6 Eksempler på Dårlige Datavisualiseringer
Vi gennemgår seks dårlige datavisualiseringer, ser på hvorfor de fejler, og viser, hvordan de kan forbedres.

Hvad Er En Dårlig Datavisualisering?
En dårlig datavisualisering er en, der vildleder eller forvirrer sit publikum, hvad enten det sker gennem forvrængede proportioner, et rodet design eller den forkerte diagramtype, så dataene er sværere at forstå, end de rå tal ville være.
Datavisualiseringer er en af de mest overbevisende og effektive måder at forstå verden omkring os på. Det skyldes, at datavisualiseringer fortæller historier og kreativt præsenterer et datasæt for et publikum for at informere dem om et givet emne eller fænomen. Selvom visualiseringer er blevet stadig mere komplekse, informative og sofistikerede, går de nogle gange lidt for langt… ved at give for meget information eller blive for kreative til deres eget bedste.
Hvad Gør En Datavisualisering Dårlig?
Når visualiseringer bliver indviklede i stedet for hjælpsomme for deres tiltænkte publikum, og indviklede i stedet for lette at forstå, bliver selve formålet med visualisering undermineret.
Det kan ske på flere måder:
- Dårlige farvevalg
- Uforholdsmæssig størrelse på visuelle elementer
- Overflødige eller redundante data
- At arrangere dataene på en måde, der simpelthen ikke giver mening.
Kort sagt: Datavisualiseringer bliver dårlige, når deres data ser rodede eller uklare ud.
I denne artikel ser vi på eksempler på dårlige datavisualiseringer. Vi gennemgår, hvor grafikken gik galt—men vi forklarer også, hvordan den kan forbedres, så den bedre kan præsentere den historie, den forsøger at fortælle.
Byg dit eget
1. Uklar Dataretning
Uorganiserede data skaber en usammenhængende fortælling.
Problemet
I denne grafik ser vi den gennemsnitlige alder, hvor unge europæere flytter hjemmefra: de nordiske lande yngst, Vest- og Centraleuropa i midten af 20'erne og Østeuropa og Middelhavslandene i slutningen af 20'erne (eller endnu senere!). Boblerne repræsenterer lande, og hver bobbel angiver landets gennemsnitsalder for at "forlade reden". Boblens farve afhænger af denne gennemsnitsalder.
Overordnet set er det ikke et dårligt koncept. Men her er problemet: boblerne er ikke arrangeret på nogen meningsfuld måde. De røde lande ser ud til at klynge sig lidt nederst og de blå lande øverst—men det er også det hele. Det er måske et forsøg på et kort over Europa, men vi kan ikke være sikre.
Boblen, der angiver EU's gennemsnitsalder for at flytte hjemmefra, er næsten umulig at få øje på. Den ligger yderst til venstre i grafikken og kan hverken i størrelse eller format skelnes fra landenes bobler. Kort sagt er det manglende element her organisering.

Løsningen
En mere effektiv måde at organisere disse data på ville være at opbygge dem i farvekodede lag, hvor hovedparten af de gule lande ligger i midten og aftager mod de blå og røde kategorier over og under.
EU-boblen kunne enten placeres ved siden af eller i midten af det gule lag. Uanset placeringen bør den have et særpræg—såsom større størrelse eller fed tekst—der viser dens betydning.
Med disse rettelser kunne læserne ikke kun kende forskellene i alder for udflytning fra land til land, men også forstå, hvordan disse datapunkter hænger sammen, så de kan drage sammenhænge og konklusioner om dette sociale fænomen.
Sådan hjælper Plecto med at løse uklar dataretning
Med foruddefinerede visualiseringer som søjlediagrammer, liniediagrammer, speedometre og meget mere guider Plecto brugerne mod gængse formater, hvor tydelige akser, hierarki og organisering er indbygget i designet.
2. For Mange Variabler
Overbelastede visuelle elementer gør data svære at læse.
