6 Beispiele für schlechte Datenvisualisierungen

Warum nicht alle Datenvisualisierungen gleich sind

Was ist eine schlechte Datenvisualisierung?

Datenvisualisierungen sind eine der überzeugendsten und effektivsten Möglichkeiten, die Welt um uns herum zu verstehen. Das liegt daran, dass Datenvisualisierungen Geschichten erzählen und ein Datensatz kreativ einem Publikum präsentiert wird, um es über ein bestimmtes Problem oder Phänomen zu informieren. Während Visualisierungen zunehmend komplexer, informativer und raffinierter geworden sind, gehen sie manchmal ein wenig zu weit… indem sie zu viele Informationen bereitstellen oder zu kreativ für ihr eigenes Wohl werden.

Was macht eine Datenvisualisierung schlecht?

Wenn Visualisierungen kompliziert und nicht hilfreich für ihr beabsichtigtes Publikum sind und kompliziert statt einfach zu verstehen, wird der eigentliche Zweck der Visualisierung untergraben.

Es gibt mehrere Möglichkeiten, wie dies geschehen kann:

• Schlechte Farbwahl
• Unverhältnismäßige Größen von visuellen Komponenten
• Das Vorhandensein von überflüssigen oder redundanten Daten
• Anordnung der Daten auf eine Weise, die einfach keinen Sinn ergibt.

Kurz gesagt: Datenvisualisierungen werden schlecht, wenn ihre Daten unordentlich oder unklar erscheinen.

In diesem Artikel werfen wir einen Blick auf Beispiele für schlechte Datenvisualisierungen. Wir werden analysieren, wo die Grafik falsch lag – aber wir werden auch erklären, wie man sie verbessert, damit sie die Geschichte, die sie erzählen möchte, besser präsentieren kann.

1. Unklare Datenrichtung

Unorganisierte Daten schaffen narrative Inkohärenz.

Das Problem 🤔

In dieser Grafik sehen wir die durchschnittlichen Altersgruppen, in denen europäische junge Menschen das Elternhaus verlassen: Die nordischen Länder am jüngsten, Westeuropa und Mitteleuropa in den mittleren 20ern und Osteuropa sowie die Mittelmeerländer in den späten 20ern (oder sogar später!). Blasen repräsentieren Länder, wobei jede die nationale Durchschnittsalter für das „Fliegen aus dem Nest“ enthält. Die Farbgebung der Blasen hängt von diesem Durchschnittsalter ab.

Insgesamt ist dies kein schlechtes Konzept. Aber hier ist das Problem: Die Blasen sind in keiner sinnvollen Reihenfolge angeordnet. Die roten Länder scheinen sich etwas am unteren Ende zu gruppieren, und die blauen Länder oben – aber das ist es auch schon. Dies könnte eine schlechte Darstellung einer Karte von Europa sein, aber wir können uns nicht sicher sein.

Bizarreweise ist die Blase, die das durchschnittliche EU-Alter für das Verlassen des Elternhauses anzeigt, kaum identifizierbar, da sie sich ganz links in der Grafik befindet und in Größe und Format von den anderen Länderblasen nicht zu unterscheiden ist. Kurz gesagt, der fehlende Schlüssel hier ist Organisation.

Die Lösung 💡

Ein effektiverer Weg, um diese Daten zu organisieren, wäre, sie in farbcodierten Schichten zu konstruieren, wobei der Großteil der gelben Länder in der Mitte liegt und zu den blauen und roten Kategorien oben und unten abfällt.

Die EU-Blase könnte entweder an die Seite oder in die Mitte der gelben Schicht platziert werden. Unabhängig von ihrer Platzierung sollte sie ein Unterscheidungsmerkmal haben – wie eine größere Größe oder fettgedruckten Text –, um ihre Bedeutung anzuzeigen.

