نقدی از نمودارهای رادار

گراهام اون

این مقاله نقد نمودارهای رادار را نشان می دهد ، یک نوع نمودار که معمولاً برای نمایش داده های چند متغیره استفاده می شود ، و برجسته می کند که چگونه آنها برای برقراری ارتباط مؤثر اطلاعات در داده های اساسی طراحی شده اند و تعدادی از گزینه های مؤثرتر را ارائه می دهند.

معرفی

نمودارهای رادار ، که گاهی به عنوان عنکبوت شناخته می شود ، نمودارهای شروع یا وب ، یک نوع نمودار دو بعدی هستند که برای ترسیم یک یا چند سری از مقادیر بیش از چند متغیر کمی مشترک با تهیه یک محور برای هر متغیر ، به صورت شعاعی به عنوان سخنگوی مساوی در اطراف ، تنظیم شده است. یک نکته اصلیمقادیر متغیرهای مجاور در یک سری واحد توسط خطوط وصل می شوند و اغلب شکل چند ضلعی ایجاد شده توسط این خطوط به صورت پر از رنگ. فراتر از این تغییرات ظریف بسیاری وجود دارد که با توجه به اثربخشی نمودار عواقب مختلفی دارند. این تغییرات در نقد زیر در نقاط مناسب پوشش داده می شود.

نمودار 1: نمودار رادار از ویکی پدیا

انتقاد

محورها و مقادیر

محورهای نمودارهای رادار برای هر یک از متغیرهای کمی مورد بررسی ، مقیاس های مستقل را نشان می دهند. بنابراین ، ممانعت از انسداد ، مقایسه مقادیر برای یک متغیر واحد بین سری ساده و نسبتاً بی دردسر است زیرا صرفاً شامل ارزیابی موقعیت آنها در طول یک خط است ، کاری که ما بدون هیچ فکری قادر به انجام آن هستیم. با این حال ، تعدادی از موضوعات متمایز هنگام تلاش برای مقایسه مقادیر در محورهای مختلف بوجود می آیند.

در مرحله اول (و به راحتی درک می شود) ، با تعریف هیچ چیز ممنوع است که محورها را نشان می دهد که مقیاس های مختلفی را نشان می دهد زیرا آنها از نظر اسمی مستقل هستند. این در نمودار 2 نشان داده شده است. در این حالت مقایسه با وضوح بین متغیرها بی معنی است ، اما این چیزی است که یک نمودار رادار برای ترغیب ما به انجام آن طراحی شده است. امیدوارم از این مثال شدید شما نیز بتوانید قدردانی کنید که حتی در موارد ظریف تر که مقیاس ها واقعاً مستقل هستند ، خواه این وارونگی مقیاس در یک محور باشد یا مقادیر کمی متفاوت از مقادیر ارائه شده ، مقایسه کاملاً پوچ است. به حدی که کتابخانه ها یا برنامه های نمودار بسیار کمی از این طریق از این طریق پشتیبانی می کنند.

متأسفانه ، حتی با یک مقیاس مشترک بین محورها ، مقایسه مقادیر در بین آنها دست و پا گیر و مستعد خطا است. این امر به این دلیل است که به جای مقایسه مستقیم خط مستقیم ، درک بصری ما سخت است که در انواع نمودار "معمولی" یافت می شود ، مقایسه در نمودارهای رادار نیاز به فکر آگاهانه دارد تا از نظر ذهنی نوعی قوس چرخش را برای نقشه برداری یک مقدار طراحی کنداز یک محور به دیگری ، چیزی که ما به خصوص در آن ماهر نیستیم.

نمودار 3: نمودار رادار byvisiblox

به منظور کمک به درک عمومی و به ویژه مقایسه در محورها ، نمودارهای رادار معمولاً خطوط اتصال دهنده محورها را هنگام اشتراک گذاری یک مقیاس مشترک نشان می دهند (ظاهر سنتی مانند عنکبوت مانند خود را به آنها می دهد). با این حال ، حتی با وجود این شبکه ها ، مقایسه مقادیر در محورهای غیر مجاور ، دست و پا گیر است. به عنوان مثال ، سعی کنید نمرات فضا و راحتی را برای کامیون هیولا در نمودار 3 مقایسه کنید. این نیاز به یک تلاش آگاهانه شگفت آور دارد ، اینطور نیست؟