Problemet
Dette diagram er et klassisk tilfælde af TMI (for meget information)! Dataene måles her ikke kun på de sædvanlige to, men på tre akser: antal, måned og type frugt. Vi kan godt værdsætte diagrammets flerdimensionalitet og forsøget på at formidle så mange data som muligt, men det er simpelthen for meget at forstå ved første øjekast.
Og det giver alvorlige problemer, når grafikken skal fortolkes. Det er for eksempel svært at fastslå antallet af citroner på tværs af alle måneder og umuligt at se antallet af bananer i februar og marts.
Læseren kan heller ikke præcist se antallet af frugter for nogen af søjlerne i grafens midterste del. Hvis de ikke er placeret direkte op mod talgitteret, er mængden af frugt stort set umulig at afgøre.

Løsningen
Løsningen på denne grafs problem er at fjerne en af akserne, så den nye graf kun måler to elementer i stedet for tre. Det giver flere grafer til at formidle den samme mængde information, men de vil være langt lettere at læse.
Man kunne for eksempel følge antallet af solgte appelsiner over de fire måneder og lave tilsvarende grafer for æbler, citroner og bananer. Alternativt kunne man følge de fire typer solgt frugt i januar og lave tilsvarende grafer for de resterende tre måneder.
Sådan hjælper Plecto dig med at undgå for mange variabler
Plecto gør det nemt at filtrere, stable eller opdele variabler i flere læsbare diagrammer og giver dermed salgs- og supportledere mulighed for at analysere nøgletal efter medarbejder, team, tid eller andre variabler på forskellige widgets på samme dashboard. Denne fleksibilitet forhindrer trangen til at proppe for mange data ind i én forvirrende visualisering og giver stadig stærk indsigt i præstationen.
Byg dit eget
3. Kontraintuitive Procenter i Lagkagediagram
Uoverensstemmelse mellem en brøk og dens visualisering ødelægger den intuitive oplevelse.
Problemet
Konceptet bag dette specialdesignede lagkagediagram er kreativt og helt unikt. Men vi må altså sige det—segmentstørrelserne stemmer ikke overens med de angivne procenter. Hver side af en sekskant svarer til en sjettedel, eller 16,67 procent af sekskantens samlede areal, og det, vi ser her, afviger fra denne grundlæggende virkelighed.
På en eller anden måde fylder fruktosesektionen (38,5 procent) markant mere end glukosesektionen (31,0 procent), som igen kun er lidt større end vandsektionen (17,1 procent). Og den lille flig på 0,5 procent til mineraler, vitaminer og enzymer er langt for stor i forhold til den angivne procentdel.

Løsningen
Det er helt fint at give et typisk, "kedeligt" lagkagediagram et kreativt twist—men det må ikke ske på bekostning af statistisk nøjagtighed eller almindelig sund fornuft. Heldigvis er løsningen på dette mislykkede bikubediagram enkel: omstrukturér grafens sektioner, så de står i forhold til deres angivne værdier.
Sådan hjælper Plecto med at undgå uforholdsmæssige segmenter i lagkagediagrammer
Plecto sikrer statistisk nøjagtighed med donutdiagrammer, der beregnes automatisk, så et segments størrelse er perfekt proportional med dets angivne værdi, hvilket garanterer en visuel fremstilling, der altid er tro mod dataene. Og så ser de i øvrigt godt ud.
4. Uforholdsmæssig Størrelse på Piktogrammer
Overdrevne billedstørrelser forstørrer—og vildleder om—den reelle størrelse på forskellen.
Problemet
Dette er endnu et tilfælde af forkerte proportioner, men af en anden type. Her viser to søjlediagrammer antallet af kandidater i kohorte A og B: én kandidat i A og tre i B. Men i stedet for søjler bruger diagrammerne piktogrammer. Diagrammet til venstre bruger enkeltstående enheder til at tælle antallet af kandidater, mens diagrammet til højre bruger ét stort piktogram til at vise den samme mængde.
Det er her, problemet opstår for diagrammet til højre. I stedet for blot at angive en mængde introducerer et skalerbart piktogram endnu en dimension—ikke kun antal, men også størrelse.
