Cette fois, notre histoire commence il y a environ cinq ans, peut-être un peu plus. Ma fille était dans sa phase de train, alors elle et moi construisions des voies avec les petits trains en bois. Parfois, nous prenions en charge le sol de la cuisine.
Elle voulait que je lui lise les histoires de Thomas the Tank Engine au coucher, et son émission préférée était les histoires de Thomas & Friends de la BBC. Maintenant qu'est-ce que cela a à voir avec JMP ? Eh bien, à l'époque, pas un truc de dang. Je n'ai même pas travaillé pour JMP pendant cette phase. Mais depuis que je n'ai pas voyagé ( car le monde passe à la banane), je suis retourné un peu à mes racines de conception graphique et j'ai étudié la visualisation de données. Ça a été très amusant.
J'ai regardé des présentations vidéo de notre propre Xan Gregg ( @XanGregg ), en passant en revue mes notes d'autres présentations, en lisant quelques Edward Tufte et Stephen Few. J'ai même pu suivre quelques cours avec Nick Desbarats.
Quelque part au cours des derniers mois, quelque chose a cliqué et j'ai réalisé que tous ces experts en visualisation de données fonctionnaient sur la même piste (si vous pardonnez le jeu de mots préventif). Si vous deviez résumer tout ce que les experts en visualisation de données disent en une simple pensée, cela pourrait venir d'un livre Thomas the Tank Engine: tout ce qu'une visualisation veut, c'est être utile .
Trains flashy vs trains en état de marche
Dans les livres de ma fille (fortement protégés par le droit d'auteur), les trains anthropomorphiques essaient généralement tous d'être utiles. Mais ils ont tous leur propre personnalité: certains aiment être propres, certains ne craignent pas d'être un peu rugueux et certains aiment être voyants. Il en faut toutes sortes, non? Mais en fin de compte, le plus grand éloge qui puisse être adressé aux moteurs par un humain est qu’ils étaient « vraiment utile . » Non pas qu'ils étaient jolis, flashy ou rugueux sur les bords, mais simplement qu'ils étaient utiles.
Si nous devions anthropomorphiser un graphique, il pourrait avoir un sentiment similaire. Alors, comment un graphique devient-il utile? Eh bien, cela commence par un énoncé de problème, un message ou la découverte que le graphique est destiné à communiquer. Examinons quelques exemples, comparons-les à leurs objectifs déclarés, puis examinons quelques ajustements pour les rendre plus utiles.
Ce graphique est apparu dans mon fil d'actualité il y a quelque temps. L'objectif déclaré était de «[montrer] comment les activités s'empilent en termes de risque de coronavirus» sur la base de quatre facteurs définis dans le article .
Alors, dans quelle mesure ce graphique a-t-il répondu à l'objectif de l'exercice de visualisation? Pour moi, la réponse est: «Ils ont bien fait mais auraient pu faire beaucoup mieux.» Nous parlerons en détail des raisons plus tard, mais l'essentiel est qu'il est difficile de dire d'un coup d'œil quelles activités sont à risque et de comparer les niveaux de risque entre les activités.
Dans cet exemple suivant, je vais prendre certains de mes propres médicaments et utiliser un visuel que j'ai créé pour mon article d'Halloween 2020. J'ai analysé le texte de l'émission d'Orson Welles de "La guerre des mondes". Vous pouvez jeter un œil à mon analyse ici . Le but de cette visualisation était de résumer tous les termes du scénario radio et de mettre en évidence des thèmes ou termes importants.
Comment ai-je fait? Je dirais que j'ai lamentablement échoué. Pourquoi? Eh bien, encore une fois, nous entrerons dans les détails plus tard, mais des choses comme les nuages de mots dérivent davantage dans le domaine de l'art des données. Vous voyez des nuages de mots utilisés comme logos, supports marketing, t-shirts, etc., parce qu'ils sont amusants ou visuellement frappants. En tant qu'outil de communication d'informations - même avec des mises en évidence utiles - ils sont assez horribles.
Ah, les intrigues d'araignées… mon vieil ennemi. Désolé. Je dois admettre un certain parti pris contre ces derniers. Mais laissez-moi voir si je peux vous faire comprendre pourquoi ils me dérangent autant (désolé pour le jeu de mots). Voici la légende d'un graphique en araignée de un article de journal : " Le diagramme en araignée des cinq attributs sensoriels pour 14 types de bière est présenté dans [le graphique]. Différents échantillons avaient leur caractère sensoriel individuel, et les échantillons 8, 10, 14, 11, 9 et 2 avaient individuellement les plus forts goûts aigre, amer, sucré, caprin, acerbité et «autres». » Et voici le graphique:
Oui. Plutot mauvais. Mais c'est une situation assez courante dans ces graphiques.