Diese Verbesserungen würden es den Lesern ermöglichen, nicht nur zu wissen, wie die Unterschiede zwischen den „Fliegen aus dem Nest“-Altersgruppen nach Ländern aussehen, sondern auch zu verstehen, wie diese Datenpunkte zusammenpassen, sodass sie Korrelationen und Schlussfolgerungen über dieses soziale Phänomen ziehen können.

Wie Plecto hilft, unklare Datenrichtungen zu lösen

Mit vordefinierten Visualisierungen wie Balkendiagrammen, Liniendiagrammen, Geschwindigkeitsmessern und mehr, leitet Plecto die Benutzer zu gängigen Formaten, die klare Achsen, Hierarchie und Organisation in ihrem Design enthalten.

2. Zu viele Variablen

Überlastung visueller Komponenten macht Daten schwer lesbar.

Das Problem 🤔

Dieses Diagramm ist ein klassischer Fall von TMI (zu viele Informationen)! Die Daten hier werden nicht nur auf einer typischen, sondern auf drei Achsen gemessen: Anzahl, Monat und Fruchtart. Während wir die Multidimensionalität dieses Diagramms und den Versuch, so viele Daten wie möglich zu kommunizieren, schätzen können, ist es einfach zu viel, um es auf den ersten Blick zu verstehen.

Und das führt zu ernsthaften Problemen bei der Interpretation dieser Grafik. Es ist beispielsweise schwierig, die Anzahl der Zitronen über alle Monate hinweg zu ermitteln, und unmöglich, die Anzahl der Bananen im Februar und März zu sehen.

Der Leser kann auch nicht genau die Anzahl der Früchte für irgendeine der Balken im zentralen Teil des Diagramms bestimmen. Wenn sie nicht direkt gegen das Zahlenraster platziert sind, ist die Menge an Früchten praktisch unmöglich zu bestimmen.

Die Lösung 💡

Die Lösung für das Problem dieses Diagramms besteht darin, eine der Achsen zu eliminieren und das neue Diagramm nur zwei Komponenten anstelle von drei messen zu lassen. Während dies zu mehr Diagrammen führen wird, um die gleiche Menge an Informationen zu vermitteln, werden sie viel einfacher zu lesen sein.

Zum Beispiel könnte man die Anzahl der verkauften Orangen über die vier Monate hinweg verfolgen und entsprechende Diagramme für Äpfel, Zitronen und Bananen erstellen. Alternativ könnte man die vier Arten von Früchten, die im Januar verkauft wurden, verfolgen und entsprechende Diagramme für die verbleibenden drei Monate erstellen.

Wie Plecto hilft, zu viele Variablen zu vermeiden

Indem es den Benutzern ermöglicht, Variablen einfach zu filtern, zu stapeln oder in mehrere lesbare Diagramme zu trennen, ermöglicht Plecto Vertriebs- und Supportmanagern, wichtige Kennzahlen nach Mitarbeiter, Team, Zeit oder anderen Variablen auf verschiedenen Widgets im selben Dashboard zu analysieren. Diese Vielseitigkeit verhindert den Impuls, zu viele Daten in eine einzige, verwirrende Visualisierung zu quetschen, während sie dennoch leistungsstarke Einblicke in die Leistung bietet.

3. Gegenintuitive Kreisdiagramm-Prozentsätze

Missverhältnis zwischen einem Bruch und seiner Visualisierung kompliziert eine intuitive Erfahrung.

Das Problem 🤔

Das Konzept für dieses maßgeschneiderte Kreisdiagramm ist kreativ und entschieden einzigartig. Aber Mann, wir müssen es sagen – die Mathematik stimmt nicht! Während jede Seite eines Sechsecks gleich einem Sechstel oder 16,67 Prozent der Gesamtfläche des Sechsecks ist, wird hier diese grundlegende Realität völlig auf den Kopf gestellt.