نمودار 4: نمودار رادار توسط آزمایشگاه KAP

گذشته از شبکه های جوهر غیر داده به ناچار اضافه می شود ، آنها همچنین موضوعات دیگری را به نمودارهای رادار معرفی می کنند. به طور عمده ، آنها تمایل دارند با شکستن ارتباط با نزدیکی مورد استفاده برای پیوند دادن یک برچسب ارزش خاص با یک علامت در محور ، سردرگمی را در مورد برچسب زدن ارزش محور اضافه کنند. این به وضوح در نمودار 1 نشان داده شده است. نیاز به تفکر فعال برای جدا کردن برچسب ها از خطوط شبکه ای که سهواً در آن دروغ می گویند. به عنوان مثال ، به نظر می رسد که در واقع 60 خط شبکه 60 دلار به جای آن برچسب 50 دلار است. نمودار 3 یک راه حل متداول برای این مشکل را نشان می دهد که متأسفانه نمودار را به همان اندازه دشوار می کند ، فقط به روشی متفاوت. در اینجا برچسب ها آنقدر از محور دور هستند که ، یک بار دیگر ، تلاش آگاهانه لازم است تا آنچه را که باید یک تفسیر ناخوشایند و تقریباً ناخودآگاه برای نمودار باشد ، درک کند.

گاهی اوقات خطوط روی نمودار رادار به عنوان حلقه ها به جای خطوط اتصال مستقیم بین مقادیر معادل در محورهای مجاور ارائه می شوند ، همانطور که در نمودار 5 است. از نظر مفهومی ، من نمی دانم که چگونه یک نمودار می تواند اتصالات دایره ای بین مقادیر محور و اتصالات خط مستقیم بین سری را ترکیب کندارزش های. مطمئناً آنها باید به همان فضای داده های زیربنایی مفهومی پایبند باشند؟! در غیر این صورت نمودار اساساً شکسته است. اگر کسی احساس می کند که با استفاده از فضای داده قطبی کاملاً قطبی برای هر دو خط شبکه و شکل سری ، نمودار رادار ایجاد می کند ، آیا می توانید لینک را برای من ارسال کنید؟من هرگز واقعاً یکی را ندیده ام و همیشه مثل یک کلاهبرداری دوست دارم.

خطوط اتصال و مقیاس اسمی

متغیرهای کمی و مقادیر آنها که در محورهای مختلف یک نمودار رادار نشان داده شده است ، به استثنای برخی موارد کمتر رایج مانند هنگام ترسیم داده های زمان بندی ، متمایز و نامربوط است. با این حال ، با طراحی ، نمودارهای رادار با داشتن یک خط اتصال بین مقادیر در محورهای مختلف به منظور ایجاد گروه بندی سری ، پیشنهاد برخی از رابطه بین متغیرها را می دهند و در نتیجه کاربر را گمراه می کنند. برای کمک به روشن شدن این نکته ، نمودار زیر با نمودار 5 یکسان است به جز اینکه اطلاعات با استفاده از مختصات "معمولی" دکارتی به جای مختصات (شبه) قطبی یک نمودار رادار ترسیم می شوند.

در این قالب آشنا و غیر دایره ای ، امیدوارم که در واقع با یک مقیاس اسمی در محور X سر و کار داشته باشیم. یعنی دسته بندی های موجود در محور X به سادگی با نام های موجود در آن نامگذاری شده اند که هیچ نظم ذاتی ندارند و مقادیر کمی را نشان نمی دهند. به همین ترتیب ، رابطه و شیب یا کاهش ارزش خط اتصال دلالت بر این دارد که کاملاً گمراه کننده است زیرا ما می توانیم با تنظیم مجدد مقولات ، خودسرانه روابط را تغییر دهیم (کاری که ما به دلیل عدم سفارش ذاتی آنها آزاد هستیم). هنگامی که به این روش نشان داده می شود ، بسیاری از شما تشخیص می دهید که این نوع اطلاعات بسته به هدف خاص نمودار ، مطابق با هدف خاص نمودار ، به بهترین شکل به عنوان نمودار نوار ارائه می شود.

انسداد

انسداد ، در تجسم داده ها ، به پدیده ای اشاره دارد که بخشی از تجسم بخش دیگری را مبهم می کند. واضح است که باید از این امر جلوگیری کرد ، یا حداقل به حداقل برسد ، زیرا تصاویر پنهان مانع از تفسیر صحیح اطلاعات می شود. متأسفانه ، طراحی نمودارهای راداری به معنای انسداد قابل توجه در هنگام ترسیم چندین سری اجتناب ناپذیر است ، زیرا آنها باید "در بالای یکدیگر" باشند. در مواردی که رنگ پر شکل یک سری نسبتاً یا کاملاً مات باشد ، مانند نمودار 5 ، دیدن مقادیر خاص غیرممکن است. در این موارد ، خطوط خط نیز در بهترین حالت تا حدی مبهم هستند ، در نتیجه این امر را حتی دست و پا گیر تر می کند تا ارزش هر نقطه مشخص را تشخیص دهد. در نمودار 5 با اضافه کردن علائم تیک در بالای سریال ، این برطرف شده است که متأسفانه نیز به درهم و برهمی کلی در نمودار می افزاید.

