5.10 डेटा विज़ुअलाइज़ेशन डिज़ाइन

अवलोकन और प्रेरणा

एक चार्ट स्याही से बना एक तर्क है। जब आप डेटा को प्लॉट करते हैं, तो आप यह तय कर रहे होते हैं कि पाठक सबसे पहले क्या नोटिस करेगा, वह क्या तुलना करेगा, और आगे बढ़ने से पहले के दो सेकंड में वह किस निष्कर्ष पर पहुँचेगा। इसे अच्छी तरह करें तो एक कठिन प्रश्न स्वयं ही उत्तरित हो जाता है: रुझान स्पष्ट होता है, विसंगति (outlier) उभर कर सामने आती है, दोनों समूह स्पष्ट रूप से भिन्न दिखते हैं। इसे बुरी तरह करें तो वही डेटा भ्रमित करता है, उलझाता है, या केवल उबाऊ बन जाता है, और जिस निर्णय को सूचित करने के लिए यह बनाया गया था वह इसके बजाय अंदाज़े से लिया जाता है। डेटा विज़ुअलाइज़ेशन संख्याओं को ऐसे चित्रों में बदलने की डिज़ाइन कला है जो लोगों को यह देखने देती है कि संख्याओं का क्या अर्थ है।

यह अध्याय उसी कला के बारे में है: सही चार्ट चुनना, डेटा को ईमानदारी से एनकोड करना, रंग और लेआउट का उपयोग करना ताकि आँख वहीं पहुँचे जहाँ उसे पहुँचना चाहिए, और पूरी चीज़ को सुलभ (accessible) बनाए रखना। यह भाग 5 के भीतर आता है क्योंकि एक चार्ट भी एक इंटरफ़ेस है, और यह भाग के बाकी हिस्सों से सब कुछ विरासत में लेता है। यह अध्याय 5.1 की उपयोगकर्ता अनुभव (UX) की नींव पर बनता है, अध्याय 5.2 के डिज़ाइन सिस्टम से टोकन और कंपोनेंट उधार लेता है, अध्याय 5.3 की एक्सेसिबिलिटी संबंधी ज़िम्मेदारियों को अवश्य पूरा करता है, और अध्याय 5.4 के कंटेंट डिज़ाइन की सीधी, उद्देश्यपूर्ण आवाज़ में बोलता है। यह जानबूझकर पाइपलाइन से दूर रहता है। अध्याय 7.3 के एनालिटिक्स और बिज़नेस इंटेलिजेंस के डेटा पाइपलाइन, वेयरहाउस और रिपोर्टिंग टूल एक अलग विषय हैं, जैसा कि अध्याय 7.5 की व्यापक निर्णय विज्ञान (decision science) और डेटा संस्कृति है। यहाँ आप सीखते हैं कि चित्र को अच्छा कैसे बनाया जाए, चाहे डेटा कहीं से भी आए।

बड़ी टीमों के लिए, दांव पर समन्वय और विश्वास है। जब हर स्क्वॉड अपने चार्ट्स को अपने ढंग से स्टाइल करता है, तो एक कंपनी “समय के साथ राजस्व” की पचास बोलियों में समाप्त होती है, हर एक की अलग धुरियाँ, रंग, और पूर्णांकन, और अधिकारी सभी पर अविश्वास करना सीख जाते हैं। एंटरप्राइज़ सेटिंग्स में, एक भ्रामक डैशबोर्ड वास्तविक बजट को गलत दिशा में ले जाता है। सरकार में, एक सार्वजनिक चार्ट नागरिकों के साथ संचार का एक कार्य है और अध्याय 10.16 के हितधारक संचार का मामला है: सार्वजनिक स्वास्थ्य ग्राफ़िक पर एक काटी गई धुरी लाखों लोगों को दहशत में डाल सकती है या झूठा आश्वासन दे सकती है, और एक्सेसिबिलिटी एक पसंद नहीं बल्कि एक कानूनी दायित्व है। अच्छा विज़ुअलाइज़ेशन डिज़ाइन ही वह तरीका है जिससे डेटा विश्वास किए जाने का अधिकार अर्जित करता है।

मुख्य सिद्धांत

• पाठक के पास मौजूद प्रश्न से शुरू करें, फिर वह चार्ट चुनें जो उसका उत्तर देता है।
• विज़ुअल एनकोडिंग को डेटा के प्रकार से मिलाएँ: सटीक तुलना के लिए स्थिति (position), श्रेणियों के लिए रंगत (hue)।
• उस स्याही के हिस्से को अधिकतम करें जो डेटा ले जाती है; उस सजावट को हटा दें जो कुछ नहीं ले जाती।
• यह सुनिश्चित करने के लिए कि आँख पहले बिंदु पर पड़े, पूर्व-सचेत (pre-attentive) गुणों का जानबूझकर उपयोग करें।
• डेटा की भूमिका (सीक्वेंशियल, डाइवर्जिंग, कैटेगोरिकल) के अनुसार पैलेट चुनें और उन्हें कलर-ब्लाइंड-सुरक्षित रखें।
• कभी भी केवल रंग पर निर्भर न रहें; टेक्स्ट, संरचना, और तालिका का विकल्प (fallback) प्रदान करें।
• स्केल के बारे में सच बोलें: कोई काटी गई धुरी नहीं, कोई भ्रामक क्षेत्रफल नहीं, कोई अनावश्यक दोहरी धुरी नहीं।
• अंतर्दृष्टि (insight) पर टिप्पणी करें; पाठक को उसे खोजने न दें।

