Evitando mentir com as estatísticas: o básico da visualização de dados

Ouvi muitas vezes a opinião de que a tarefa dos analistas é mostrar francamente números "tristes" de tal maneira que tudo está indo conforme o planejado. Talvez isso esteja acontecendo em algum lugar, mas em gamedev, o oposto é verdadeiro. Precisamos fornecer os dados mais objetivos para que as decisões corretas sejam tomadas no projeto. E torne esses dados compreensíveis.

Isso geralmente é mais difícil do que atrair com belos gráficos.

Portanto, compilei vários princípios básicos de visualização que aplico no meu trabalho (uma lista de fontes no final). É útil se você estiver escrevendo relatórios, se preparando para uma apresentação ou apenas quiser transmitir o significado de alguns números. O principal: para fazer uma boa programação, você não precisa ser um artista talentoso ou possuir magplotlib / ggplot2. Vamos lá

Por que o Excel simples (e às vezes lápis e papel) é suficiente para um bom gráfico?

Isso deriva do único objetivo da visualização - transmitir sua ideia. Portanto, imediatamente: não há horários “bonitos” ou “certos” - eles ajudam a transmitir uma ideia ou não. E, se não, não importa o quão bonito seja o cronograma, ele não será necessário.

O processo de criação de um cronograma que atinja seu objetivo pode ser dividido em 4 etapas [1]:



Tudo começa com uma ideia. O que você quer que os leitores ou espectadores entendam? Com base nisso, o tipo de diagramas é selecionado e, em seguida, chama-se atenção para lugares importantes e tudo o que interfere na transmissão do pensamento é removido.

Agora, mais sobre cada item.

Idéia

Vamos começar formulando a idéia e como ela afeta os gráficos. Veja um exemplo canônico: um sinal de "Vendas por região" com um conjunto de dados muito simples (8 dígitos, 2 empresas) [2].

Nesta forma, é difícil perceber e nenhuma idéia segue diretamente dela:



Para mostrar conexões importantes de maneira mais fácil e clara - precisamos de um diagrama. E, dependendo do tipo de gráfico escolhido, um pensamento completamente diferente virá à tona.



Por exemplo, a única coisa que podemos considerar à primeira vista no gráfico acima é que a estrutura de vendas das duas empresas é diferente. Para ler qualquer outra informação, você precisa entender mais profundamente, e isso não ajuda a transmitir a ideia.

Outro gráfico, os mesmos dados:



Aqui, além da diferença de estrutura, já mostramos como as empresas compartilham quotas de vendas em diferentes regiões. Se você ler da esquerda para a direita (como a maioria das pessoas fará), o pensamento será o seguinte: a empresa B (esquerda) tem a menor participação de vendas no sul e a empresa A (direita) tem a maior participação. E vice-versa no norte.

Outro gráfico:



Se usarmos um histograma desse tipo, chamaremos atenção principalmente para comparar as empresas: em termos de receita no norte, a empresa B está à frente da empresa A, no leste e oeste eles competem, e no sul, a empresa B está atrás da empresa A.

Os mesmos dados, com apenas 8 dígitos, mas, dependendo da apresentação, eles expressam idéias diferentes.

Portanto - primeiro formulamos um pensamento e depois escolhemos o tipo apropriado de diagrama.

Tipos de gráfico

Vamos examinar os tipos mais comuns de diagramas (que você pode encontrar no Excel, qualquer BI ou outras ferramentas analíticas) e ver que tipo de comparações (e quais idéias) são melhor usadas para eles [2].

Gráfico de pizza

Vamos começar com o gráfico de pizza “favorito” e as variações (gráficos de rosca). Na interpretação clássica, seu principal objetivo é comparar ações ao mostrar uma estrutura estática.


Componentes de um bom jogo

Mas há também uma opinião de que o principal objetivo deste diagrama é publicidade e belas imagens.