هنگامی که شفافیت برای دور زدن مشکلات ناشی از رنگهای پر از رنگ مورد استفاده قرار می گیرد ، مشکل جدیدی ایجاد می کند: اثر رنگ آمیزی غیرقابل اجتناب می تواند باعث تمایز سری زیرین یا مطابقت آنها با افسانه بسیار دشوار شود. به همین ترتیب ، رویکردی که حداقل از انسداد رنج می برد ، زمانی است که از رنگ پر استفاده نمی شود ، مانند نمودار 1.

شکل ها

یکی از استدلالهایی که طرفداران نمودارهای رادار ارائه شده است این است که ما به طور طبیعی در دیدن و ارزیابی اشکال ساده ماهر هستیم. اگرچه این درست است ، اما این مسئله را نادیده می گیرد که شکل کلی ارائه شده برای یک سری در یک نمودار رادار ، هیچ یک از ویژگی های پیش توجه را که ما از نظر کمی درک می کنیم ، نمی کند. در اصل ، این بدان معنی است که ما نمی توانیم معنای واقعی زیادی را به شکل یک سری نسبت دهیم. تنها الگویی که درک بصری ما واقعاً می تواند در یک مجموعه داده ارائه شده به عنوان نمودار راداری تشخیص دهد ، شباهت و مسافت های شدید است. تشخیص در تجسم های جایگزین مؤثرتر ، مانند نمودارهای خط و نوار ، هر دو الگوی به همان راحتی آسان هستند. نمودارهای راداری مثال را در بالا در نظر بگیرید ، آیا می توانید با اطمینان در مورد سری مربوطه بر اساس شکل های آنها غیر از جایی که مشابه هستند یا یک چیز مهم وجود دارد ، با اطمینان بگویید؟

مسئله دیگر در مورد شکل های ارائه شده توسط نمودارهای رادار این است که مساحت اشکال به عنوان مربعی از مقادیر به جای خطی افزایش می یابد. این می تواند باعث شود ما داده ها را نادرست تفسیر کنیم زیرا تفاوت اندک در مقادیر منجر به تفاوت معنی داری در منطقه می شود ، در نتیجه وقتی که تمایل طبیعی خود را برای مقایسه اندازه شکل ها دنبال می کنیم ، تفاوت هایی را اغراق می کنیم.

جایگزین، گزینه ها

بسته به اطلاعات ارائه شده ، گزینه های متعددی مؤثرتر برای نمودارهای رادار وجود دارد. این شامل نمودارهای نوار ، همانطور که در بالا نشان داده شده است ، نمودارهای خط (به ویژه برای داده های Timeseries) ، نمودارهای مختصات موازی و جداول کاملاً ساده نشان می دهد که ارقام خام را نشان می دهد. مورد دوم معمولاً نادیده گرفته می شود ، اما هنگام برخورد با مجموعه داده های نسبتاً کوچک و ساده ، اغلب فوری ترین و واضح ترین روش برای ارائه اطلاعات است. در موارد پیچیده تر ، یک جایگزین مؤثرتر برای نمودار رادار می تواند استفاده از مفهومی به نام چند برابر کوچک ، ابداع شده توسط ادوارد توفت ، در رابطه با نمودارهای نوار باشد. با استفاده از این رویکرد ، سری های فردی بر روی نمودارهای جداگانه جدا می شوند ، همه آنها یک مقیاس محور X و/یا Y مشترک را به اشتراک می گذارند تا مقایسه معنی دار در بین آنها امکان پذیر باشد. به این ترتیب ، به دست آوردن هم در سطح بالاتر و هم با جزئیات بیشتر بررسی می شود زیرا درهم و برهمی ، انسداد و موضوعات مرتبط با نمودارهای پیچیده و به ویژه نمودارهای رادار حذف می شوند. نمودار زیر طراحی مجدد است

توجه داشته باشید که برچسب های مقیاس محور X حذف شده اند زیرا در مثال اصلی حضور ندارند و حتی پس از یک تحقیق در پس زمینه ، من قادر به استنباط آنها نبودم. تا آنجا که می توانم بگویم ، داده های مورد استفاده برای ایجاد نمودار اصلی داستانی است. اگر ارقام واقعی مورد توجه قرار گیرد ، من پیشنهاد می کنم از داده های عمومی Google Explorer استفاده کنید.