L'un des inconvénients de faire le travail pour en savoir plus sur la visualisation des données est qu'une fois que vous avez vu les problèmes, vous ne pouvez vraiment pas ne pas voir leur. Et le problème dans notre monde actuel est qu'il y a beaucoup de graphiques produits quotidiennement. Entre la pandémie et les élections américaines, nous sommes inondés de graphiques. Bien que ces visualisations puissent être flashy et polies ou rugueuses sur les bords, pour la plupart, beaucoup ne sont tout simplement pas utiles. Nous avons donc un monde de graphiques tristes et insatisfaits. (C'est une pensée triste, n'est-ce pas?) Eh bien, c'est la saison des vacances, alors réglons cela. Premièrement, nous devons aborder le problème sous-jacent.
Jolie peut ne pas être utile, mais utile est toujours jolie
Pourquoi y a-t-il autant de graphiques inutiles? (Je ne vais pas les appeler mauvais graphiques ; ce n'est pas de leur faute s'ils ne sont pas utiles - ils ont juste été dessinés de cette façon). Mon opinion à ce sujet est que cela se résume à des personnes qui manquent un seul concept: Les choses peuvent être jolies sans être utiles, mais quelque chose d'utile est intrinsèquement joli . Et par joli, Je veux dire qu'il y a une élégance de forme qui vient de quelque chose qui répond parfaitement à son objectif.
Nick Desbarats utilise le terme grec telos pour décrire ce concept. Beaucoup d'entre nous dans cette entreprise (y compris moi-même) pouvons être tellement accro à repousser les limites de la visualisation que nous oublions que la visualisation des données est sur la communication . Une fois que nous visualisons pour la visualisation et que nous perdons cet élément de communication, nos graphiques risquent de devenir inutiles. Maintenant, cela ne veut pas dire que ces graphiques inutiles ne sont pas beaux, mais simplement qu'ils ne sont pas des outils de communication optimaux.
Restez fidèle à la voie facile
Alors, que devons-nous faire? Je vous ai montré un tas de graphiques qui ne sont pas vraiment aussi utiles qu'ils pourraient l'être. Et parce qu'ils ne sont pas aussi utiles qu'ils pourraient l'être, ce sont des graphiques tristes. Nous ne voulons pas de graphiques tristes, n'est-ce pas? Non! Alors réparons les choses.
Dans ces premiers exemples, le problème est que les auteurs ne jouent pas sur les forces des systèmes de traitement visuel du cerveau. Si nous devions suivre le raisonnement établi dans le livre de Daniel Kahneman Penser, rapide et lent , nous pourrions dire que nous avons deux systèmes de traitement de l'information: l'un fonctionne inconsciemment et est incroyablement efficace (Système 1); l'autre est conçu pour traiter des problèmes complexes mais est plus délibéré (Système 2). L'utilisation de ce deuxième système est également plus gourmande en énergie, nous courons donc le risque de fatiguer nos téléspectateurs si nous l'utilisons. Ainsi, lorsque les gens doivent trop réfléchir aux graphiques, ils ne sont pas utiles (c.-à-d. Graphiques tristes) et notre cerveau se fatigue (cerveau triste)! Pour résoudre ce problème, l'astuce consiste à utiliser ce premier système de traitement plus instinctif.
Le système 1 est conçu pour une reconnaissance rapide des formes, pour évaluer les distances linéaires et des tâches similaires. Pensez-y de cette façon - si cela était nécessaire il y a des milliers d'années pour des décisions de vie ou de mort en une fraction de seconde, cela sera traité par le système 1. C'est pourquoi les experts de la visualisation des données insistent sur l'idée qu'il est préférable d'utiliser des graphiques à barres. Nous sommes meilleurs pour juger des distances linéaires (lignes droites) que des courbes ou des aires. Nous traitons généralement les graphiques à barres avec le système 1. Une autre façon de dire que c'est une personne est câblé pour lire et traiter rapidement les informations dans un graphique à barres. La distance la plus courte entre deux points est une ligne droite, et le chemin le plus rapide à travers notre cerveau se trouve être un, aussi!