De várias maneiras, são os gráficos de pizza que permitem que os consultores de negócios vendam apresentações de 30 páginas há vários milhões de anos atrás. Não? Aqui estão as primeiras fotos a pedido de "consultoria", "análise", "BI":


Gráficos de pizza, eles estão por toda parte

Quase nenhuma imagem publicitária pode ficar sem gráficos de pizza (ou suas variedades). Isso não é tanto uma ferramenta como um símbolo.

E para visualização real de dados, não é adequado.

Em primeiro lugar, o escopo deste diagrama é muito restrito. Uma estrutura estática precisa ser mostrada com menos frequência - um pequeno número de casos. E segundo, muitas pessoas não lêem bem as ações nos gráficos de pizza, especialmente se alguém as torna volumosas (loucura). E terceiro, o mesmo tipo de comparação pode ser expresso em outros diagramas e só ficará melhor.

Portanto - é melhor esquecer gráficos de pizza. Bem, se você está fazendo publicidade ou deseja adicionar solidez à sua apresentação, a opção não é tão ruim.

Gráfico de barras (horizontal)

Ela é um gráfico de barras e serve para comparação posicional. Mostra claramente qual das alternativas é melhor, quem toma qual lugar e como elas se relacionam na classificação.


Comparação posicional

Um gráfico de barras é ideal para classificações. E o que é muito conveniente - nomes longos se encaixam facilmente na legenda. Em outros tipos de gráficos, isso pode interferir.

Gráfico de linhas

O próximo tipo é um clássico. O gráfico de linhas em russo costuma ser chamado simplesmente de "gráfico".

É usado para uma comparação temporária, quando você precisa exibir como o indicador mudou ao longo do tempo, se a dinâmica foi diferente para indicadores diferentes e assim por diante.


Comparação de indicadores de desempenho

O que procurar ao criar um gráfico de linhas:

1. A adequação do período. Caso contrário, o gráfico se transformará em uma bagunça ilegível.
2. O número de linhas. Mais de cinco ou sete linhas - um tabu, ninguém as entenderá.
   
   À esquerda, há um período de tempo muito longo, à direita, um "macarrão" de linhas
3. Escala. Cuidado, o Line Chart é amado por quem vai enganar com a ajuda dos dados [3].
   
   Classic Lies - Jogos de Escala
   
   Por exemplo, se você mostrar o cronograma à esquerda na apresentação do conselho de administração e chamar de retenção, o projeto provavelmente será encerrado. De fato, tudo não é tão ruim: à direita está o mesmo gráfico, mas com uma escala razoável, fica claro que a “queda” do indicador é simplesmente uma flutuação. Na direção oposta, isso também funciona, aumentando a escala, você pode ocultar a deterioração óbvia do indicador.

Em resumo, o Gráfico de linhas é um tipo de gráfico muito útil. Especialmente no desenvolvimento de jogos, onde é necessário monitorar constantemente indicadores, mostrar mudanças na dinâmica e monitorar o desenvolvimento de projetos.

Gráfico de área

O próximo tipo, gráfico de áreas, serve para mostrar a estrutura na dinâmica. O que há para prestar atenção? Novamente - se fizermos uma abundância de camadas, o gráfico se tornará ilegível. Remova camadas extras e deixe apenas as mais importantes (como fazer isso, falaremos um pouco mais):



Histograma

Os histogramas são um "martelo universal". Esse tipo de gráfico possui muitas variações que podem ser usadas em várias situações:

1. comparação temporária;
2. distribuição de frequências;
3. comparação de ações (Olá para gráficos de pizza);
4. contribuição para a dinâmica geral;
5. comparação de alternativas e muito mais.

Por essa versatilidade, o histograma paga uma limitação - apenas um pequeno número de períodos ou comparações podem ser exibidos nele. Caso contrário, o cronograma se torna ilegível e deixa de cumprir sua tarefa.

Conclusão: os gráficos de barras, o Gráfico de área e o Gráfico de linhas podem cobrir 90% das necessidades de visualização de dados. Basta estudar essas três ferramentas e seguir as mesmas quatro etapas para criar excelentes diagramas que ajudarão a transmitir seus pensamentos para o público.

