《經濟學人》雜誌非常重視資料視覺化，每週都會在紙質版、網站和應用上釋出大約40個圖表。對於每一個數字，作者都儘可能準確地將數字視覺化，並以一種最好的方式支援故事。
但有時圖表設計師也會搞錯，從錯誤中學習，可以在未來做得更好 — — 其他人也可以從這些錯誤中學習。
在深入研究《經濟學人》的檔案後，作者發現了幾個有指導意義的例子。
作者對資料視覺化的錯誤分為三類：
1️⃣圖表具有誤導性，
2️⃣令人困惑，
3️⃣不能說明問題。
對於每一種圖表，作者提出了一種改進的版本，這種版本具有大小類似的版面佔比 — — 在繪製印刷圖表時這是一個重要的考慮因素。
（大多數“原始”圖表是在作者重新設計圖表之前釋出的；改進後的圖表是根據新規格重新繪製的，並不改變原始資料。）
正文部分圖表左圖為原圖，右圖為經過最佳化設計的圖表。
誤導性圖表
從資料視覺化中最嚴重的錯誤開始：以誤導性的方式呈現資料。圖表設計師從不故意這樣做，但它確實時不時發生，讓我們看看檔案中的三個例子。
❌錯誤：截斷比例
該圖表顯示了按政治左翼劃分的 Facebook 帖子的平均點贊數，這張圖表的目的是為了顯示Corbyn先生的帖子與其他人的帖子平均點贊數之間的差異.
原始圖表不僅淡化了 Corbyn 先生的點贊數，而且誇大了其他帖子的平均點贊數。在重新設計的版本中，我們完整展示了 Corbyn 先生的資料條，也保留了其他人的資料。
另一個圖示的最佳化是顏色的選擇。為了模仿工黨的配色方案，作者首先使用了三種橙色/紅色陰影來區分 Jeremy Corbyn、其他國會議員和政黨/團體。雖然開始使用的配色邏輯對很多讀者來說可能是顯而易見的，但對於那些不太熟悉英國政治的人來說，這可能沒什麼意義。
❌錯誤：透過挑剔的尺度強迫建立關係
上面的圖表描述了一個關於狗體重下降的趨勢。乍一看，狗的體重和脖頸圍似乎完全相關，但這是真的嗎？只是在某種程度上。
在原始圖表中，兩個尺度的區間都只包含三個單位（體重從 21 到 18；脖頸圍從 45 到 42），但是如果按百分比計算，體重的比例下降了 14%，而脖頸圍的比例下降了 7%。在重新設計的圖表中，作者保留了雙刻度但調整了它們的範圍來反映可比的趨勢變化。
考慮到這張圖表的有趣話題，這個錯誤似乎相對較小，畢竟圖表的資訊在兩個版本中是相同的。但這依舊給我們一個重要的提示：如果兩個曲線彼此太接近，那麼仔細檢視並調整尺度範圍可能是個好主意。
❌錯誤：選擇了錯誤的視覺化方法
這是一則釋出在每日新聞應用 Espresso 中的投票圖表，它顯示了對歐盟公投結果的態度，資料首先被繪製為折線圖。從資料來看，似乎受訪者對公投結果的看法相當不穩定 — — 周與周之間會增加和減少幾個百分點。
圖表設計者沒有用平滑的曲線繪製單個民意調查以顯示趨勢，而是將每個單個民意調查的實際值連線起來。發生這種情況主要是因為先前沒有繪製平滑線的內部圖表工具，作者還不太習慣應用更復雜的視覺化的統計軟體（如 R）。今天，所有人都能夠繪製一張投票趨勢圖表，就像上面重新設計的圖表一樣。
這張圖表中需要注意的另一件事是打破規模的方式。原始圖表將資料散佈得比應有的更寬。在重新設計的版本中，作者在比例的開始位置和最小的資料點之間留出了更多的空間。Francis Gagnon為此提出了一個很好的公式：目標是在不從零開始的折線圖下留下至少 33% 的繪圖區域。
令人困惑的圖表
不像誤導性圖表那麼嚴重，難以閱讀的圖表是視覺化工作做得不好的標誌。
❌錯誤：把“思維延伸”做得有點過頭了
《經濟學人》鼓勵製作“引人入勝”的新聞報道，但是有時創作者走得太遠了。上圖顯示了美國的商品貿易逆差和製造業就業人數。