सिफारिशें

प्रश्न से शुरू करें, फिर चार्ट चुनें

हर अच्छा चार्ट एक डेटासेट से नहीं बल्कि एक प्रश्न से शुरू होता है। किसी चार्ट प्रकार तक पहुँचने से पहले, पाठक के प्रश्न को एक वाक्य में नाम दें, फिर उसे एक कार्य से मिलाएँ। तुलना (“कौन बड़ा है?“) को एक बार चार्ट चाहिए, जहाँ लंबाइयाँ एक साझा आधार रेखा पर बैठती हैं और आँख सहजता से उनकी रैंकिंग कर लेती है। समय के साथ रुझान (“यह किस दिशा में जा रहा है?“) को एक लाइन चार्ट चाहिए, क्योंकि एक जुड़ी हुई रेखा निरंतर परिवर्तन के रूप में पढ़ी जाती है। वितरण (“यह कैसे फैला हुआ है?“) को हिस्टोग्राम या बॉक्स प्लॉट चाहिए, जो आकार, केंद्र, और विसंगतियाँ दिखाते हैं। भाग-से-समग्र (“प्रत्येक भाग का हिस्सा क्या है?“) को आमतौर पर पाई की तुलना में स्टैक्ड बार बेहतर सेवा देता है, क्योंकि लोग कोणों की तुलना में लंबाइयों की तुलना कहीं अधिक सटीकता से करते हैं; पाई चार्ट को दो या तीन हिस्सों के लिए सुरक्षित रखें जहाँ विभाजन ही पूरी कहानी हो। संबंध (“क्या ये दोनों साथ चलते हैं?“) को एक स्कैटर प्लॉट चाहिए, वह एकमात्र चार्ट जो सहसंबंध (correlation) और समूहों को एक नज़र में उजागर करता है।

अनुशासन यह है कि प्रश्न को चार्ट चुनने दें, कभी उल्टा नहीं। एक चार्ट प्रकार जिसे इसलिए चुना गया क्योंकि वह प्रभावशाली दिखता है (एक 3D विस्फोटित पाई, एक रडार चार्ट, बीच में एक संख्या वाला डोनट) डिज़ाइनर के लाभ के लिए लिया गया निर्णय है, पाठक के लिए नहीं। जब एक तालिका प्रश्न का उत्तर तेज़ी से दे सकती है (एक पाठक जिसे चार पंक्तियों के लिए सटीक आँकड़े चाहिए, उसे चार्ट की बिल्कुल ज़रूरत नहीं है), तालिका का उपयोग करें। चार्ट तभी उचित है जब एक चित्र ऐसा पैटर्न उजागर करता हो जिसे ग्रिड पर अंक छुपा देते।

विज़ुअल एनकोडिंग को डेटा से मिलाएँ

एक चार्ट डेटा को विज़ुअल गुणों में मैप करके काम करता है, और वे गुण समान नहीं हैं। दशकों के धारणा अनुसंधान ने उन्हें रैंक किया है। एक साझा स्केल पर स्थिति (position) मनुष्यों के पास सबसे सटीक चैनल है, यही कारण है कि साझा धुरी पर बार और डॉट तुलना के लिए बाकी सब से बेहतर होते हैं। इसके बाद लंबाई आती है, फिर कोण और ढाल, फिर क्षेत्रफल, फिर रंग की तीव्रता, और अंत में रंगत (hue), जो मात्रा आँकने के लिए लगभग बेकार है लेकिन श्रेणियों को लेबल करने के लिए उत्कृष्ट है। अपना सबसे सटीक चैनल अपनी सबसे महत्वपूर्ण मात्रा पर खर्च करें।

चैनल को डेटा के प्रकार से भी मिलाएँ। मात्रात्मक (quantitative) डेटा (गिनती, राशि, अवधि) स्थिति, लंबाई, या एक सीक्वेंशियल रंग रैंप पर होना चाहिए। क्रमिक (ordinal) डेटा (छोटा, मध्यम, बड़ा) क्रमबद्ध आकार या हल्के-से-गहरे रैंप का उपयोग कर सकता है। श्रेणीबद्ध (categorical) डेटा (क्षेत्र, उत्पाद लाइन, पार्टी) रंगत या आकृति पर होना चाहिए, कभी ऐसे आकार पर नहीं जो यह संकेत दे कि एक श्रेणी दूसरी से “अधिक” है। क्लासिक गलती एक श्रेणी को इंद्रधनुष के रूप में एनकोड करना है ताकि पाठक की आँख एक ऐसा क्रम गढ़ ले जो डेटा में है ही नहीं। मात्रा को वहाँ एनकोड करें जहाँ आँख मात्रा पढ़ती है, और पहचान को वहाँ जहाँ आँख पहचान पढ़ती है।

