Цифры не должны обманывать: обзор типичных ошибок при визуализации данных

Когда дизайнеры отдают предпочтение эффектным изображениям, а не точности, визуализация данных вводит в заблуждение. Чтобы достоверно передать данные, дизайнеры должны избегать типичных ошибок при визуализации данных.

Количественные данные бесполезны без интерпретации. Визуализация данных синтезирует смысл необработанных данных в связные выводы. Когда дизайнеры отдают приоритет привлекательным изображениям, а не точности, визуализации вводят в заблуждение. Чтобы донести данные достоверно, дизайнеры должны избегать распространенных ошибок при визуализации данных.

«Если достаточно долго мучить данные, они скажут вам что угодно».

Джон У. Туки

Джон Уайлдер Туки был человеком, посвятившим себя данным. Один из основателей статистического факультета Принстонского университета и изобретатель термина «программное обеспечение», Туки больше всего в аналитике любил «брать скучные, плоские данные и оживлять их с помощью визуализации». Однако, несмотря на весь свой энтузиазм в отношении цифр, Туки прекрасно осознавал, как данные могут быть неверно истолкованы, и даже предупреждал: «Визуализация часто используется во зло».

Двойственный потенциал – как позитивный, так и негативный – присущ не только визуализации данных, но, учитывая парадокс современности, это вопрос, требующий неотложного внимания при проектировании. Информации стало больше, чем когда-либо, и она стала более доступной, однако люди повсеместно не доверяют бюрократии, СМИ и бизнесу. Когда организации публикуют вводящие в заблуждение визуализации (намеренно или нет), разрыв в доверии увеличивается.

Какие факторы дизайна делают визуализации обманчивыми и как дизайнеры могут передать смысл данных с максимальной ясностью?

«Слепые зоны» в визуализации данных

«Графическое совершенство – это то, что дает зрителю наибольшее количество идей за наименьшее время с использованием минимального количества чернил на минимальном пространстве». – Эдвард Р. Тафт, «Визуальное представление количественной информации»

Зрение и познание человека – одни из самых удивительных явлений в природе:

• Свет попадает в глаз.
• Хрусталик передает информацию от света к сетчатке.
• Сетчатка преобразует информацию и посылает сигналы по зрительному нерву.
• Зрительный нерв передает 20 мегабит в секунду в мозг.

Переход от восприятия к мышлению происходит мгновенно, и мозг, перегруженный потребностями организма и внешними раздражителями, вынужден экономить энергию, определяя приоритеты: что следует расшифровать, а что – игнорировать.

В этот момент, когда восприятие и понимание сливаются воедино, визуализация данных показывает свою ценность. При этом многие визуализации подсказывают зрителям, что они «должны» увидеть в данных, и перегруженный мозг одобрительно кивает. Вступает в силу эффект подтверждения. Объективность теряется.

Справедливости ради стоит отметить, что вводящие в заблуждение визуализации не всегда являются результатом злых намерений, но даже непреднамеренные ошибки дезинформируют зрителей. Глаза легко поддаются впечатлениям, и люди склонны упускать из виду детали в поисках быстрых выводов. Зрительное восприятие и когнитивные процессы должны быть ключевым фактором при разработке любой визуализации данных.

10 ошибок визуализации данных, которых следует избегать

1. Вводящий в заблуждение цветовой контраст

Цвет – один из самых убедительных элементов дизайна. Даже едва заметные оттенки вызывают сильные эмоциональные реакции. Одна из сложностей визуализации данных заключается в том, что высокая степень цветового контраста может заставить зрителей поверить, что различия в значениях больше, чем на самом деле.

Например, тепловые карты отображают величину значений с помощью цвета. Высокие значения отображаются оранжевым и красным цветами, а более низкие – синим и зеленым. Разница между значениями может быть минимальной, но цветовой контраст создает впечатление повышенной активности.

При выборе цветовой гаммы также необходимо учитывать доступность. Руководство WCAG 2.2 не рекомендует использовать цвет в качестве единственного средства передачи информации. Визуализации данных, основанные исключительно на оттенках, могут оказаться нечитаемыми для пользователей с нарушениями цветового зрения. Сочетание узоров или текстур с цветом, а также добавление пиктограмм гарантирует, что ваши данные будут понятны всем пользователям, и в большинстве случаев повышает наглядность для всех.

Рекомендации для дизайнеров:

• Цвет – это не просто способ различать ряды данных.
• Высококонтрастные цветовые сочетания заставляют зрителей воспринимать различия в данных как более значительные.
• Цвет не должен быть единственным отличительным признаком между наборами данных; проектируйте с учетом всех пользователей.

