WHY WE VISUALIZE

WHEN VISUALIZATION IS HARMFUL

• For example, take the advertisement in Figure 1.4, which arrived in my mail one day. Note how the y-axis begins at $5.50. This truncated axis cuts off most of the length of the columns so that it appears that the difference between Consumers and IGS Energy is greater than it really is. These errors create situations where data visualization is deceptive.
• Ví dụ: lấy quảng cáo trong Hình 1.4, một ngày nọ nó được gửi đến thư của tôi. Lưu ý cách trục y bắt đầu ở mức 5,50 USD. Trục bị cắt ngắn này cắt bỏ phần lớn chiều dài của các cột để có vẻ như sự khác biệt giữa Người tiêu dùng và Năng lượng IGS lớn hơn thực tế. Những lỗi này tạo ra tình huống trong đó việc trực quan hóa dữ liệu bị đánh lừa.

WHICH CHART TYPE IS BEST?

• Cleveland is one of the grandfathers of data visualization, publishing pretty prolifically. Leading up to the 1984 publication, he ran many small studies testing how study subjects interpreted different graph types, essentially trying to figure out which graphs were the easiest and most accurate for people to understand. Easy and accurate. That’s a nice goal, eh? Together with McGill, he published a hierarchy of graph types, placing the easiest and most accurate types of graphs at the top and the most confusing and error producing at the bottom (see Figure 1.5).
• Cleveland là một trong những ông tổ của lĩnh vực trực quan hóa dữ liệu, xuất bản khá nhiều. Trước khi xuất bản năm 1984, ông đã thực hiện nhiều nghiên cứu nhỏ kiểm tra cách các đối tượng nghiên cứu giải thích các loại biểu đồ khác nhau, về cơ bản là cố gắng tìm ra biểu đồ nào dễ hiểu và chính xác nhất để mọi người hiểu. Dễ dàng và chính xác. Đó là một mục tiêu tốt đẹp, phải không? Cùng với McGill, ông đã xuất bản một hệ thống phân cấp các loại biểu đồ, đặt các loại biểu đồ dễ nhất và chính xác nhất ở trên cùng và những loại biểu đồ khó hiểu và gây ra lỗi nhất ở phía dưới (xem Hình 1.5).