ग्राफ़िकल उत्कृष्टता की खोज करें: डेटा-इंक को अधिकतम करें

एडवर्ड टफ्टे (Edward Tufte) ने विज़ुअलाइज़ेशन को उसका सबसे स्पष्ट डिज़ाइन सिद्धांत दिया, और इसे आत्मसात करना उचित है। उनका केंद्रीय माप डेटा-इंक अनुपात है: पृष्ठ पर मौजूद सभी स्याही (या पिक्सेल) में से, कितना भाग वास्तव में डेटा एनकोड करता है? बाकी सब कुछ (भारी ग्रिडलाइनें, बॉक्स की गई सीमाएँ, ड्रॉप शैडो, बैकग्राउंड फिल, अनावश्यक लेजेंड, सजावटी 3D) पाठक के ध्यान पर एक कर है। टफ्टे इस सजावट को चार्टजंक कहते हैं, और निर्देश स्पष्ट है: इसे मिटा दें। ग्रिडलाइनों को तब तक हल्का करें जब तक वे फुसफुसाएँ, चार्ट की सीमा हटाएँ, लेजेंड तक जाने के बजाय डेटा को सीधे लेबल करें, और डेटा को लगभग अकेला खड़ा रहने दें। एक चार्ट तब पूरा नहीं होता जब जोड़ने के लिए कुछ न बचे, बल्कि तब पूरा होता है जब अर्थ खोए बिना हटाने के लिए कुछ न बचे।

टीमों के लिए टफ्टे का एक विचार विशेष उल्लेख का पात्र है: स्मॉल मल्टीपल्स (small multiples)। एक उलझे हुए लाइन चार्ट में आठ सीरीज़ ठूंसने के बजाय, एक ग्रिड में आठ छोटे चार्ट बनाएँ, हर एक की समान धुरियाँ और स्केल, प्रत्येक सीरीज़ के लिए एक। आँख ग्रिड को स्कैन करती है और तुरंत विषम को पकड़ लेती है, क्योंकि हर पैनल सीधे तुलनीय है। स्मॉल मल्टीपल्स “पढ़ने के लिए बहुत अधिक रेखाएँ” को “एक पृष्ठ जिसे आप सरसरी तौर पर देख सकते हैं” में बदल देते हैं, और ये एक अकेले अतिभारित प्लॉट पर और अधिक रंग तथा और अधिक लेजेंड प्रविष्टियाँ ढेर करने की तुलना में कहीं बेहतर स्केल करते हैं।

पूर्व-सचेत गुणों और विज़ुअल पदानुक्रम का उपयोग करें

कुछ विज़ुअल अंतर सचेत ध्यान से पहले, एक सेकंड के अंश में, बिना पाठक के “खोजे” दर्ज हो जाते हैं। ये पूर्व-सचेत (pre-attentive) गुण (ग्रे बिंदुओं के बीच एक लाल बिंदु, एक लंबा बार, स्थान में अलग रखी एक वस्तु) आँख को दिशा देने के लिए आपके पास सबसे शक्तिशाली उपकरण हैं। इनका जानबूझकर उपयोग करें। यदि चार्ट का बिंदु यह है कि एक क्षेत्र पिछड़ रहा है, तो उस क्षेत्र को रंगें और बाकी को धूसर करें; पाठक शीर्षक पढ़ने से पहले संदेश देख लेता है। यदि सब कुछ चमकीला और गहरा है, तो कुछ भी नहीं है, क्योंकि कंट्रास्ट सापेक्ष है और ज़ोर से भरा पृष्ठ शोर से भरा पृष्ठ है।

यह डेटा पर लागू विज़ुअल पदानुक्रम है: तय करें कि पाठक को सबसे पहले क्या नोटिस करना चाहिए, और अपना सबसे मज़बूत संकेत वहीं खर्च करें। शीर्षक और टिप्पणी शब्दों में मुख्य बात बताते हैं। रंग और भार साक्ष्य की ओर इशारा करते हैं। सहायक हर चीज़ (धुरियाँ, ग्रिडलाइनें, द्वितीयक सीरीज़) धूसर होकर पीछे हट जाती है ताकि अग्रभाग बोल सके। पदानुक्रम रहित चार्ट पाठक से यह पता लगाने का काम माँगता है कि क्या महत्वपूर्ण है, जो डिज़ाइनर का काम था।

भूमिका के अनुसार रंग चुनें, और इसे कलर-ब्लाइंड-सुरक्षित बनाएँ

रंग वह चैनल है जिसका सबसे अधिक दुरुपयोग होता है, इसलिए इसे तीन परिवारों वाली एक प्रणाली के रूप में मानें। एक सीक्वेंशियल पैलेट एक ही रंगत में हल्के से गहरे तक चलता है और निम्न से उच्च तक जाने वाली मात्रा (जनसंख्या घनत्व, राजस्व) को एनकोड करता है। एक डाइवर्जिंग पैलेट में एक तटस्थ मध्यबिंदु पर मिलने वाली दो रंगतें होती हैं और यह केंद्र से विचलन (तापमान विसंगति, शून्य के आसपास लाभ-हानि, तटस्थता के आसपास सर्वेक्षण सहमति) को एनकोड करता है। एक कैटेगोरिकल पैलेट बिना किसी क्रम के समूहों को लेबल करने के लिए अलग-अलग रंगतों का एक समूह है; इसे लगभग सात रंगों तक सीमित रखें, क्योंकि इससे अधिक होने पर पाठक उनमें अंतर नहीं कर पाता। गलत परिवार चुनना (मात्रा के लिए एक कैटेगोरिकल इंद्रधनुष, बिना क्रम वाली श्रेणियों के लिए एक सीक्वेंशियल रैंप) पाठक की धारणा के विरुद्ध लड़ता है।

