6 Voorbeelden van Slechte Gegevensvisualisaties

Wat is een Slechte Gegevensvisualisatie?

Een slechte gegevensvisualisatie is er een die haar publiek misleidt of verwart, hetzij door vervormde verhoudingen, rommelige ontwerpen of het verkeerde type grafiek, waardoor de gegevens moeilijker te begrijpen zijn dan de ruwe cijfers zouden zijn.

Gegevensvisualisaties zijn een van de meest overtuigende en effectieve manieren om de wereld om ons heen te begrijpen. Dit komt omdat gegevensvisualisaties verhalen vertellen, creatief een dataset presenteren aan een publiek om hen te informeren over een bepaald probleem of fenomeen. Terwijl visualisaties steeds complexer, informatief en verfijnd zijn geworden, gaan ze soms een beetje te ver... door te veel informatie te bieden of te creatief te worden voor hun eigen goed.

Wat Maakt een Gegevensvisualisatie Slecht?

Wanneer visualisaties ingewikkeld worden weergegeven in plaats van nuttig voor hun beoogde publiek, en ingewikkeld in plaats van gemakkelijk te begrijpen, wordt het doel van visualisatie tenietgedaan.

Er zijn verschillende manieren waarop dit kan gebeuren:

• Slechte kleurkeuzes
• Onevenredige afmetingen van visuele componenten
• De aanwezigheid van overbodige of redundante gegevens
• Het rangschikken van de gegevens op een manier die gewoon geen zin maakt.

Kortom: Gegevensvisualisaties worden slecht wanneer hun gegevens rommelig of onduidelijk lijken.

In dit artikel bekijken we voorbeelden van slechte gegevensvisualisaties. We zullen analyseren waar de grafiek fout ging—maar we zullen ook uitleggen hoe het kan worden verbeterd, zodat het het verhaal dat het probeert te vertellen beter kan presenteren.

Bouw je eigen

1. Onduidelijke Gegevensrichting

Ongestructureerde gegevens creëren narratieve incoherentie.

Het Probleem 🤔

In deze grafiek zien we de gemiddelde leeftijden waarop Europese jongeren thuis weggaan: de Noordse landen de jongsten, West- en Centraal-Europa in de midden twintig, en Oost-Europa en de mediterrane landen in de late twintig (of zelfs later!). Bubbels vertegenwoordigen landen, elk met de nationale gemiddelde leeftijd van “het nest verlaten.” De kleur van de bubbels is afhankelijk van deze gemiddelde leeftijd.

Over het algemeen is dit geen slecht concept. Maar hier is het probleem: de bubbels zijn niet op een betekenisvolle manier gerangschikt. De rode landen lijken zich enigszins aan de onderkant te clusteren, en de blauwe landen aan de bovenkant—maar dat is het. Dit kan een slechte weergave van een kaart van Europa zijn, maar we kunnen het niet zeker weten.

Bizar genoeg is de bubbel die de gemiddelde EU-leeftijd van het verlaten van huis aangeeft nauwelijks te identificeren, gelegen aan de uiterste linkerkant van de grafiek en ononderscheidbaar in grootte en formaat van een van de landbubbels. Kortom, de ontbrekende sleutel hier is organisatie.

De Oplossing 💡

Een effectievere manier om deze gegevens te organiseren zou zijn om het in kleurgecodeerde lagen te construeren, met de bulk van de gele landen in het midden, en aflopend naar de blauwe en rode categorieën boven en onder.

De EU-bubbel kan ofwel aan de zijkant of in het midden van de gele laag worden geplaatst. Ongeacht de plaatsing, zou het een onderscheidend kenmerk moeten hebben—zoals een grotere grootte of vetgedrukte tekst—om het belang aan te geven.

Deze aanpassingen zouden lezers in staat stellen niet alleen te weten wat de verschillen zijn tussen de leeftijden van “het nest verlaten” per land, maar ook te begrijpen hoe deze gegevenspunten samenhangen, waardoor ze correlaties en conclusies over dit sociale fenomeen kunnen trekken.

Hoe Plecto helpt bij het oplossen van onduidelijke gegevensrichting

Met vooraf gedefinieerde visualisaties zoals staafdiagrammen, lijndiagrammen, snelheidsmeters en meer, begeleidt Plecto gebruikers naar gangbare formaten die duidelijke assen, hiërarchie en organisatie in hun ontwerp hebben.