Gráfico de dispersão

Para a sobremesa, considere gráficos de dispersão ou um "mapa". A vantagem desse tipo é que ele contém muitos indicadores. Ele tem dois eixos, tamanho do ponto, cor e símbolo - os quais podem potencialmente exibir uma dimensão adicional. Mas quanto mais medições estiverem, mais difícil será a leitura. Nos documentos impressos, quando as pessoas podem se sentar e descobrir, isso é permitido, mas ao falar, é melhor usar não mais do que 2-3 medidas.


Opções disponíveis: posição do ponto, cor, tamanho e símbolo

Ênfase e gestão da atenção

A idéia formulada e o tipo certo de gráfico são metade do sucesso. Além disso, queremos que o leitor ou o visualizador olhem imediatamente para o lugar certo. Como enfatizar?

Arrow

A maneira mais simples que geralmente é negligenciada é a flecha. Barato e alegre, mas cumpre plenamente sua tarefa. Quase qualquer ferramenta de captura de tela pode definir uma seta. Com ele, você sempre pode chamar a atenção do visualizador para o elemento gráfico desejado.



Moldura

Outra opção do "barato" - destacando o quadro. É usado quando eles falam sobre um determinado período de tempo e desejam destacar a dinâmica do indicador.



Um bom exemplo é o gráfico do começo do artigo, quando eu falei sobre jogos em escala - você pode falar sobre pequenas mudanças e o cenário geral.



Delimitadores

Essencialmente, as linhas separadoras são uma variação na borda. Eles são úteis quando queremos destacar períodos "antes / depois" ao mostrar dinâmica. Ou, por exemplo, um "corredor" de valores interessantes em um gráfico de dispersão.



Cor

Um pouco mais de esforço requer realce de cores. Mas parece "mais arrumado".


Dinâmica dos indicadores em um período específico

Outra variação no realce de cores é quando destacamos as partes do gráfico que nos interessam com uma tonalidade mais clara:

Remova o excesso

O último passo é remover os elementos em excesso. Tudo o que irá distrair e interferir na transmissão da idéia principal.

Voltar ao exemplo de gráfico de área. Neste tipo, removemos camadas desnecessárias. Se você deseja destacar que a renda mostra um aumento em apenas uma categoria, todas as outras camadas podem ser ocultadas.


Recolher camadas

Muitas ferramentas de análise padrão criam gráficos com linhas e uma escala. Em vez de forçar o visualizador a correlacionar a altura das colunas e a escala, podemos especificar os números em cada coluna separadamente e remover as linhas que não são mais necessárias. Vai parecer mais arrumado.



Sempre reduza as unidades e arredonde para dígitos significativos. Se estamos falando de milhões, definitivamente não são necessárias centenas e dezenas. Em primeiro lugar, será menos perturbador para o espectador e, em segundo lugar, será mais fácil ajustar os números no gráfico.

E, finalmente, se de repente a agenda resultante ainda não ajudar a transmitir a mensagem, remova-a completamente. Por que sobrecarregar uma apresentação ou relatório com lastro inútil?

Fontes

Até o momento, foi possível percorrer brevemente os princípios mais básicos, mas o tópico de visualização de dados é muito mais amplo. Se ela estiver interessada, recomendo que você se familiarize com as fontes sem as quais este artigo não seria:

[1] Alexander Bogachev, "Cartas que convencem a todos . " O livro ainda está em andamento, os capítulos são gradualmente apresentados pelo autor no site, mas o que existe já é muito útil.

[2] Gene Zhelyazny, "fale na linguagem dos diagramas" . O clássico da visualização de dados, que escreveu este livro quando os gráficos ainda eram desenhados à mão e você precisava pensar imediatamente em como corrigi-lo.

[3] Darrell Huff, "Como mentir usando estatísticas" . Não é um trabalho menos clássico sobre manipulação de dados.