फिर इसे सुलभ बनाएँ, क्योंकि लगभग हर बारह पुरुषों में से एक को किसी न किसी रूप का रंग अंधापन होता है। लाल और हरा क्लासिक जाल हैं: एक लाल-बुरा, हरा-अच्छा चार्ट सबसे आम कमी वाले लोगों के लिए अदृश्य है। कलर-ब्लाइंड-सुरक्षित पैलेट चुनें (नीले-से-नारंगी डाइवर्जिंग योजनाएँ और ColorBrewer जैसे टूल के अच्छी तरह से परखे गए कैटेगोरिकल सेट सुरक्षित शुरुआती बिंदु हैं), और शिप करने से पहले सामान्य कमियों का अनुकरण करके सत्यापित करें। कंट्रास्ट भी जाँचें, ताकि टेक्स्ट और चिह्न अध्याय 5.3 के एक्सेसिबिलिटी मानकों द्वारा आवश्यक अनुपातों को पूरा करें। रंग को उस संदेश को सुदृढ़ करना चाहिए जो उसके बिना भी बचा रहता है।

केवल रंग पर निर्भर न रहें; विकल्प प्रदान करें

डेटा विज़ में एक्सेसिबिलिटी पैलेट चुनाव से आगे जाती है। वेब कंटेंट एक्सेसिबिलिटी गाइडलाइंस (WCAG) का मूल नियम यह है कि रंग कभी भी जानकारी पहुँचाने का एकमात्र तरीका नहीं होना चाहिए। इसलिए रंग को एक दूसरे संकेत के साथ जोड़ें: सीधे लेबल, स्कैटर पर अलग आकृतियाँ या मार्कर, लाइन चार्ट पर अलग लाइन शैलियाँ (ठोस, डैश्ड), या महत्वपूर्ण बार पर एक टेक्स्ट लेबल। एक पाठक जो आपकी रंगतों में अंतर नहीं कर सकता, उसे भी अनावश्यक (redundant) एनकोडिंग से पूरा संदेश मिलना चाहिए।

एक वास्तविक टेक्स्ट विकल्प और फ़ॉलबैक प्रदान करें। एक चार्ट इमेज को ऐसे alt टेक्स्ट की ज़रूरत है जो मुख्य बात बताए, न कि “बिक्री का चार्ट”, और एक लंबा विवरण या कैप्शन जो रुझान को नाम दे। जहाँ भी व्यावहारिक हो, अंतर्निहित डेटा को एक सुलभ तालिका के रूप में प्रस्तुत करें, ताकि स्क्रीन-रीडर उपयोगकर्ता और स्प्रेडशीट-केंद्रित विश्लेषक दोनों को सीधे संख्याएँ मिलें। यह अध्याय 5.2 के “इसे एक कंपोनेंट में एक बार हल करें” अनुशासन को प्रतिबिंबित करता है: उचित भूमिकाओं, इंटरैक्टिव तत्वों के लिए कीबोर्ड फोकस, और अंतर्निर्मित तालिका दृश्य के साथ सुलभ चार्ट कंपोनेंट बनाएँ, ताकि हर टीम एक्सेसिबिलिटी विरासत में पाए बजाय उसे हर डैशबोर्ड में फिर से गढ़ने के।

जानें कि आप खोज रहे हैं, समझा रहे हैं, या निगरानी कर रहे हैं

चार्ट तीन अलग-अलग काम करते हैं, और उन्हें भ्रमित करने से खराब काम होता है। खोजी (exploratory) विज़ुअलाइज़ेशन आपके लिए है, विश्लेषक के लिए, जो डेटा में दिलचस्प चीज़ों की तलाश कर रहा है; यह तेज़, घना, और बदसूरत हो सकता है, क्योंकि दर्शक एक विशेषज्ञ है जो पुनरावृत्ति करेगा। व्याख्यात्मक (explanatory) विज़ुअलाइज़ेशन एक दर्शक वर्ग के लिए है, जो एक विशिष्ट निष्कर्ष बता रहा है जिसे आप पहले से समझते हैं; यह सोच-समझकर बनाया गया, टिप्पणी युक्त, और एक ही संदेश तक सीमित है, और यह अध्याय 10.16 की कहानी-कथन (storytelling) में आता है। एक डैशबोर्ड एक तीसरी चीज़ है: समय के साथ ज्ञात मेट्रिक्स की निगरानी के लिए एक स्थायी, एक-नज़र में देखा जा सकने वाला डिस्प्ले, जो एकबारगी तर्क के बजाय “क्या अभी कुछ गलत है?” के लिए अनुकूलित है।

डिज़ाइन को काम से मिलाएँ। एक हेडलाइन और एक उभरी हुई सीरीज़ वाला व्याख्यात्मक चार्ट निगरानी डैशबोर्ड के लिए गलत है, जहाँ पाठक को एक नज़र में कई मेट्रिक्स चाहिए और लगातार स्थान ताकि उनकी आँख लेआउट सीख ले। कथात्मक टिप्पणी से ठूंसा हुआ डैशबोर्ड हर सुबह जाँचना थकाऊ है। और कच्चे प्लॉट से भरी एक खोजी नोटबुक को कभी किसी अधिकारी को ऐसे नहीं सौंपा जाना चाहिए जैसे वह एक व्याख्या हो। पहले काम तय करें; डिज़ाइन उसका अनुसरण करता है।