Pour en revenir à ce premier graphique, le problème fondamental est que nous créons un visuel qui nous oblige à utiliser System 2. Nous devons créer une mise à l'échelle arbitraire, quantifier chaque carré pour une activité par rapport à cette mise à l'échelle et additionner les valeurs de chaque carré. Tout simplement pour obtenir un score de risque total. Et puis nous devons le refaire si nous voulons comparer les activités. (Juste écrire qui me fatigue!) Alors, pourquoi ne pas faire tout cela dans le graphique? Voici quelques alternatives (deux que j'ai créées dans JMP et une à partir du Association médicale du Texas ) qui visent à utiliser le système 1:
Vous voyez à quel point ceux-ci sont plus faciles à lire?
Laisser la fonction conduire la forme
Pensons à nouveau au moteur de réservoir qui a lancé toute cette ligne de pensée. Avez-vous déjà réfléchi à la raison pour laquelle une locomotive ressemble à ce qu'elle fait? Mon grand-père est un grand fan des trains miniatures, donc je suppose que mes réflexions sur ce sujet pourraient être génétiques. Ou ils pourraient être le résultat des étés que j'ai passés enfant à regarder ses trains ou à aller dans un magasin pour récupérer sa dernière acquisition. Quoi qu'il en soit, j'ai toujours trouvé une certaine élégance dans le look d'une locomotive à vapeur.
Source: https://en.wikipedia.org/wiki/Steam_locomotive_components
Même lorsqu'ils ont décidé de moderniser le look, la fonction a conduit la forme:
Source: https://en.wikipedia.org/wiki/Steam_locomotive#/media/File:Number_4468_Mallard_in_York.jpg
De même, nous devrions toujours commencer un exercice graphique avec un déclaration de but de quelques sortes. N'oubliez pas que pour qu'un graphique soit utile, il doit avoir un but. Si nous faisons une analyse exploratoire, la déclaration pourrait même être une question qui oriente l'enquête.
Dans le cas du nuage de mots que j'ai utilisé, l'objectif était pour afficher les thèmes les plus importants du script. Le nuage de mots ne le fait pas bien. Comme je l'ai dit, il s'agit davantage d'un «art de données» que d'une «visualisation de données». Les nuages de mots ont un problème avec la perception visuelle trompeuse, car les mots plus longs «apparaissent» plus importants dans un nuage de mots simplement en raison de leur longueur. Dans l'exemple ci-dessous, j'ai un peu traité les données et changé le visuel en un tracé parallèle. Il est préférable de suivre l'association de chaque personnage ou groupe de personnages avec différents sujets, offrant une vue plus perspicace qui est moins susceptible d'induire le spectateur en erreur. (Ceci est interactif, BTW, alors n'hésitez pas à cliquer avec le filtre de données local sur la gauche.)
Le point clé ici est que l'esthétique est importante, mais le fondement d'une visualisation utile est une déclaration claire de l'objectif et l'adhésion à cet objectif.
Ne vous enroulez pas autour de l'essieu
Le moyen le plus simple pour les gens d'essayer de rendre un graphique sexy (oui, j'ai appelé un graphique sexy; surmonter) est de prendre un graphique cartésien (avec les axes x, y) et de l'enrouler autour d'un axe central. Cela se traduit par des éléments tels que des graphiques circulaires, des graphiques radar, des graphiques en araignée, etc. sont sexy ... mais sont-ils aussi utiles qu'ils pourraient l'être?
La réponse à cette question est généralement «non». Les humains ne sont pas câblés pour comparer les distances ou les tailles dans un système radial (les graphiques à secteurs, lorsqu'ils sont utilisés correctement, sont une exception à cette règle). Les choses peuvent également s'encombrer très rapidement. Et, malheureusement, beaucoup de gens dans le monde des données à savoir tombent dans ce piège, y compris les experts.
Oh! Et, plutôt que d'aller après le graphique d'araignée (… encore et encore ), soyons tous d'accord avec Xan Gregg que les graphiques en araignée ne sont pas particulièrement utiles et regardez quelques exemples différents de ce problème.
le Spirale de la mort arctique (oui, c'est une chose suffisante pour obtenir la casse du titre) est un exemple solide du problème. Le nom évoque le drame, et c'est peut-être le but ultime de persuasion du visuel.