2. Te Veel Variabelen

Overbelasting van visuele componenten maakt gegevens moeilijk leesbaar.

Het Probleem 🤔

Deze grafiek is gewoon een klassiek geval van TMI (te veel informatie)! De gegevens hier worden gemeten op niet alleen een typische twee, maar drie assen: aantal, maand, en type fruit. Hoewel we de multidimensionaliteit van deze grafiek en de poging om zoveel mogelijk gegevens te communiceren kunnen waarderen, is het gewoon te veel om in één oogopslag te begrijpen.

En dit leidt tot ernstige problemen bij het interpreteren van deze grafiek. Het is moeilijk om het aantal citroenen over alle maanden te bepalen, bijvoorbeeld, en onmogelijk om het aantal bananen in februari en maart te zien.

De lezer kan ook niet nauwkeurig het aantal vruchten voor een van de staven in het centrale deel van de grafiek bepalen. Als ze niet direct tegen het nummerrooster zijn geplaatst, is de hoeveelheid fruit praktisch onmogelijk te bepalen.

De Oplossing 💡

De oplossing voor het probleem van deze grafiek is om een van de assen te elimineren en de nieuwe grafiek alleen twee componenten in plaats van drie te laten meten. Hoewel dit zal resulteren in meer grafieken om dezelfde hoeveelheid informatie over te brengen, zullen ze veel gemakkelijker te lezen zijn.

Bijvoorbeeld, men zou het aantal verkochte sinaasappels over de vier maanden kunnen volgen, en bijbehorende grafieken voor appels, citroenen en bananen maken. Alternatief zou men de vier soorten fruit die in januari zijn verkocht kunnen volgen, en bijbehorende grafieken voor de resterende drie maanden maken.

Hoe Plecto je helpt te voorkomen dat je te veel variabelen gebruikt

Door gebruikers in staat te stellen om eenvoudig variabelen te filteren, stapelen of scheiden in meerdere, leesbare grafieken, stelt Plecto verkoop- en ondersteuningsmanagers in staat om belangrijke statistieken te analyseren per werknemer, team, tijd of andere variabelen op verschillende widgets op hetzelfde dashboard. Deze veelzijdigheid voorkomt de neiging om te veel gegevens in een enkele, verwarrende visualisatie te proppen, terwijl het nog steeds krachtige inzichten in prestaties biedt.

Bouw je eigen

3. Tegenintuïtieve Taartdiagrampercentages

Misalignment tussen een fractie en zijn visualisatie compliceert een intuïtieve ervaring.

Het Probleem 🤔

Het concept voor dit op maat gemaakte taartdiagram is creatief en beslist uniek. Maar man, we moeten het zeggen—de wiskunde klopt niet! Terwijl elke zijde van een hexagoon gelijk is aan een zesde, of 16,67 procent van het totale oppervlak van de hexagoon, draait wat hier wordt gezien deze basisrealiteit volledig om.

Op de een of andere manier neemt het fructose-gedeelte (38,5 procent) veel meer ruimte in dan het glucose-gedeelte (31,0 procent), dat op zijn beurt slechts iets groter is dan het water-gedeelte (17,1 procent). En de 0,5 procent schijf van mineralen, vitaminen en enzymen is veel te groot voor het aangegeven percentage.

De Oplossing 💡

Het is prima om een creatieve draai aan een typisch, “saai” taartdiagram te geven—maar dit mag niet ten koste gaan van statistische nauwkeurigheid, of gewoon gezond verstand. Gelukkig is de oplossing voor dit mislukte honingraatdiagram een eenvoudige: herstructureer de grafieksecties zodat ze in verhouding staan tot hun aangegeven waarden.

Hoe Plecto helpt onevenredige taartdiagramsegmenten te vermijden

Plecto zorgt voor statistische nauwkeurigheid, met donutdiagrammen die automatisch worden berekend om de segmentgrootte perfect proportioneel te maken aan de aangegeven waarde, wat een visuele representatie garandeert die altijd waarheidsgetrouw is aan de gegevens. Plus, hebben we al genoemd dat ze er geweldig uitzien?