कभी भ्रामक न हों: ईमानदार स्केल, ईमानदार क्षेत्रफल

विश्वास नष्ट करने का सबसे तेज़ तरीका एक ऐसा चार्ट है जो सच्चा दिखते हुए झूठ बोलता है। सबसे आम झूठ काटी गई धुरी है: एक बार चार्ट की y-धुरी को 0 के बजाय 90 से शुरू करना 2% के अंतर को एक खाई में बदल देता है, क्योंकि बार की लंबाई अब मान से मेल नहीं खाती। बार हमेशा शून्य से शुरू होने चाहिए; लाइन चार्ट, जो परिमाण के बजाय परिवर्तन को एनकोड करते हैं, स्पष्ट रूप से लेबल किए जाने पर गैर-शून्य आधार रेखा का उपयोग कर सकते हैं। दूसरा जाल दोहरी धुरी है: एक चार्ट पर दो y-स्केल आपको स्केल को खिसकाकर मनचाहा सहसंबंध गढ़ने देते हैं, और पाठक शायद ही कभी इसे नोटिस करते हैं। इसके बजाय दो संरेखित चार्ट या एक इंडेक्स्ड दृश्य पसंद करें। तीसरा भ्रामक क्षेत्रफल है: जब आप एक आइकन या बबल को चौड़ाई और ऊँचाई दोनों से स्केल करके एक मान दर्शाते हैं, तो क्षेत्रफल वर्ग के रूप में बढ़ता है और अंतर को बुरी तरह बढ़ा-चढ़ाकर दिखाता है; साइड लंबाई से नहीं, क्षेत्रफल से स्केल करें।

इन्हें स्टाइल की पसंद नहीं, बल्कि निष्ठा (integrity) के नियम मानें। एक चार्ट एक दावा है जिस पर भरोसा करने के लिए आप पाठक से कह रहे हैं, और इनमें से हर विकृति धारणा के काम करने के तरीके का फायदा उठाकर एक छोटी चीज़ को बड़ी या असंबंधित चीज़ को जुड़ी हुई दिखाती है। नीचे दिए गए सरकारी और एंटरप्राइज़ उदाहरण दिखाते हैं कि जब दर्शक वर्ग जनता या बोर्ड हो तो यह विश्वासघात कितना महंगा पड़ता है।

अंतर्दृष्टि पर टिप्पणी करें और संयम के साथ इंटरैक्टिविटी जोड़ें

एक चार्ट जो पाठक से बिंदु ढूँढ़वाता है, वह आधा ही पूरा हुआ है। इस पर टिप्पणी करें: एक शीर्षक जो विषय (“समय के साथ साइनअप”) के बजाय निष्कर्ष (“मार्च लॉन्च के बाद साइनअप दोगुने हो गए”) बताए, मुख्य घटना पर एक कॉलआउट, लक्ष्य या औसत के लिए एक संदर्भ रेखा। टिप्पणी वह जगह है जहाँ अध्याय 5.4 का डिज़ाइन चित्र से मिलता है; शब्द तर्क ले जाते हैं और चिह्न प्रमाण देते हैं।

इंटरैक्टिविटी तभी अपना स्थान अर्जित करती है जब वह किसी वास्तविक अगले प्रश्न का उत्तर देती है। सटीक मानों के लिए टूलटिप, एक सेगमेंट तक फ़िल्टर करना, और विवरण में ड्रिल-डाउन तब सहायक होते हैं जब पाठक के पास एक अगला प्रश्न होता है जिसे स्थिर चार्ट नहीं संभाल सकता। लेकिन इंटरैक्टिविटी एक लागत है: यह जानकारी को होवर के पीछे छुपाती है, टच पर और कीबोर्ड उपयोगकर्ताओं के लिए विफल होती है, और प्रदर्शन को रेंगने की गति तक खींच सकती है। वेब पर, अध्याय 5.6 के रेंडर बजट पर ध्यान दें: दसियों हज़ार बिंदुओं को कैनवस या एक समुच्चित (aggregated) दृश्य चाहिए, दसियों हज़ार अलग-अलग डॉक्यूमेंट एलिमेंट नहीं। डिफ़ॉल्ट, स्थिर दृश्य को पूरी मूल कहानी बताने दें, और इंटरैक्शन को उसके नीचे की गहराई उजागर करने दें।

