Streszczenie: Manipulacja wizualizacjami danych może być stosowana w celu ukrycia rzeczywistego obrazu sytuacji, wpływając na odbiorcę. Jedną z technik jest ukrywanie spadku lub wzrostu trendów w danych. Na przykład, zamiast przedstawiać spadek sprzedaży produktu B, można zastosować wykres skumulowany, który zniekształca prawdziwy obraz sytuacji. Zmiana skali również może prowadzić do mylnych wniosków – zmieniając początek skali wykresu, różnice między danymi stają się mniej lub bardziej zauważalne, co wpływa na ich interpretację. Kolejną techniką jest użycie wykresów 3D, które mogą optycznie zwiększać znaczenie niektórych danych, mimo że w rzeczywistości są one niewielkie.
Wszyscy mamy do czynienia ze statystyką, liczbami i wykresami – jako pracownicy, pracodawcy czy konsumenci. Czasami nie zdajemy sobie jednak sprawy, że za ich pomocą można w pewien sposób sterować naszym zachowaniem.
Złożone systemy danych – zwłaszcza w biznesie – są trudne do zrozumienia, a co dopiero do skorygowania, jeśli się ich najpierw nie zobaczy. Wizualizacje danych, choć bardzo przydatne, mogą służyć też manipulacji: wskazywaniu korzystnego rezultatu, kształtowaniu postaw oraz wpływaniu na konsumenckie wybory.
Oto krótki przegląd technik manipulacji danymi.
Ukrywanie trendu
Załóżmy, że chcemy przedstawić wartość sprzedaży czterech produktów naszej firmy. Niestety produkt B (kolor czerwony), który jest podstawą oferty, nie sprzedaje się tak dobrze jak we wcześniejszym okresie. Żaden problem – możemy to łatwo ukryć.
Czy zauważyliście, że sprzedaż produktu B w całym okresie zmalała ze 130 do 110 jednostek, a produktu A (kolor zielony) zwiększyła się o taką samą wartość?
Krótki przewodnik po manipulacji wizualizacjami danych
Przy zastosowaniu wykresu kolumnowego skumulowanego (stacked column) możemy sprawić, że spadek sprzedaży pozostanie niezauważony bądź nie będzie wyglądał na tak duży jak w rzeczywistości. Tylko obecność tabelki zdradza tak znaczny spadek sprzedaży produktu B. Co więcej, przy wizualizacji tych samych danych na wykresie liniowym widzimy wyraźnie prawdziwy obraz sytuacji – trend spadkowy jest zdecydowanie widoczny. Trudno uwierzyć, że oba wykresy przedstawiają te same dane, prawda?
Krótki przewodnik po manipulacji wizualizacjami danych
Zmiana skali
Zastosujmy te same dane, których używaliśmy powyżej. Na pierwszym wykresie skala zaczyna się od 0. Widzimy, że różnica np. między słupkami 2 a 7 nie jest znacząca.
Krótki przewodnik po manipulacji wizualizacjami danych
Na drugim wykresie wizualizacja tych samych danych. W tym przypadku skala zaczyna się od 100. Tutaj różnice między poszczególnymi słupkami są znaczące.
Krótki przewodnik po manipulacji wizualizacjami danych
Mylna perspektywa
Jak pisaliśmy wcześniej, „zobaczenie” danych w postaci wykresów ma ogromne znaczenie dla zrozumienia przekazu. Musimy jednak pamiętać, że nasze oczy potrafią nas też zwodzić.
Kiedy więc chcemy pokazać, że jakiś wskaźnik jest większy od innych – mimo że w rzeczywistości tak nie jest – możemy sięgnąć po wykresy trójwymiarowe (3D), w szczególności kołowe (cake). Zmiana perspektywy jest w tym przypadku bardzo prosta i prowadzi do ciekawych rezultatów.
Krótki przewodnik po manipulacji wizualizacjami danych
Powyżej jeden z wielu przykładów. W 2008 roku Steve Jobs przedstawiał udział firmy Apple w rynku smartfonów. Na wykresie powyżej (wykres jest wiernym odtworzeniem zaprezentowanego przez Steve’a Jobsa) wyraźnie widzimy, że kawałek odnoszący się do Apple jest większy od tego należącego do reszty (others). Nie jest również znacznie mniejszy od udziału RIM (BlackBerry). Jeżeli jednak spojrzymy na wartości procentowe, firma Apple miała wtedy o połowę mniej udziałów niż RIM. Na pierwszy rzut oka nie dostrzegamy, że jest to wykres 3D. Został sprytnie obrócony – tak, aby wyglądał na bardziej pionowy. Efekt zostaje pogłębiony poprzez zmianę wielkości czcionki, mniejsza została użyta w udziałach mniej znaczących, tej samej wielkości w udziałach RIM, Apple i Others.
Zręczne grupowanie
Na wykresie po lewej stronie widzimy przychody (w liczbach bezwzględnych) poszczególnych grup w zależności od wysokości zarobków. Trudna do wykrycia manipulacja polega na zgrupowaniu wyników w różne kategorie tak, aby wykres przyjmował pożądany przez nas kształt. Dzięki temu z wykresu bliskiemu do rozkładu normalnego (po lewej stronie) możemy uzyskać wykres „kija hokejowego” (wykres po prawej stronie).
Krótki przewodnik po manipulacji wizualizacjami danych
Kiedy przyjrzymy się wykresowi z lewej strony, dochodzimy do wniosku, że najwięcej pieniędzy posiadają ludzie należący do klasy średniej. Na wykresie po prawej stronie kilka kategorii zostało zgrupowane w jedną większą. Możemy dojść do wniosku, że najwięcej pieniędzy ma klasa wyższa (od 200 tysięcy dolarów w górę). Te same dane mogą prowadzić do zupełnie różnych wniosków, a w konsekwencji np. do odmiennych decyzji obywatelskich, chociażby w wyborach.
Wykresy i analiza statystyczna potrafią bardzo ułatwić przedstawianie skomplikowanych danych. Jak pokazuje jednak kilka powyższych przykładów, powinniśmy być ostrożni w ich interpretowaniu. Wizualizacja to potężne narzędzie, które może być wykorzystywane także do niewłaściwych celów.