Irgendwie nimmt der Fructose-Bereich (38,5 Prozent) viel mehr Platz ein als der Glucose-Bereich (31,0 Prozent), der wiederum nur leicht größer ist als der Wasserbereich (17,1 Prozent). Und der 0,5 Prozent große Anteil an Mineralien, Vitaminen und Enzymen ist viel zu groß für seinen angegebenen Prozentsatz.

Die Lösung 💡

Es ist in Ordnung, eine kreative Wendung auf ein typisches, „langweiliges“ Kreisdiagramm zu legen – aber das sollte nicht auf Kosten der statistischen Genauigkeit oder des gesunden Menschenverstandes geschehen. Glücklicherweise ist die Lösung für dieses missratene Honigwaben-Diagramm eine einfache: Umstrukturieren Sie die Diagrammsegmente, sodass sie im Verhältnis zu ihren angegebenen Werten stehen.

Wie Plecto hilft, unverhältnismäßige Segmente von Kreisdiagrammen zu vermeiden

Plecto gewährleistet statistische Genauigkeit, mit Donut-Diagrammen, die automatisch berechnet werden, um die Segmentgröße perfekt proportional zu ihrem angegebenen Wert darzustellen, und garantiert eine visuelle Darstellung, die immer wahrheitsgemäß zu den Daten ist. Außerdem, haben wir erwähnt, dass sie großartig aussehen?

4. Unverhältnismäßige Piktogrammgrößen

Übertriebene Bildgrößen vergrößern – und täuschen über – den wahren Maßstab des Unterschieds.

Das Problem 🤔

Dies ist ein weiterer Fall von falschen Proportionen, aber von einem anderen Typ. In diesem Fall zeigen zwei Balkendiagramme die Anzahl der Absolventen in den Kohorten A und B: ein Absolvent in A und drei in B. Aber anstatt Balken zu verwenden, nutzen die Diagramme Piktogramme. Das linke Diagramm verwendet diskrete Einheiten, um die Anzahl der Absolventen zu zählen; währenddessen verwendet das rechte Diagramm ein einziges großes Piktogramm, um die gleiche Menge anzugeben.

Hier liegt das Problem für das rechte Diagramm. Anstatt einfach die Menge anzugeben, führt die Verwendung eines skalierbaren Piktogramms ein weiteres Element der Dimensionalität ein – nicht nur der Anzahl, sondern auch der Größe.

Dies schafft eine Situation, in der, um das Piktogramm proportional zu halten und die „3“ zu erreichen, es auf eine Größe skaliert wird, die das Publikum glauben lässt, der Unterschied zwischen A und B sei viel größer, als er tatsächlich ist. Tatsächlich scheint der B-Absolvent nicht nur dreimal größer als der A-Absolvent zu sein, sondern vielmehr sechs oder sieben Mal größer!

Die Lösung 💡

Die Lösung für diese qualitativ schlechte Grafik (rechts) findet sich in der viel besseren Grafik (links). Hier sind drei Piktogramme gleicher Größe übereinander gestapelt, die proportional (und korrekt) den Unterschied zwischen 1 und 3 anzeigen.

Wenn man darüber nachdenkt, wie man Daten anzeigen kann, muss man sich daran erinnern, was genau dargestellt wird: Unterschied in Proportion (das Verhältnis zwischen Teilen eines Ganzen) oder Unterschied in numerischer Menge (Vergleich von Werten oder Mengen über Kategorien oder Zeit).

Wenn Sie eine proportionale Darstellung sehen möchten, verwenden Sie Visualisierungen wie Kreis (Donut)-Diagramme, gestapelte Balkendiagramme oder Baumkarten. Aber wenn Sie einfach die Größen von Datensätzen vergleichen möchten, verwenden Sie diskrete Einheiten – oder einen einfachen Balken –, um sie realistisch darzustellen.