Det skaber en situation, hvor piktogrammet, for at bevare proportionerne og samtidig ramme "3", skaleres til en størrelse, der får publikum til at tro, at forskellen mellem A og B er langt større, end den i virkeligheden er. B-kandidaten ser faktisk ikke bare tre gange større ud end A-kandidaten, men seks eller syv gange større!

Løsningen
Løsningen på denne dårlige grafik (til højre) findes i den meget bedre grafik til venstre. Her er tre piktogrammer af samme størrelse stablet oven på hinanden, hvilket proportionalt (og korrekt) viser forskellen mellem 1 og 3.
Når man tænker på, hvordan data skal vises, må man huske, hvad der præcis repræsenteres: forskel i proportion (forholdet mellem dele af en helhed) eller forskel i numerisk mængde (sammenligning af værdier eller mængder på tværs af kategorier eller tid).
Hvis du vil se en proportional fremstilling, bør du bruge visualiseringer som lagkage- (donut-) diagrammer, stablede søjlediagrammer eller trækort. Men hvis du blot vil sammenligne størrelser på datasæt, skal du bruge enkeltstående enheder—eller en simpel søjle—til at repræsentere dem realistisk.
Sådan hjælper Plecto dig med at undgå uforholdsmæssig enhedsvisualisering
Glem problemer med skalering, når du kan automatisere visualiseringen. Plecto bruger fast størrelse til sammenligning af enheder og forhindrer dermed skaleringsfejl. Til sammenligning af mængder bruges som standard almindelige søjle- og kolonnediagrammer til nøjagtigt at vise forskelle mellem enkeltstående enheder. Det sparer ikke bare tid, men ser også professionelt ud og viser præstationen præcis, som den er.
5. Forvrænget Visning af Lagkagediagram
Forvrængning af datavisualiseringers udseende skaber vildledende optiske illusioner.
Problemet
Som et eksempel på proportional frem for numerisk fremstilling viser de to lagkage- (donut-) diagrammer nedenfor proportionale andele af "dødsårsag". Når vi ser på diagrammet til højre, får vi indtryk af, at sektion B er den største sektion—eller i hvert fald lige så stor som sektion A. Men når vi ser på diagrammet til venstre, kan vi se, at det ikke er tilfældet, og at sektion A tydeligvis er den største. Hvad sker der?
3D-visningen af lagkagediagrammet til højre forvrænger grafen, idet sektion B vippes mod beskueren, så den ser langt større ud, end den i virkeligheden er. Kort sagt er det et trick for øjet—et, der ikke præsenterer direkte falske oplysninger, men skaber et vildledende billede af virkeligheden.

Løsningen
Løsningen her er helt enkel: undgå 3D-lagkagediagrammer, som uundgåeligt forvrænger de data, du præsenterer, og brug 2D-diagrammer i stedet. Det er mere ærligt og sikrer også, at du får de mest pålidelige og nøjagtige data. Det er især vigtigt, fordi så meget af det, der betragtes som "god" datavisualisering, bygger på førstehåndsindtryk for at skabe ikke blot læsbarhed, men også sandfærdighed.
Sådan hjælper Plecto dig med at undgå at forvrænge data
Plecto bruger udelukkende 2D-visualiseringer til centrale diagrammer som donut-, linje- og søjlediagrammer, hvilket fjerner risikoen for forvrængning fra 3D-perspektiver og garanterer, at dine data ved første øjekast fremstår visuelt sandfærdige.
Boost performance with real-time dashboards
Start your free trial today and see the difference data visualization makes.
6. Hvor Skal Man Begynde…?
Hvis man ikke er opmærksom på, hvad man måler, og hvordan, bliver en grafik meningsløs.
Problemet
Til den store finale: en visualisering med ikke blot ét eller to, men flere problemer! Denne grafik viser, hvordan medlemmer af "Baby Boomer"-generationen beskriver sig selv, hvor hver beskrivelse er angivet med en forskellig farvekodet procentdel på en menneskefigur.
