数据可视化的陷阱 - 第 2 部分：数据可视化告诉我们什么关于我们自己的事情

[suchona.kani.z]

想象一下以下情况：您刚刚购买了一根球棒和一个球——总共 1.10 欧元。如果球棒比球贵 1 欧元，那么球的价格是多少？

如果您凭直觉得出的答案是 10 美分，那么您就很幸运了！Shane Frederick 的一项研究中，超过 50% 的参与者回答了这个问题，但遗憾的是答案是错误的。正确：5 美分。

您想知道这与数据可视化有什么关系吗？快速回顾后我将对此进行解释。

在本系列的第一部分中，我描述了呈现数据时的常见错误，从而对“数据”主题进行了清晰的介绍。它们无处不在，我们已将它们作为我们经济的核心要素，努力使可用数据流的复杂性变得有形，以凝聚新的见解。但那里的路崎岖而漫长！

只需看一下数据采集及其集成：即使是物流公司想要快速自动优化其车辆路线的简单示例也会变得非常复杂。位置和交通数据必须实时查询，道路信息必须用地形数据等附加信息来丰富，并且所有数据集必须一致。类似的 邮件营销给医生 挑战也与数据验证、数据准备甚至数据分析相关——它们都值得更详细地研究。

最终，关键的一步是解释提取的信息 - 这通常是通过可视化完成的，并将我们直接带到本文的核心。这次的重点是这样一个事实，即查看表示不可避免地相当于解释它，并且这种和谐可能会导致问题。

说明可视化的解释如何成为一个问题：a) 部分中的可视化数据不可避免地会触发查看者对数据的解释 - 此处通过 b) 部分中的直线趋势线显示。然而，这种解释不一定是正确的，甚至可能与c)部分的实际趋势相矛盾，这可能会产生严重的后果。
慢系统和快系统
对为什么像最初提出的那样的任务会出现问题的解释也回答了与数据可视化的联系是什么的问题。诺贝尔奖获得者丹尼尔·卡尼曼非常清楚地描述了我们大脑的两种“运作模式”：快速系统的工作和缓慢的逻辑思维系统的工作。快速帮助我们对不断影响我们的刺激做出有效反应，并下意识地从中得出结论。然而，这个系统容易受到认知扭曲的影响，必须通过缓慢的系统“付出巨大的努力”来纠正。由于快速系统也会立即、下意识地解释数据可视化，因此牢记这种联系非常重要 - 以便在必要时“在缓慢但缓慢的系统的帮助下”主动实现对数据的逻辑连贯解释。反射系统。以下示例旨在进一步提高您的敏感性并提高您对自己结论的不准确性的认识。

这绝对会有帮助。因为通常情况下，再现并不允许得出任何有根据的结论，但它们确实建议并要求观众全神贯注。