該圖表非常難以閱讀，它有兩個主要問題。首先，一個資料系列（貿易逆差）的值完全為負，而其他資料系列（製造業就業）的值都為正。將這些差異合併在一張圖表中而不平滑任一資料曲線是具有挑戰性的。如果要對其進行改進會面臨第二個問題：兩個資料系列不共享公共基線，貿易逆差的基線位於圖表的頂部（由紅線突出顯示），而右側刻度的基線位於底部。
重新設計的圖表顯示無需合併兩個資料系列。貿易逆差與製造業就業之間的關係依然清晰，只需要極少的額外空間。
❌錯誤：混淆顏色的使用
這張圖表比較了一些國家的政府養老金支出與 65 歲以上人口的比例，尤其是巴西。為了保持圖表較小，視覺化工具只標記了一些國家，並以鐵藍色突出顯示，而經合組織平均值以淡藍色突出顯示。
視覺化者忽略了這樣一個事實，即顏色的變化通常意味著類別的變化。乍一看，這張圖表中的情況似乎也是如此 — — 所有鐵藍色似乎都屬於與深藍色不同的分組。而事實並非如此，這些資料點唯一的共同點是它們被選中被貼上標籤。
在重新設計的版本中，所有國家/地區的圓圈顏色保持不變，作者改變了那些沒有貼上標籤的不透明度，從而讓其他資料點脫穎而出。剩下的就是排版：重點國家巴西以粗體書寫，經合組織平均水平以斜體書寫。
隱藏其要點的圖表
最後一類中的錯誤不太明顯，像這樣的圖表不會誤導讀者，也不會很混亂。它們只是無法證明它們的存在是合理的 — — 通常是因為它們被錯誤地視覺化，或者因為設計者試圖在太小的空間裡塞進太多東西。
❌錯誤：包含太多細節
多麼絢爛的彩虹！作者在一篇關於德國預算盈餘的專欄文章中發表了這張圖表，它顯示了十個歐元區國家的預算平衡和活期賬戶平衡。
根據不同國家定義了大量的顏色，其中有些顏色很難區分，甚至由於相對值太小了而很難看見，這就導致圖表傳達的資訊是不可能完全辨認出來的。更重要的是，由於視覺化並沒有繪製所有歐元區國家的圖表，因此把這些國家的資料堆在一起沒有任何意義。
作者重新看了這篇報道，在專欄中提到了德國、希臘、荷蘭、西班牙和歐元區的總數。因此在重新設計的圖表版本中，作者決定只突出這些內容。為了解決只將選擇的國家疊加的問題，添加了另一個類別(“Others”)，包括所有其他歐元區國家。(重新設計的圖表中的活期賬戶總餘額低於原來的圖表。這是因為歐盟統計局(Eurostat)對資料進行了修訂。)
❌錯誤：大量資料，空間不足
受限於頁面上有限的空間，圖表設計者經常試圖將所有資料強制放入一個太小的槽中。雖然這節省了頁面上的寶貴空間，但它會產生一些後果。
如該圖表所示，該圖示描述了從2017 年 3 月開始男性是如何主導科學出版的，所有資料點都同樣有趣且與主題相關。但是透過提供如此多的資料，包括四個研究領域類別以及發明人的份額，大量資訊很難被讀者接受。
經過深思熟慮，作者決定不重新設計此圖表。如果要保留所有資料，圖表就會變得太大而無法包含一個簡潔的故事。在這種情況下，最好剪掉一些東西。或者，可以顯示某種平均衡量標準，例如女性在所有領域發表的平均出版物份額，對圖表進行重新設計。
英文原文：Sarah Leo《The Economist》
文章來源：可以叫我才哥
文章連結：https://mp.weixin.qq.com/s/hxtnNbfqKOhfgNKBkIU41g
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。各位也可以關注我的Facebook，按讚我的臉書並私訊「10」，送你十週入門數據分析電子書唷！期待你與我互動起來~
文章推薦
◆跟資料打交道的人都得會的這8種資料模型，滿足工作中95%的需求
回顧十週入門數據分析系列文：
關注數據君的臉書：
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。按贊我的臉書，會有豐富資料包贈送唷！