4. Onevenredige Pictogramafmetingen

Overdreven afbeeldingsgroottes vergroten—en misleiden over—de ware schaal van het verschil.

Het Probleem 🤔

Dit is weer een geval van onjuiste verhoudingen, maar van een ander type. In dit geval geven twee staafdiagrammen het aantal afgestudeerden in A- en B-cohorten aan: één afgestudeerde in A, en drie in B. Maar in plaats van staven te gebruiken, gebruiken de grafieken pictogrammen. De linker grafiek gebruikt discrete eenheden om het aantal afgestudeerden te tellen; ondertussen gebruikt de rechter grafiek een enkele grote pictogram om dezelfde hoeveelheid aan te geven.

Echter, hier ontstaat het probleem voor de rechter grafiek. In plaats van simpelweg de hoeveelheid aan te geven, introduceert het gebruik van een schaalbaar pictogram een ander element van dimensionaliteit—niet alleen van aantal, maar van grootte.

Dit creëert een situatie waarin, om het pictogram proportioneel te houden terwijl het de “3” markeert, het wordt geschaald naar een grootte die het publiek doet geloven dat het verschil tussen A en B veel groter is dan het in werkelijkheid is. Inderdaad, de B-afgestudeerde lijkt niet alleen drie keer groter dan de A-afgestudeerde, maar eerder zes of zeven keer groter!

De Oplossing 💡

De oplossing voor deze grafiek van slechte kwaliteit (aan de rechterkant) is te vinden in de veel betere grafiek aan de linkerkant. Hier zijn drie pictogrammen van gelijke grootte op elkaar gestapeld, proportioneel (en correct) de verschillen tussen 1 en 3 aangevend.

Bij het nadenken over hoe gegevens te presenteren, moet men zich herinneren wat precies wordt weergegeven: verschil in verhouding (de relatie tussen delen van een geheel), of verschil in numerieke hoeveelheid (het vergelijken van waarden of hoeveelheden over categorieën of tijd).

Als je een proportionele weergave wilt zien, gebruik dan visualisaties zoals taart (donut) diagrammen, gestapelde staafdiagrammen, of boomdiagrammen. Maar als je gewoon datasetgroottes wilt vergelijken, gebruik dan discrete eenheden—of een eenvoudige staaf—om ze realistisch weer te geven.

Hoe Plecto je helpt onevenredige eenheidsvisualisatie te vermijden

Vergeet schaalproblemen wanneer je visualisatie kunt automatiseren. Plecto gebruikt vaste afmetingen voor eenheidsvergelijkingen, waardoor schaalfouten worden voorkomen. Voor hoeveelheidvergelijkingen worden standaard staaf- en kolomdiagrammen standaard gebruikt om discrete eenheidsverschillen nauwkeurig weer te geven. Dit is niet alleen een tijdsbesparing, maar ziet er ook professioneel uit en toont prestaties precies zoals ze zijn.

5. Vervormde Taartdiagramweergave

Het vervormen van de uitstraling van gegevensvisualisaties creëert misleidende optische illusies.

Het Probleem 🤔

Als voorbeeld van proportionele in plaats van numerieke representatie tonen de twee taart (donut) diagrammen hieronder proportionele aandelen van “oorzaak van overlijden.” Kijkend naar de grafiek aan de rechterkant, worden we geleid om te geloven dat sectie B de grootste sectie is—of op zijn minst van gelijke grootte met sectie A. Maar kijkend naar de grafiek aan de linkerkant, zien we dat dit niet het geval is, en dat sectie A duidelijk de grootste is. Wat is er aan de hand?

De 3D-taartdiagramweergave aan de rechterkant vervormt de grafiek, met sectie B gekanteld naar de kijker en daardoor deze sectie veel groter laat lijken dan hij werkelijk is. Kortom, het is een truc van het oog—een die, hoewel het geen valse informatie rechtstreeks presenteert, een misleidende perceptie van de werkelijkheid creëert.