Grafikken er i bund og grund et "kreativt" lagkagediagram, ligesom det tidligere bikubeeksempel på listen (nr. 3). Men hvor bikubegrafikken blot ikke repræsenterede proportionerne korrekt, begår denne grafik flere statistiske og designmæssige synder:

- De angivne procenter giver ikke 100, men 243. Her, hvor der ikke er overlap mellem kategorierne, får beskueren indtryk af, at grafikeren har begået en alvorlig statistisk fejl.
- De områder, der er afsat til hver kategori, svarer slet ikke til deres angivne procenter. Det er helt tydeligt, at kategorien "menneskekender" (78 procent) ikke fylder 78 procent af menneskefiguren!
- Det er også uklart, hvorfor designeren valgte at bruge en menneskefigur og et tilsyneladende tilfældigt farveskema. Hvilken information giver disse designvalg læseren, eller hvilken information forsøger de at forstærke i læserens bevidsthed? Det ved vi simpelthen ikke.
Samlet set giver denne grafik et stærkt vildledende indtryk af den information, den forsøger at formidle. Når læseren ser menneskefiguren, forbinder vedkommende den mentalt med en helhed (såsom 100 procent) på samme måde som cirklen i et lagkagediagram.
Men når læseren ser kategoriprocenter, der overstiger 100 og ikke har noget visuelt grundlag i grafikken, konkluderer vedkommende, at tallene er placeret tilfældigt og ikke har nogen reel "historie" bag sig. Med andre ord bliver grafikken meningsløs.
Byg dit eget
Løsningen
Den eneste løsning på at rette denne grafik er at kassere den helt og begynde forfra—denne gang som et søjlediagram. Hvis grafikkens data overføres til et søjlediagram, kan det tiltænkte publikum bedre forstå forholdet mellem disse værdikategorier ("menneskekender", "kreativ" osv.) uden at få en falsk idé om, at værdierne skal "passe" numerisk sammen.
Hvis man kan få numeriske data frem for blot procenter, ville en endnu bedre løsning være at lave et Venn-diagram. Boblernes overlap ville give beskueren mere viden om forholdet mellem respondenternes værdier: hvor mange respondenter sagde for eksempel, at de både var "ledere" og "villige til at lære"? Og for at give beskueren et hurtigt indtryk af, hvor mange respondenter der falder i hver værdikategori, kan boblerne dimensioneres derefter.
Sådan hjælper Plecto med at forenkle datavisualisering
Plectos udvalg af mere end 10 widgettyper til datavisualisering giver brugerne en række formater til at repræsentere nøgleinformation, selv når der er overlappende variabler, eller når enkeltpersoner falder i to kategorier–såsom en Baby Boomer, der ser sig selv som både teknisk og menneskekyndig.
Vælg mellem speedometre, tabeller, donutdiagrammer, områdediagrammer eller kolonne- (søjle-) diagrammer for at visualisere præstations-KPI'er på den måde, der giver mest mening for dig. Plectos grundprincip er faktisk at bruge data på en enkel, men motiverende måde for at løfte teamets præstation!
Hvordan Ser et Dårligt Dashboard Ud?
De seks eksempler ovenfor er alle enkelte diagrammer. Et dashboard hæver indsatsen, fordi det placerer mange diagrammer på én skærm på samme tid, så små fejl lægger sig oven på hinanden og ender i en visning, ingen kan læse med et blik. Det er de mest almindelige designfejl i dårlige dashboards og måderne at rette dem på:
- For mange KPI'er. Tyve målinger på én skærm betyder, at ingen af dem skiller sig ud. Vælg de fem til syv, der driver handling, og giv alt andet sit eget dashboard.
- Intet visuelt hierarki. Når alle widgets har samme størrelse, har øjet intet sted at lande. Dimensionér og placér widgets efter vigtighed, så hovedtallet er størst.