Wie Plecto hilft, unverhältnismäßige Einheitendarstellungen zu vermeiden

Vergessen Sie Skalierungsprobleme, wenn Sie die Visualisierung automatisieren können. Plecto verwendet feste Größen für den Einheitvergleich und verhindert Skalierungsfehler. Für Mengenvergleiche werden standardmäßig Balken- und Säulendiagramme verwendet, um diskrete Unterschiede in den Einheiten genau darzustellen. Dies spart nicht nur Zeit, sondern sieht auch professionell aus und zeigt die Leistung genau so, wie sie ist.

5. Verzerrte Kreisdiagrammansicht

Die Verzerrung des Erscheinungsbildes von Datenvisualisierungen schafft täuschende optische Illusionen.

Das Problem 🤔

Als Beispiel für proportionale statt numerische Darstellung zeigen die beiden Kreis (Donut)-Diagramme unten proportionale Anteile von „Ursache des Todes.“ Wenn wir uns das Diagramm rechts ansehen, werden wir glauben, dass Abschnitt B der größte Abschnitt ist – oder zumindest von gleicher Größe wie Abschnitt A. Aber wenn wir uns das Diagramm links ansehen, sehen wir, dass dies nicht der Fall ist und Abschnitt A ganz klar der größte ist. Was ist da los?

Die 3D-Kreisdiagrammansicht rechts verzerrt die Grafik, wobei Abschnitt B zum Betrachter geneigt ist und dadurch dieser Abschnitt viel größer erscheint, als er tatsächlich ist. Kurz gesagt, es ist ein Trick des Auges – einer, der, obwohl er keine falschen Informationen direkt präsentiert, eine irreführende Wahrnehmung der Realität schafft.

Die Lösung 💡

Die Lösung hier ist wirklich einfach: Vermeiden Sie die Verwendung von 3D-Kreisdiagrammen, die zwangsläufig die Daten verzerren, die Sie präsentieren, und verwenden Sie stattdessen 2D-Diagramme. Dies ist ehrlicher und stellt auch sicher, dass Sie die zuverlässigsten und genauesten Daten erhalten. Dies ist besonders wichtig, da so viel von dem, was als „gute“ Datenvisualisierung gilt, auf den ersten Eindruck angewiesen ist, um nicht nur die Lesbarkeit, sondern auch die Wahrhaftigkeit zu etablieren.

Wie Plecto hilft, Datenverzerrungen zu vermeiden

Plecto verwendet ausschließlich 2D-Visualisierungen für Kern-Diagramme wie Donut-, Linien- und Balkendiagramme, wodurch die Möglichkeit von Verzerrungen durch 3D-Perspektiven ausgeschlossen wird und die visuelle Wahrhaftigkeit Ihrer Daten auf den ersten Blick garantiert wird.

6. Wo anfangen…?

Die Unfähigkeit, darauf zu achten, was Sie messen und wie, macht eine Grafik sinnlos.

Das Problem 🤔

Für das große Finale eine Visualisierung mit nicht nur einem oder zwei, sondern mehreren Problemen! Diese Grafik zeigt, wie Mitglieder der „Baby Boomer“-Generationskohorte sich selbst beschreiben, wobei jeder Beschreiber durch einen unterschiedlichen farbcodierten Prozentsatz auf einer humanoiden Figur angezeigt wird.

Diese Grafik ist letztendlich ein „kreatives“ Kreisdiagramm, ähnlich wie das vorherige Honigwabenbeispiel in dieser Liste (Nummer 3). Während die Honigwaben-Grafik einfach die Proportionen nicht korrekt darstellte, begeht diese Grafik mehrere statistische und gestalterische Sünden:

• Die angegebenen Prozentsätze summieren sich nicht auf 100, sondern auf 243. Hier, wo keine Überlappung zwischen den Kategorien vorhanden ist, wird der Betrachter in die Irre geführt, dass der Grafikdesigner einen schweren statistischen Fehler gemacht hat.
• Die den einzelnen Kategorien zugewiesenen Flächen entsprechen überhaupt nicht ihren angegebenen Prozentsätzen. Ganz klar nimmt die Kategorie „menschenfreundlich“ (78 Prozent) nicht 78 Prozent des Humanoiden ein!
• Es ist auch unklar, warum der Designer sich entschieden hat, ein Humanoid und ein scheinbar zufälliges Farbschema zu verwenden. Welche Informationen vermitteln diese Designentscheidungen dem Leser oder welche Informationen versuchen sie, im Kopf des Lesers zu verstärken? Wir wissen es einfach nicht.

