi gặp. Một biểu đồ cột không bắt đầu từ 0 về cơ bản là đang nói dối về tỷ lệ—nó đang hiển thị các tỷ lệ hình ảnh không khớp với tỷ lệ số liệu.

Tôi đã học được bài học này theo cách khó khăn với sai lầm 2,3 triệu USD đó. Doanh số của công ty dược phẩm đã giảm từ 94 đơn vị xuống 88 đơn vị, tương đương sụt giảm 6,4%. Nhưng vì trục y của tôi bắt đầu từ 85, nên ấn tượng hình ảnh là một cột đã co lại gần như một nửa. Bộ não của giám đốc đã xử lý thông tin hình ảnh nhanh hơn các nhãn số, và quyết định đã được đưa ra trước khi ai đó nhìn vào các con số thực tế.

Tuy nhiên—và đây là điều quan trọng—có những ngoại lệ hợp lệ. Khi bạn hiển thị các biến động nhỏ trong các con số lớn, một điểm chuẩn bằng không có thể khiến dữ liệu của bạn trở nên hoàn toàn khó đọc. Biểu đồ nhiệt độ là ví dụ cổ điển. Nếu bạn đang cho thấy sự biến động nhiệt độ hàng ngày giữa 68°F và 74°F, một biểu đồ bắt đầu từ 0 sẽ nén tất cả dữ liệu của bạn vào một dải nhỏ ở trên cùng, khiến nó trở nên không thể theo dõi được các mẫu thực tế.

Chìa khóa là bối cảnh và sự trung thực. Khi tôi cần sử dụng một điểm chuẩn không phải là 0, tôi tuân theo ba quy tắc: Đầu tiên, tôi làm cho sự phá vỡ của trục trở nên rõ ràng về mặt hình ảnh, thường sử dụng một đường zigzag hoặc chú thích rõ ràng. Thứ hai, tôi bao gồm các con số thực một cách nổi bật, để người đọc có thể xác minh ấn tượng hình ảnh. Thứ ba, tôi tự hỏi liệu việc cắt ngắn có phục vụ cho sự hiểu biết của người đọc hay không, hay phục vụ cho mục đích của tôi. Nếu là cái sau, tôi thiết kế lại biểu đồ.

Tôi cũng đã phát triển một bài kiểm tra đơn giản: nếu ai đó nhìn thoáng qua biểu đồ của bạn trong ba giây, họ có rời đi với ấn tượng chính xác về dữ liệu không? Nếu không, bạn cần thiết kế lại nó. Trong công việc tư vấn của mình, tôi đã phát hiện ra rằng bài kiểm tra ba giây này phát hiện khoảng 80% các hình ảnh trực quan gây hiểu nhầm trước khi chúng đến tay khán giả.

Chọn Loại Biểu Đồ Phù Hợp: Một Khung Quyết Định Thực Sự Hoạt Động

Tôi đã xem xét hàng nghìn biểu đồ mà dữ liệu chính xác nhưng loại hình ảnh trực quan hoàn toàn không phù hợp với thông điệp. Một biểu đồ hình tròn thể hiện sự thay đổi qua thời gian. Một biểu đồ đường so sánh các danh mục không liên quan. Một biểu đồ bánh donut 3D lộn ngược mà lẽ ra nên là một bảng đơn giản. Loại biểu đồ sai không chỉ trông không đẹp...