ट्रेड-ऑफ़: फ़ायदे और नुकसान

निर्णय	फ़ायदे	नुकसान
अपने उत्पाद में विज़ ​​बनाना	डिज़ाइन, एक्सेसिबिलिटी, इंटरैक्शन पर पूर्ण नियंत्रण	इंजीनियरिंग समय खर्च होता है; प्रदर्शन और रखरखाव का स्वामित्व आपका होता है
BI टूल के चार्ट का उपयोग करना	तेज़, सस्ता, वेयरहाउस से जुड़ा हुआ	सामान्य रूप-रंग; सीमित एक्सेसिबिलिटी और टिप्पणी नियंत्रण
इंटरैक्टिव चार्ट	अगले प्रश्नों के उत्तर देता है; यथास्थान खोज	धीमा, सुलभ बनाना कठिन, प्रिंट और टच पर विफल
स्थिर चार्ट	तेज़, सुलभ, प्रिंट-तैयार, स्पष्ट	पाठक के अगले प्रश्न का उत्तर नहीं दे सकता
डैशबोर्ड	कई ज्ञात मेट्रिक्स की एक-नज़र में निगरानी	एकबारगी तर्क के लिए खराब; मेट्रिक फैलाव को बढ़ावा देता है
व्याख्यात्मक चार्ट	एक संदेश को बल के साथ पहुँचाता है	निगरानी या खुली खोज के लिए गलत
समृद्ध रंग और प्रभाव	आकर्षक; परिष्कृत लगता है	चार्टजंक; डेटा-इंक अनुपात और एक्सेसिबिलिटी को नुकसान पहुँचाता है

बार-बार आने वाला तनाव अभिव्यंजना (expressiveness) बनाम ईमानदारी और स्पष्टता का है। हर विशेषता जो चार्ट को समृद्ध बनाती है (एक दूसरी धुरी, एक रंग ढाल, एक 3D परिप्रेक्ष्य, एक एनिमेशन) भ्रमित करने या बिंदु को दबाने का एक तरीका भी जोड़ती है। इसे कम की ओर डिफ़ॉल्ट करके हल करें: प्रश्न का उत्तर देने वाला सबसे सरल चार्ट, कम से कम रंगों में, ऐसे स्केल के साथ जो सच बताए। अभिव्यंजना तभी जोड़ें जब कोई विशिष्ट पाठक प्रश्न इसकी माँग करे, और जानबूझकर एक्सेसिबिलिटी और प्रदर्शन की लागत चुकाएँ। दूसरा स्थायी ट्रेड-ऑफ़ बनाना बनाम खरीदना है। एक BI टूल मिनटों में स्क्रीन पर एक चार्ट लाता है और आंतरिक निगरानी के लिए सही विकल्प है; ग्राहक-सामने वाले उत्पाद में एम्बेडेड विज़ को आमतौर पर वह डिज़ाइन, एक्सेसिबिलिटी, और प्रदर्शन नियंत्रण चाहिए जो केवल एक उद्देश्य-निर्मित कंपोनेंट ही देता है।

अपनी टीम के साथ चर्चा करने के लिए प्रश्न

1. क्या हमारे चार्ट एक साझा विज़ुअल भाषा साझा करते हैं, या हर टीम अपनी खुद की भाषा गढ़ती है? जब हर स्क्वॉड अपने रंग, धुरी परंपराएँ, पूर्णांकन, और चार्ट प्रकार चुनता है, तो संगठन ऐसी बोलियाँ जमा कर लेता है जो चुपचाप विश्वास को कमज़ोर करती हैं: “सक्रिय उपयोगकर्ता” दिखाने वाले दो डैशबोर्ड अलग-अलग स्केल और अलग-अलग हरे रंगों के साथ अधिकारियों को सिखाते हैं कि डेटा पर भरोसा नहीं किया जा सकता। तीन टीमों के एक ही मेट्रिक के तीन चार्ट लाएँ और उन्हें साथ-साथ रखें। जो अंतर आप पाते हैं (यहाँ एक काटी गई धुरी, वहाँ श्रेणियों का इंद्रधनुष, एक में हज़ारों में राजस्व और दूसरे में लाखों में) एक साझा चार्ट कंपोनेंट लाइब्रेरी का तर्क हैं जिसमें सहमत पैलेट, डिफ़ॉल्ट धुरी नियम, और अंतर्निर्मित एक्सेसिबिलिटी हो, जिसे अध्याय 5.2 के डिज़ाइन सिस्टम की तरह गवर्न किया जाए। लक्ष्य यह है कि कंपनी में कोई भी चार्ट देखते ही सही ढंग से पढ़ा जाए, क्योंकि व्याकरण साझा है।

2. क्या हमारे सबसे महत्वपूर्ण चार्ट एक कलर-ब्लाइंड पाठक और एक स्क्रीन रीडर से बचे रह सकते हैं? डेटा विज़ में एक्सेसिबिलिटी छोड़ना आसान है क्योंकि चार्ट उन लोगों को अभी भी ठीक दिखते हैं जिन्होंने उन्हें बनाया, और यही असली जाल है। अपनी नेतृत्व टीम द्वारा सबसे अधिक देखे जाने वाले तीन चार्ट लें और उन्हें एक कलर-ब्लाइंडनेस सिम्युलेटर से चलाएँ, फिर स्क्रीन बंद करके, केवल alt टेक्स्ट और किसी तालिका फ़ॉलबैक का उपयोग करके उन्हें समझने की कोशिश करें। यदि एक लाल-हरा स्थिति चार्ट सपाट हो जाता है, यदि alt टेक्स्ट केवल “चार्ट” कहता है और कुछ नहीं, या यदि माउस के बिना अंतर्निहित संख्याओं तक पहुँचने का कोई तरीका नहीं है, तो आपने पाठकों का एक समूह पाया है जिसे आप वर्तमान में बाहर कर रहे हैं, जो सार्वजनिक क्षेत्र के काम में अध्याय 5.3 के मानकों के तहत एक कानूनी जोखिम है। तय करें कि इसे ठीक करने का स्वामित्व किसके पास है और क्या इसका समाधान एक साझा कंपोनेंट में होना चाहिए ताकि यह एक बार में हल हो जाए।