Insgesamt vermittelt diese Grafik einen stark irreführenden Eindruck von den Informationen, die sie zu vermitteln versucht. Wenn der Leser das Humanoid sieht, assoziiert er dies mental mit einer Totalität (wie 100 Prozent) auf die gleiche Weise wie der Kreis eines Kreisdiagramms.

Aber wenn der Leser Kategorienprozentsätze sieht, die 100 übersteigen und keine visuelle Basis innerhalb der Grafik haben, schlussfolgern sie, dass die Zahlen zufällig platziert sind und keine echte „Geschichte“ dahintersteckt. Mit anderen Worten, die Grafik wird bedeutungslos.

Die Lösung 💡

Die einzige Lösung zur Behebung dieser Grafik besteht darin, sie vollständig zu streichen und von vorne zu beginnen – diesmal als Balkendiagramm. Die Übertragung der Daten dieser Grafik in ein Balkendiagramm-Format ermöglicht es dem beabsichtigten Publikum, die Beziehung zwischen diesen Wertkategorien („menschenfreundlich“, „kreativ“ usw.) besser zu verstehen, ohne dem Publikum eine falsche Vorstellung zu geben, dass diese Werte numerisch „passen“ sollen.

Wenn numerische Daten anstelle von nur Prozentsätzen erfasst werden können, wäre eine noch bessere Lösung, ein Venn-Diagramm zu erstellen. Die Überlappung der Blasen würde es dem Betrachter ermöglichen, mehr über die Beziehungen zwischen den Werten der Befragten zu erfahren: Zum Beispiel, wie viele Befragte sagten, sie seien sowohl „Führungskräfte“ als auch „bereit zu lernen“? Und um dem Betrachter eine schnelle Vorstellung davon zu geben, wie viele Befragte in jede Wertkategorie fallen, können die Blasen entsprechend in der Größe angepasst werden.

Wie Plecto hilft, die Datenvisualisierung zu vereinfachen

Die Palette von über 10 Datavisualisierungs-Widgettypen von Plecto bietet den Benutzern eine Vielzahl von Formaten, um wichtige Informationen darzustellen, selbst wenn es überlappende Variablen oder Personen gibt, die in zwei Kategorien fallen – wie ein Baby Boomer, der sich sowohl als technik- als auch menschenfreundlich betrachtet.

Wählen Sie aus Geschwindigkeitsmessern, Tabellen, Donut-Diagrammen, Flächendiagrammen oder Säulen (Balken)-Diagrammen, um Leistungs-KPIs auf eine Weise zu visualisieren, die für Sie am sinnvollsten ist. Tatsächlich ist das Schlüsselprinzip von Plecto, Daten auf eine einfache, aber motivierende Weise zu nutzen, um die Teamleistung zu steigern!

Möchten Sie mehr erfahren? Warum nicht eine 14-tägige kostenlose Testversion starten oder eine Demo buchen, um zu sehen, wie großartige Datenvisualisierung der Unterschied sein kann, um die Ziele des nächsten Quartals zu erreichen?

Möchten Sie diese schlechten Visualisierungsfehler vermeiden? Probieren Sie Plecto aus!