L'objectif direct du visuel est de communiquer que les volumes de glace de mer ne se rétablissent pas d'année en année et, en fait, que la situation s'aggrave. Le problème (avec le visuel) est qu'en transformant les données en un système de coordonnées radiales, nous travaillons maintenant avec la cognition du système 2, ce qui signifie que notre cerveau doit travailler plus dur pour arriver au but. Alors, pourquoi ne pas opter pour une solution System 1, comme celle-ci?
Il ressort clairement de ce graphique que: a) il y a une tendance à la baisse, et b) nous sommes bien en deçà de tout ce que nous avons vu au cours des 40 dernières années. De plus, en utilisant un graphique à barres, nous travaillons avec le système 1, ce qui signifie que vous êtes probablement parvenu à ces conclusions beaucoup plus rapidement qu'avec le premier graphique.
Ce deuxième graphique est celui qu'Alberto Cairo utilise pour évaluer les visualisations sur six échelles. Il l'a proposé à l'origine dans son premier livre Infografia 2.0, puis en a discuté à nouveau dans L'art fonctionnel .
Le but du graphique est de communiquer sur les six dimensions comment un graphique se comporte sur la complexité par rapport à l'intelligibilité. Dans le contexte de notre premier exemple, il note un graphique sur (conceptuellement) combien il utilise le système 1 par rapport au système 2. Ces dimensions sont présentées sous forme de paires de concepts de conception (abstraction vs figuration, fonctionnalité vs décoration, densité vs légèreté, unidimensionnalité vs multidimensionnalité, originalité vs familiarité et nouveauté vs redondance). Mais, en déplaçant ces dimensions autour d'un axe central, le lecteur doit parcourir le graphique pour voir le score de chaque côté de la paire. (La connexion des scores donne également quelque chose qui ressemble étrangement à une intrigue d'araignée, mais nous laisserons passer ce point.) Pourquoi ne pas faire quelque chose comme ça?
La même information est communiquée, et elle s'appuie sur cette connaissance rapide du système 1 pour la communiquer! Alors, vous obtenez les informations plus rapide .
Je suppose que le point que j'essaie de faire ici est que, à moins qu'il n'y ait une très bonne raison, éviter les tracés radiaux est probablement une meilleure solution pour les graphiques qui sont vraiment utiles.
Soyez toujours honnête
Cela peut être un sujet délicat et je ne suis pas sur le point d’accuser quiconque d’induire les autres en erreur. Le problème de la véracité dans l'analyse survient lorsque nous laissons nos préjugés personnels s'infiltrer dans les produits de nos travaux. L'analyse et la visualisation des données ont un élément de subjectivité intégré à la science. Il y a un élément d'opinion, ou au moins une interprétation des données, présent dans tout visuel que vous créez. Je l'ai entendu dire (plusieurs fois par Xan à Sommet découverte et JMP On Air ) que tous les graphiques sont biaisés, et certains sont utiles (sorte de riff sur la célèbre citation de George Box). Le point important pour créer un visuel véridique est que les choix que nous faisons lors de sa construction et de son processus d'interprétation des données sont tous deux transparents. Cela peut être aussi simple que de mettre le point important dans le titre du graphique:
Ou en fournissant une annotation utile:
Le point important est que nos graphiques doivent s'approprier leurs hypothèses et conclusions et ne pas essayer de les cacher.
Emballer les choses
Il y a beaucoup de choses que je n'ai pas couvertes dans cet article. Honnêtement, dans le contexte du point que j'essaie de faire valoir, ces choses sont toutes simplement des stratégies différentes pour créer des graphiques utiles. Si nous nous en tenons à l'objectif de créer des graphiques vraiment utiles, le reste suivra naturellement.
Les graphes radiaux ne sont généralement pas aussi utiles que leurs homologues linéaires; nos cerveaux ne sont tout simplement pas câblés de cette façon. Ne pas faire ressortir vos hypothèses et interprétations rend le graphique moins utile car vos lecteurs ne comprennent pas vos processus de pensée ou vos préjugés inconscients. Plus important encore, l'absence d'énoncé de problème ou de thèse pour votre visuel rendra invariablement plus difficile la création d'un graphique utile.
Donc, en fin de compte, rappelons-nous tous, un graphique utile est un graphique heureux. Et nous devons tous faire de notre mieux pour rendre nos graphiques aussi utiles et heureux que possible. Et que tous vos graphiques (et vos vacances) soient heureux. Maintenant, la neige commence à tomber ici à 'Toga Springs, alors je pars pour un peu plus de cacao et de contemplation . Rendez-vous tous en 2021.