3. हर उस चार्ट के लिए जो एक निर्णय को संचालित करता है, क्या हम उस प्रश्न की ओर इशारा कर सकते हैं जिसका वह उत्तर देता है और पुष्टि कर सकते हैं कि वह भ्रामक नहीं है? कई चार्ट इसलिए मौजूद हैं क्योंकि किसी ने कभी उन्हें बनाया था, इसलिए नहीं कि वे किसी जीवित प्रश्न का उत्तर देते हैं, और सबसे अधिक देखे जाने वाले कुछ चार्ट बिना किसी के ध्यान दिए स्केल को विकृत करते हैं। अपने मुख्य डैशबोर्ड पर चार्ट्स से गुज़रें और, प्रत्येक के लिए, उस निर्णय को नाम दें जिसे वह सूचित करता है और उसकी निष्ठा जाँचें: शून्य से बार, कोई अनावश्यक दोहरी धुरी नहीं, ईमानदारी से स्केल किए गए क्षेत्रफल, एक शीर्षक जो विषय के बजाय निष्कर्ष बताए। जो चार्ट किसी वर्तमान प्रश्न का उत्तर नहीं देते वे हटाने के उम्मीदवार हैं, और जो भ्रामक हैं वे तत्काल मरम्मत के उम्मीदवार हैं, क्योंकि एक चार्ट जो चुपचाप अंतर को बढ़ा-चढ़ाकर दिखाता है वह किसी चार्ट न होने से भी बदतर है। यह सीधे अध्याय 7.5 की निर्णय संस्कृति से जुड़ता है: एक टीम जो अपने चार्ट्स पर भरोसा करती है वह तेज़, बेहतर आधारित निर्णय लेती है।

4. जब किसी टीम को चार्ट की ज़रूरत होती है, तो क्या हम पहले BI टूल के अंतर्निर्मित चार्ट की ओर जाते हैं या एक गवर्न की गई कंपोनेंट लाइब्रेरी की ओर, और यह कौन तय करता है? BI टूल की ओर खिंचाव वास्तविक है: यह तेज़, सस्ता है, और पहले से ही वेयरहाउस से जुड़ा है, इसलिए अधिकांश निगरानी डैशबोर्ड वहीं होने चाहिए। लेकिन इसके सामान्य डिफ़ॉल्ट वे जगहें हैं जहाँ बोलियाँ और चार्टजंक घुसपैठ करते हैं, और इसके एक्सेसिबिलिटी और टिप्पणी नियंत्रण आमतौर पर कमज़ोर होते हैं, जो उन ग्राहक-सामने वाले और सार्वजनिक चार्ट के लिए सबसे अधिक मायने रखता है जो आपकी प्रतिष्ठा ढोते हैं। एक बड़े संगठन के लिए खतरा यह है कि डिफ़ॉल्ट कभी तय नहीं होता, इसलिए हर टीम जो भी सबसे आसान है उस ओर बहती जाती है और संपत्ति खंडित हो जाती है। आज चार्ट वास्तव में कहाँ बनाए जाते हैं इसकी एक सूची लाएँ, BI टूल बनाम एक उद्देश्य-निर्मित कंपोनेंट से कुछ साथ-साथ उदाहरण, और प्रत्येक में एक्सेसिबिलिटी की कमियाँ। एंटरप्राइज़ और सरकारी सेटिंग्स में, खरीद की वास्तविकता को भी शामिल करें: आप अक्सर वर्षों के लिए एक BI प्लेटफ़ॉर्म में बंद हो जाते हैं, इसलिए ठीक-ठीक जानें कि वह किन चार्टों को ईमानदारी और सुलभता से रेंडर कर सकता है और किन्हें एक गवर्न किए गए कंपोनेंट की ज़रूरत है, अनुबंध से पहले, बाद में नहीं।

5. किसी बाहरी या कार्यकारी दर्शक वर्ग को चार्ट प्रकाशित करने की अनुमति किसे है, और वह पहले कौन सी समीक्षा से गुज़रता है? सेल्फ़-सर्व एनालिटिक्स एक वास्तविक भलाई है, लेकिन इसका मतलब है कि एक भ्रामक चार्ट बिना दूसरी नज़र के बोर्ड या जनता तक पहुँच सकता है, और एक सार्वजनिक ग्राफ़िक पर एक काटी गई धुरी या एक अनलेबल्ड स्पाइक को रोकने की तुलना में उलझाना कहीं अधिक कठिन है। तनाव गति और स्वायत्तता बनाम निष्ठा और विश्वास का है: बहुत सख्ती से गेट करें तो लोग आपके आसपास से रास्ता निकाल लेते हैं, बहुत कम गेट करें तो आप वह चार्ट शिप कर देते हैं जो एक बाज़ार या एक निर्वाचन क्षेत्र को दहशत में डाल देता है। अपने सबसे अधिक दिखाई देने वाले चार्ट के लिए वर्तमान प्रकाशन मार्ग लाएँ, वे उदाहरण जो बिना समीक्षा के बाहरी दर्शक वर्ग तक पहुँचे, और इस बात का प्रमाण कि क्या चार्ट पर ही विधि और अनिश्चितता पर टिप्पणी की गई है। सार्वजनिक-क्षेत्र और विनियमित कार्य में यह तीव्र है: एक आधिकारिक आँकड़ा नागरिकों के साथ एक संचार है और अध्याय 10.16 के हितधारक विश्वास का मामला है, इसलिए नाम दें कि कौन साइन-ऑफ करता है, वे कौन सी निष्ठा और एक्सेसिबिलिटी जाँच-सूची लागू करते हैं, और जब कोई चार्ट भ्रामक होता है तो जवाबदेही कहाँ टिकती है।