Zusammenfassend sind hier die sechs Probleme, die wir umrissen haben – und ihre Lösungen:

1. Unorganisierte Daten erzählen keine bedeutungsvolle Geschichte: Organisieren Sie die Datenblasen in hierarchischem Format.
2. Überlastung visueller Komponenten macht Daten schwer lesbar: Reduzieren Sie die Anzahl der Achsen und Variablen.
3. Brüche sehen nicht intuitiv so aus, wie sie gelesen werden: Stellen Sie sicher, dass ein Viertel (ein Viertel) in Ihrer Visualisierung als ein Viertel erscheint.
4. Messgrößen von Daten sind falsch dimensioniert: Nehmen Sie nicht zu viel künstlerische Freiheit mit Maßeinheiten.
5. Visuelle Manipulation von Daten schafft irreführende Eindrücke: Vermeiden Sie optische Illusionen und halten Sie Ihre Daten ehrlich.
6. Alles sagen wollen, aber nichts sagen: Wissen Sie, was Sie messen und wie Sie es tun werden.

Da Datenvisualisierungen allgegenwärtig sind, ist es nicht überraschend, dass es sowohl gute als auch schlechte Beispiele im Überfluss gibt. Deshalb ist es wichtig, die Warnzeichen einer schlechten Datenvisualisierung zu kennen, damit Sie sicherstellen können, dass die Daten, mit denen Sie interagieren, auf eine zuverlässige, gültige und vertrauenswürdige Weise präsentiert werden.

Mit Plecto können Sie die Fallstricke schlechter Datenvisualisierung vermeiden und auf bewährte Visualisierungsmethoden zurückgreifen, sodass Ihre Organisation auf ihre Daten transparent und genau zugreifen kann. Diese Klarheit gibt Ihnen die Einsicht, die Sie benötigen, um datengestützte Entscheidungen zu treffen und Ihre KPI-Ziele zu erreichen.

Verschwenden Sie keine Zeit mit minderwertigen Datenvisualisierungen! Melden Sie sich unten für eine kostenlose Plecto-Demo an.

Q&As

Warum wird die gekürzte y-Achse als eine der täuschendsten Praktiken in der Datenvisualisierung angesehen?

Eine gekürzte Y-Achse tritt auf, wenn die vertikale Achse eines Diagramms nicht bei null beginnt. Dies ist eine schlechte Visualisierungspraxis, weil sie kleine Unterschiede zwischen Datenpunkten künstlich übertreibt und sie viel bedeutender erscheinen lässt, als sie tatsächlich sind. Dies wird oft verwendet, um ein Publikum in die Irre zu führen, indem ein massiver Wachstumstrend oder ein starker Rückgang gezeigt wird, während die tatsächliche numerische Veränderung vernachlässigbar ist.

Was ist "3D-Diagrammüberladung" und wie verzerrt sie Daten?

3D-Diagrammüberladung tritt auf, wenn Designer einfachen Diagrammen (wie Balken- oder Kreisdiagrammen) dreidimensionale Effekte nur aus ästhetischen Gründen hinzufügen. Dies ist problematisch, weil die zusätzliche Dimension unnötigen „Diagramm-Müll“ hinzufügt, der die Perspektive des Betrachters verzerrt. Dies macht es nahezu unmöglich für das menschliche Auge, die Proportionen der Daten genau zu vergleichen.

Wie hilft Plectos Fokus auf Dashboard-Design den Benutzern, die Falle der Datenüberlastung zu vermeiden?

Datenüberlastung tritt auf, wenn eine Visualisierung versucht, zu viele Kennzahlen oder Farben in eine einzige Ansicht zu quetschen, was das Publikum verwirrt und es ihm unmöglich macht, die wichtigsten Informationen zu identifizieren. Plecto hilft Benutzern, dies zu vermeiden, indem es saubere, anpassbare Vorlagen bereitstellt, die Klarheit und Hierarchie betonen. Durch die Verwendung von Plecto können Manager nur die relevantesten KPIs auswählen und Funktionen wie „Bedingte Formatierung“ nutzen, um nur die Daten hervorzuheben, die sofortige Maßnahmen erfordern.