‍2. Неправильное использование 3D-графики

Двумерные представления трехмерного пространства увлекают зрителей на протяжении веков, но 3D-графика создает две серьезные проблемы для визуализации данных.

Проблема возникает, когда один 3D-объект частично перекрывает другой. Это результат имитации пространства реального мира, где объекты имеют разные координаты по осям X, Y и Z. При визуализации данных перекрытие может скрывать важные данные и создать ложные иерархии, в которых объекты, не перекрываемые другими, кажутся наиболее важными.

Искажение возникает, когда 3D-объекты уходят вглубь или выступают из плоскости изображения из-за перспективы. В живописи ракурс создает впечатление, будто объекты находятся в трехмерном пространстве, но при визуализации данных он приводит к появлению дополнительных ложных иерархий. Графика на переднем плане кажется больше, на заднем – меньше, а взаимосвязь между рядами данных излишне искажается.

Выводы для дизайнеров:

• 3D-графика привлекает внимание, но при этом может перекрывать важную информацию и искажать соотношения масштабов между рядами данных.
• Если 3D-графика не является абсолютно необходимой, визуализируйте данные в 2D.

3. Избыток данных

Это извечная проблема дизайна – что включить, а что исключить, чтобы донести информацию ясно и понятно. Это также одна из сложностей визуализации данных, особенно когда данных много и они заставляют задуматься.

В чем соблазн? Сделать глубокий вывод с помощью одной-единственной визуализации.

В чем проблема? Люди не способны легко осмыслить значение множества значений, представленных в абстрактной визуальной форме.

Когда визуализации содержат слишком много данных, информация перегружает восприятие, и данные сливаются в графический «суп», который большинство зрителей не в состоянии воспринять.

Выводы для дизайнеров:

• Информационная перегрузка – это ловушка визуализации данных. Если сразу представлено слишком много информации, зрители теряют интерес.
• Более эффективным может быть представление данных с помощью нескольких визуализаций.

4. Манипуляции со шкалой измерения

Данные варьируются, иногда в широких пределах, например при измерении уровней дохода или избирательных предпочтений в зависимости от географических регионов. Стремясь сделать визуализацию более эффектной или эстетичной, дизайнеры могут манипулировать значениями шкалы на графиках.

Распространенным примером является исключение базовой линии или начало оси Y где-то выше нуля, чтобы различия в данных выглядели более выраженными.

Еще один пример – усечение значений по оси X ряда данных, чтобы он казался сопоставимым с рядами, имеющими более низкие значения.

Выводы для дизайнеров:

• Эстетическая привлекательность подчиняется точному отображению данных.
• Исключение базовых линий и усечение шкалы с целью намеренного преувеличения или минимизации различий в данных является неэтичным.

5. Предвзятые текстовые описания

Умение давать подсказки – это искусство убеждения. Скажите человеку, что он должен увидеть на изображении, и он, скорее всего, это увидит. Текст, сопровождающий визуализации (сопроводительный текст, заголовки, метки, подписи), призван дать зрителям объективный контекст, а не манипулировать их восприятием данных.

Выводы для дизайнеров:

• Предвзятый текст обычно появляется при установлении корреляций между наборами данных (и намеке на причинно-следственную связь).
• Часто предвзятый текст исходит от клиентов, и именно дизайнеры должны обращать внимание на эту проблему.

6. Выбор неподходящего метода визуализации

Каждый метод визуализации данных имеет свои собственные области применения. Например, круговые диаграммы предназначены для сравнения различных частей целого. Они хорошо подходят для разбивки бюджета и результатов опросов (один и тот же круг), но не предназначены для сравнения отдельных наборов данных (разные круги).

Для визуализации доходов трех конкурирующих компаний можно использовать круговую диаграмму, однако столбчатая диаграмма позволит более наглядно продемонстрировать различия (или сходства) между ними. Если цель визуализации – показать динамику выручки во времени, то линейный график будет более подходящим вариантом, чем столбчатый.

Современные инструменты для прототипирования, такие как Figma, теперь поддерживают динамическую синхронизацию данных через плагины и интеграцию с API, что позволяет обновлять визуализации в режиме реального времени. Это упрощает для команд оценку методов визуализации в более реалистичных контекстах и является ценным инструментом для представления оперативных показателей заинтересованным сторонам. Минус заключается в том, что дизайнеры должны активно отслеживать изменения масштаба, ошибки отображения или аномалии в поступающих данных, которые могут сделать визуализацию вводящей в заблуждение или привести к визуальному сбою.