De Oplossing 💡

De oplossing hier is echt eenvoudig: vermijd het gebruik van 3D-taartdiagrammen, die onvermijdelijk de gegevens die je presenteert vervormen, en gebruik in plaats daarvan 2D-grafieken. Dit is eerlijker en zorgt er ook voor dat je de meest betrouwbare en nauwkeurige gegevens krijgt. Dit is vooral belangrijk omdat zoveel van wat als “goede” gegevensvisualisatie wordt beschouwd, afhankelijk is van eerste indrukken om niet alleen leesbaarheid, maar ook waarheid vast te stellen.

Hoe Plecto je helpt gegevens te vermijden te vervormen

Plecto gebruikt uitsluitend 2D-visualisaties voor kern grafieken zoals donut-, lijn- en staafdiagrammen, waardoor de mogelijkheid van vervorming door 3D-perspectieven wordt geëlimineerd, en de visuele waarheidsgetrouwe gegevens bij de eerste blik garandeert.

6. Waar te Beginnen…?

Het niet opletten op wat je meet, en hoe, maakt een grafiek nonsens.

Het Probleem 🤔

Voor de grand finale, een visualisatie met niet slechts één of twee, maar verschillende problemen! Deze grafiek toont hoe leden van de “Baby Boomer” generatie zichzelf beschrijven, met elke descriptor aangegeven door een ander kleurgecodeerd percentage op een humanoïde figuur.

Deze grafiek is uiteindelijk een “creatief” taartdiagram, net als het vorige honingraatvoorbeeld in deze lijst (Nummer 3). Echter, terwijl de honingraatgrafiek simpelweg de verhoudingen niet correct weergaf, begaat deze grafiek meerdere statistische en ontwerpzonden:

• De percentages die worden weergegeven, tellen niet op tot 100, maar tot 243. Hier, waar geen overlap tussen categorieën aanwezig is, wordt de kijker geleid om te geloven dat de grafisch ontwerper een ernstige statistische fout heeft gemaakt.
• De ruimtes die aan elke categorie zijn toegewezen, komen helemaal niet overeen met hun gegeven percentages. Heel duidelijk neemt de categorie “people-savvy” (78 procent) niet 78 procent van de humanoïde in!
• Het is ook onduidelijk waarom de ontwerper ervoor koos om een humanoïde en een schijnbaar willekeurig kleurenschema te gebruiken. Welke informatie geven deze ontwerpkeuzes de lezer, of welke informatie proberen ze te versterken in het hoofd van de lezer? We weten het gewoon niet.

Over het algemeen geeft deze grafiek een sterk misleidende indruk van de informatie die het probeert over te brengen. Wanneer de lezer de humanoïde ziet, associeert hij dit mentaal met een totaliteit (zoals 100 procent) op dezelfde manier als de cirkel van een taartdiagram.

Maar wanneer de lezer categoriepercentages ziet die 100 overschrijden en geen visuele basis binnen de grafiek hebben, concluderen ze dat de cijfers willekeurig zijn geplaatst en geen echte “verhaal” achter zich hebben. Met andere woorden, de grafiek wordt betekenisloos.

Bouw je eigen

De Oplossing 💡

De enige oplossing om deze grafiek te verbeteren is om het helemaal te schrappen en opnieuw te beginnen—dit keer als een staafdiagram. Het overdragen van de gegevens van deze grafiek naar een staafdiagramformaat zal het beoogde publiek in staat stellen de relatie tussen deze waarde categorieën (“people-savvy,” “creatief,” enz.) beter te begrijpen zonder het publiek een vals idee te geven dat deze waarden numeriek “bij elkaar passen.”

Als numerieke gegevens in plaats van alleen percentages kunnen worden verkregen, zou een nog betere oplossing zijn om een Venn-diagram te maken. De overlap van de bubbels zou de kijker meer inzicht geven in de relaties tussen de waarden van de respondenten: bijvoorbeeld, hoeveel respondenten zeiden dat ze zowel “leiders” als “bereid om te leren” waren? En om de kijker een snel idee te geven van hoeveel respondenten in elke waarde categorie vallen, kunnen de bubbels dienovereenkomstig worden vergroot.

Hoe Plecto helpt bij het vereenvoudigen van gegevensvisualisatie

Plecto's assortiment van 10+ gegevensvisualisatie-widgettypes biedt gebruikers een scala aan formaten om belangrijke informatie weer te geven, zelfs wanneer er overlappende variabelen zijn of individuen in twee categorieën vallen—zoals een Baby Boomer die zichzelf zowel tech- als people-savvy beschouwt.