- Forfængelighedsmålinger. Tal, der ser imponerende ud, men ikke ændrer nogen beslutning, fortrænger dem, der gør. Følg i stedet brugerdefinerede KPI'er, der er knyttet til et mål.
- Det forkerte diagram til målingen. Et lagkagediagram til tidsseriedata eller et liniediagram til kategorier tvinger læseren til at arbejde baglæns. Vælg diagramtype efter dataenes form.
- Forældede, statiske data. Et dashboard bygget på sidste uges eksport er en rapport, ikke et dashboard. Tilslut live data, så tallene bevæger sig i realtid.
Vil du se den modsatte side? Udforsk Plectos realtids-dashboards, eller læs vores gennemgang af de bedste datavisualiseringer med eksempler, der er gjort rigtigt.
Vil Du Undgå Disse Fejl i Visualisering? Prøv Plecto!
Afslutningsvis er her de seks problemer, vi har gennemgået—og deres løsninger:
- Uorganiserede data fortæller ikke en meningsfuld historie: Organisér databoblerne i et hierarkisk format.
- Overbelastede visuelle elementer gør data svære at læse: Skær ned på antallet af akser og variabler.
- Brøker ser ikke intuitivt ud, som de læses: Sørg for, at en fjerdedel ser ud som en fjerdedel i din visualisering.
- Dataenes måleenheder har forkert størrelse: Tag dig ikke for mange kunstneriske friheder med måleenheder.
- Visuel manipulation af data skaber vildledende indtryk: Undgå optiske illusioner, og hold dine data ærlige.
- Man forsøger at sige alt, men siger slet ingenting: Vid, hvad du måler, og hvordan du vil gøre det.
Fordi datavisualiseringer er allestedsnærværende, er det ikke overraskende, at der findes både gode og dårlige eksempler i overflod. Derfor er det vigtigt at kende advarselstegnene på en dårlig datavisualisering, så du kan sikre, at de data, du arbejder med, præsenteres på en pålidelig, valid og troværdig måde.
Med Plecto kan du undgå faldgruberne ved dårlig datavisualisering og stole på gennemprøvede visualiseringsmetoder, så din organisation kan få adgang til sine data på en gennemsigtig og nøjagtig måde. Denne klarhed giver dig den indsigt, du har brug for, til at træffe databaserede beslutninger og nå dine KPI-mål.
Spild ikke din tid på uduelige datavisualiseringer! Tilmeld dig en gratis Plecto-demo nedenfor i dag.
FAQ
Ofte stillede spørgsmål
Dataoverload opstår, når en visualisering forsøger at proppe for mange målinger eller farver ind i én visning, så publikum bliver forvirret og ikke kan identificere den vigtigste information. Plecto hjælper brugerne med at undgå det ved at levere rene, tilpasselige skabeloner, der lægger vægt på klarhed og hierarki. Med Plecto kan ledere vælge de mest relevante KPI'er og fremhæve kun de data, der kræver øjeblikkelig handling.
Et dårligt dashboard proppes med for mange KPI'er, giver alle widgets samme visuelle vægt, læner sig op ad forfængelighedsmålinger, bruger de forkerte diagramtyper eller kører på forældede data, så skærmen er umulig at læse med et blik. Et godt dashboard viser en håndfuld handlingsdrivende KPI'er i et tydeligt hierarki, opdateret i realtid.
De mest almindelige fejl er afkortede eller manipulerede akser, 3D-effekter, der forvrænger proportioner, for mange variabler i ét diagram, uforholdsmæssige størrelser, dårlige farvevalg og valg af den forkerte diagramtype til dataene. Hver af dem gør dataene sværere at læse eller direkte vildledende.
Et dårligt dashboard forsøger at vise alt og ender med ikke at kommunikere noget. Et godt dashboard viser kun de målinger, der driver beslutninger, i et tydeligt visuelt hierarki, opdateret i realtid. En hurtig test: kan nogen forstå det på få sekunder fra den anden side af lokalet?
Start din gratis 14-dages Plecto-prøveperiode i dag.
JAMES NIILER