Выводы для дизайнеров:

• Методы визуализации данных не являются универсальными.
• Определите переменные, которые должна передавать визуализация.
• Динамические рабочие процессы с данными улучшают совместную работу над методами визуализации, но требуют тщательной проверки точности данных и их представления.

7. Запутанные корреляции

Визуализация корреляций между наборами данных – полезный способ дать пользователям больше контекста для понимание темы. Один из способов показать корреляции – наложение наборов данных на один и тот же график. Когда корреляции тщательно продуманы, наложения приводят к «моментам озарения». Когда же наложений слишком много, зрителям сложно установить связи.

Также существует возможность визуализировать корреляции таким образом, что это ложно подразумевает наличие причинно-следственной связи. Известный пример – установление связи между ростом продаж мороженого и всплеском преступлений, хотя и то, и другое является следствием теплой погоды.

Выводы для дизайнеров:

• Может быть полезно выделить корреляции с помощью нескольких визуализаций, расположенных в непосредственной близости друг от друга. Это позволяет зрителям самостоятельно оценивать данные и при этом устанавливать связи между ними.
• Стоит повторить: корреляция не равна причинно-следственной связи.

8. Увеличение масштаба для благоприятных данных

Данные и время неразделимы. Можно увеличить масштаб временных интервалов и показать данные, которые выгодно отражаются на более широких нарративах. Визуализация финансовых показателей – типичный пример такой ошибки. Рассмотрим график, на котором за короткий период показаны высокие показатели, создающие впечатление, будто бизнес процветает. К сожалению, при уменьшении масштаба становится видно, что компания пережила лишь незначительный подъем на фоне резкого и продолжительного спада.

Выводы для дизайнеров:

• Если визуализации с увеличенным масштабом не соответствуют тому, что показывают данные в целом, сообщите об этом пользователям.

9. Отказ от распространенных визуальных ассоциаций

Элементы визуального дизайна влияют на психологию человека. Иконки, цветовые схемы и шрифты несут в себе коннотации, которые влияют на восприятие зрителя. Когда дизайнеры игнорируют эти ассоциации или отказываются от них в пользу творческого самовыражения, это редко приводит к хорошим результатам.

Анализ визуализаций данных требует значительных умственных затрат. В критический момент познания мозг может не успеть разобраться в новом значении привычных элементов дизайна.

Выводы для дизайнеров:

• Существует бесчисленное множество способов привнести творческий эксперимент в визуализацию данных. Не отвлекайте внимание зрителей от данных, заставляя их переосмысливать привычные визуальные ассоциации.

10. Использование визуализации данных в первую очередь

Визуализация данных придает форму цифрам, которые трудно представить в контексте. Она раскрывает смысл, когда данные сложны и в них задействованы многочисленные переменные. Но визуализация не всегда необходима.

Если данные можно четко и лаконично донести с помощью статистических данных, то так и следует поступать. Если текстовое описание оказывается информативным, а отображение формы данных не оказывает значительного влияния, визуализация не нужна.

Выводы для дизайнеров:

• Визуализация данных — это инструмент коммуникации. Как и все инструменты, бывают случаи, когда она уместна, а бывают — когда лучше подойдет другой инструмент.

Визуализируйте данные объективно

Существует тенденция использовать визуализацию данных в качестве неопровержимого доказательства. «У нас есть данные. Вот что они означают. Точка». Однако великие умы XX века любили неопределенность и признавали, что даже самые убедительные данные подвержены ошибкам. Визуализация данных – это не неопровержимое доказательство.

Инструменты на базе искусственного интеллекта добавили новый уровень ответственности к процессу визуализации данных. Несмотря на свою полезность, эти платформы могут быть объективными лишь в той мере, в какой объективны предоставленные им наборы данных и параметры, заданные пользователем. Без контроля со стороны дизайнера визуализации, сгенерированные ИИ, могут демонстрировать вводящие в заблуждение корреляции, усиливать существующие предвзятости или скрывать важный контекст. Дизайнеры должны проверять полученные результаты объективно и критически, чтобы гарантировать, что автоматизированные выводы точно отражают данные.

Визуализации данных не являются утверждениями об истине. Это аналитические «моментальные снимки» – числовые реалии, представленные в форме, понятной человеческому глазу. Когда дизайнеры отказываются от избыточных визуальных решений и преодолевают эти вызовы визуализации данных, они способствуют объективности и развеивают опасения относительно предвзятости и обмана.