Kies uit snelheidsmeters, tabellen, donutdiagrammen, gebiedsdiagrammen of kolom (staaf) diagrammen om prestatie KPI's op een manier te visualiseren die het meest logisch voor jou is. In feite is het belangrijkste principe van Plecto om gegevens op een eenvoudige maar motiverende manier te gebruiken om de team prestaties te verbeteren!

Wat Ziet een Slechte Dashboard Eruit?

De zes bovenstaande voorbeelden zijn allemaal enkele grafieken. Een dashboard verhoogt de inzet, omdat het veel grafieken op één scherm tegelijk plaatst, zodat kleine fouten zich opstapelen in een weergave die niemand in één oogopslag kan lezen. Dit zijn de meest voorkomende fouten in het ontwerp van slechte dashboards, en hoe ze te verhelpen:

1. Te veel KPI's. Twintig statistieken op één scherm betekent dat geen van hen opvalt. Kies de vijf tot zeven die actie aandrijven, en geef alles wat anders is zijn eigen dashboard.
2. Geen visuele hiërarchie. Wanneer elk widget dezelfde grootte heeft, heeft het oog nergens om te landen. Grootte en plaats widgets op basis van belangrijkheid, met het hoofdcijfer het grootst.
3. Verwaandheidsstatistieken. Cijfers die indrukwekkend lijken maar geen beslissing veranderen, verdringen de cijfers die dat wel doen. Volg in plaats daarvan aangepaste KPI's die aan een doel zijn gekoppeld.
4. De verkeerde grafiek voor de statistiek. Een taartdiagram voor tijdreeksgegevens, of een lijndiagram voor categorieën, dwingt de lezer om achteruit te werken. Stem het type grafiek af op de vorm van de gegevens.
5. Verouderde, statische gegevens. Een dashboard dat is gebouwd op de export van vorige week is een rapport, geen dashboard. Verbind live gegevens zodat de cijfers in real-time bewegen.

Wil je de andere kant zien? Verken Plecto's real-time dashboards, of lees onze samenvatting van de beste gegevensvisualisaties voor voorbeelden die goed zijn gedaan.

Wil je deze Slechte Visualisatiefouten Vermijden? Probeer Plecto!

Samenvattend, hier zijn de zes problemen die we hebben uiteengezet—en hun oplossingen:

1. Ongestructureerde gegevens vertellen geen betekenisvol verhaal: Organiseer de gegevensbubbels in hiërarchische indeling.
2. Overbelasting van visuele componenten maakt gegevens moeilijk leesbaar: Verminder het aantal assen en variabelen.
3. Fracties zien er niet intuïtief uit zoals ze gelezen worden: Zorg ervoor dat een kwart (één vierde) eruitziet als een kwart in je visualisatie.
4. Meeteenheden van gegevens zijn onjuist geconfigureerd: Neem niet te veel artistieke vrijheid met meeteenheden.
5. Visueel manipuleren van gegevens creëert misleidende indrukken: Vermijd optische illusies en houd je gegevens eerlijk.
6. Proberen alles te zeggen, maar helemaal niets zeggen: Weet wat je meet, en hoe je dat gaat doen.

Omdat gegevensvisualisaties alomtegenwoordig zijn, is het geen verrassing dat er zowel goede als slechte voorbeelden in overvloed zullen zijn. Dit is waarom het belangrijk is om de waarschuwingssignalen van een slechte gegevensvisualisatie te kennen, zodat je ervoor kunt zorgen dat de gegevens waarmee je werkt op een betrouwbare, geldige en betrouwbare manier worden gepresenteerd.

Met Plecto kun je de valkuilen van slechte gegevensvisualisatie vermijden en vertrouwen op beproefde visualisatiemethoden, waardoor je organisatie toegang kan krijgen tot haar gegevens op een transparante en nauwkeurige manier. Deze duidelijkheid zal je de inzichten geven die je nodig hebt om op gegevens gebaseerde beslissingen te nemen en je KPI-doelen te behalen.

Verspil je tijd niet aan substandaard gegevensvisualisaties! Meld je hieronder aan voor een gratis Plecto-demo vandaag.