مزیت فوری استفاده از جداول ، ستون های نوار یا چند برابر کوچک این است که آنها به طور طبیعی از سفارش پشتیبانی می کنند. با نمودار رادار ، معرفی سفارش نیاز به نقطه شروع و جهت صریحاً نشان داده می شود که به نوعی نشان داده شود زیرا هیچ یک از آنها نمی توانند ذاتاً از طراحی نمودار رادار استنباط شوند. در گزینه های فوق الذکر ، سفارش چپ به راست یا بالا به پایین بلافاصله مشهود است. اگرچه سفارش به ندرت ضرورت سختگیرانه ای برای نمودار با مقیاس اسمی است ، اما می تواند ساختار مفیدی را برای اطلاعاتی فراهم کند که داستان گفته شده را تقویت یا تقویت می کند. به عنوان مثال ، سفارش بهترین تا بدترین برای برخی از ارزش ها می تواند وضوح زیادی را به یک نمودار اضافه کند.

نمونه کار

براساس آنچه تاکنون توضیح داده شده است ، امیدوارم مشخص شود که روشهای مؤثرتری برای نشان دادن اطلاعات نشان داده شده در نمودارهای رادار وجود دارد. برای تأکید بیشتر این موضوع و نشان دادن اینکه چگونه اندیشه و تلاش کمی بیشتر در طراحی یک نمودار می تواند تأثیر قابل توجهی در اثربخشی آن داشته باشد ، در اینجا یک نمونه کار شده را بر اساس نمودار 1 دنبال می کند.

همانطور که قبلاً برجسته شده بود ، دسته بندی های محور یک نمودار رادار غالباً یک مقیاس اسمی هستند ، به این معنی که هیچ ارتباطی بین ارزشهای مربوطه آنها وجود ندارد. بنابراین ، بلافاصله مشخص است که نمودار نوار نمایش بهتری از داده های نشان داده شده در نمودار 1 خواهد بود.

در مورد خاص نمودار 1 ، این یک فرض نسبتاً بی خطر است که بگوییم این نمودار در نهایت در تلاش است تا بخش های بیش از حد و زیر را منتقل کند. به همین ترتیب ، طراحی مجدد زیر با کاهش شور بصری ارزشهای بودجه ، بر ارزش مهمتر ، هزینه واقعی و ارتباط آن با بودجه متمرکز است.

علاوه بر این ، می توان فرض کرد که در این حالت بیش از حد و تحت فشار نسبی بخش های مربوطه نگرانی اصلی است. با ترسیم این تفاوت به عنوان درصدی از بودجه اصلی و سفارش نمودار نوار حاصل از بزرگترین هزینه بیش از حد به بزرگترین زیرزمین ، ما یک داستان کاملاً واضح داریم که بخش ها بدترین متخلفین در هر دو انتهای مقیاس هستند.

نتیجه

امیدوارم مشخص باشد که نمودارهای رادار ، با وجود جذابیت اولیه به دلیل ظاهر جالب آنها ، در نهایت بی فایده هستند ، به این دلیل که قادر به برقراری ارتباط کارآمد و مؤثر اطلاعات به کاربران نیستند. متأسفانه ، بسیاری از فروشندگان محصولات نمودار همچنان شامل آنها می شوند و به نظر می رسد کاربران بیشتر از توانایی خود در خدمت هدف خود به آن واکنش 5 ثانیه ای "جالب" علاقه مند هستند. علاوه بر این ، فروشندگان کاملاً توجیهی فرض می شوند که در حوزه خود متخصص هستند یا حداقل تخصص بیشتری نسبت به مصرف کنندگان دارند. بنابراین ، تا زمانی که فروشندگان محصولات نمودار همچنان به پشتیبانی و تشویق ویژگی های اساسی با نقص مانند نمودارهای رادار ادامه دهند ، کاربران ، مگر اینکه در غیر این صورت تحصیل کنند ، به طور واضح فرض می کنند که این ویژگی ها کاملاً مناسب هستند. فروشندگان سپس اغلب استدلال می کنند که مصرف کنندگان این ویژگی ها را درخواست می کنند. و بنابراین یک حلقه بازخورد از توهم ایجاد شده است.

بنابراین من از فروشندگان محصولات نمودار برای اتخاذ موضع "شجاع" استفاده می کنم: لطفاً از جمله عملکردی که به کاربران امکان می دهد تصویری با نقص ایجاد کنند ، بی معنی متوقف شوند. یا حداقل ، متوقف کردن این نکته که آنها با ارائه آنها در وب سایت ها و مطالب بازاریابی ، تمرین خوبی هستند. شما با تشویق کاربران به سمت نمودارهای دست و پا گیر و ناامیدکننده که کار نمی کنند ، در مجموع ، قدرت تجسم داده ها را تضعیف می کنید ، وقتی واقعاً باید بهتر بدانید.