6. हमने इंटरैक्टिविटी कहाँ जोड़ी है, और क्या डिफ़ॉल्ट स्थिर दृश्य अभी भी माउस के बिना पूरी कहानी बताता है? इंटरैक्टिविटी लुभावनी और महंगी दोनों है: यह मानों को होवर के पीछे छुपाती है, टच पर और कीबोर्ड उपयोगकर्ताओं के लिए टूट जाती है, और बड़े डेटासेट पर रेंडर बजट को रेंगने की गति तक खींच सकती है, जैसा अध्याय 5.6 चेतावनी देता है। प्रतिस्पर्धी विचार यह है कि एक वास्तविक अगला प्रश्न (एक सटीक मान, एक ड्रिल-डाउन, एक फ़िल्टर किया गया सेगमेंट) कभी-कभी इस लागत के लायक होता है, इसलिए लक्ष्य निषेध नहीं बल्कि संयम है। आप जो इंटरैक्टिव चार्ट शिप करते हैं उनकी सूची लाएँ, माउस को दूर रखकर और फ़ोन पर हर एक को आज़माने के नतीजे, और जब डेटा दसियों हज़ार बिंदुओं तक बढ़ता है तो प्रदर्शन के आँकड़े। एंटरप्राइज़ और सरकारी दर्शक वर्गों के लिए एक्सेसिबिलिटी का पहलू अध्याय 5.3 के मानकों के तहत एक कानूनी कर्तव्य है, और चार्ट कियोस्क, प्रिंटआउट, और सहायक तकनीक पर पढ़े जाते हैं, इसलिए स्थिर, टिप्पणी युक्त डिफ़ॉल्ट को मुख्य संदेश ढोना ही होगा और इंटरैक्शन केवल उसके नीचे गहराई जोड़ सकता है।

क्षेत्रीय दृष्टिकोण

स्टार्टअप। गति जीतती है, इसलिए एक विज़ कंपोनेंट संपत्ति बनाने के बजाय, जिसे आप स्टाफ़ नहीं कर सकते, अपने BI टूल के भीतर पहले से मौजूद चार्ट या एक हल्की चार्टिंग लाइब्रेरी पर निर्भर रहें। एक सस्ता निर्णय जो बाद में फल देता है वह पहले दिन एक ही कलर-ब्लाइंड-सुरक्षित पैलेट और शून्य-से-बार की आदत चुनना है, ताकि आपके दस ग्राहक होने से पहले ही आप एक ही मेट्रिक की एक दर्जन बोलियाँ जमा न कर लें। एक इंटरैक्टिव चार्ट के बजाय, जिसे सुलभ बनाने का समय आपके पास नहीं होगा, अपना निष्कर्ष बताने वाला एक स्थिर, टिप्पणी युक्त चार्ट पसंद करें।

लघु व्यवसाय। बिना किसी डेटा विशेषज्ञ और सीमित बजट के, विज़ुअलाइज़ेशन को उन टूल से मिलने वाली चीज़ के रूप में मानें जिनके लिए आप पहले से भुगतान करते हैं: स्प्रेडशीट, एनालिटिक्स SaaS, आपके CRM में डैशबोर्ड। मायने रखने वाले कुछ ही निष्ठा नियम सीखें (बार शून्य से शुरू होते हैं, मात्रा के लिए कोई इंद्रधनुष नहीं, नौ हिस्सों वाला कोई पाई नहीं) और कस्टम पैलेट बनवाने के बजाय एक तैयार कलर-ब्लाइंड-सुरक्षित पैलेट लागू करें। चार्ट खरीदें, उसे बनाएँ नहीं, और अपना ध्यान उसे सही ढंग से पढ़ने के लिए सुरक्षित रखें।

एंटरप्राइज़। समस्या कई टीमों में स्थिरता की है, इसलिए विज़ुअलाइज़ेशन को एक डिज़ाइन सिस्टम की तरह गवर्न करें: सहमत सीक्वेंशियल, डाइवर्जिंग, और कैटेगोरिकल पैलेट, ईमानदार धुरी डिफ़ॉल्ट, मानक संख्या फ़ॉर्मेटिंग, और अंतर्निर्मित एक्सेसिबिलिटी के साथ एक साझा चार्ट कंपोनेंट लाइब्रेरी। अध्याय 8.1 की डिलीवरी पाइपलाइन में विज़ुअल-रिग्रेशन और निष्ठा जाँच के साथ इसे लागू करें, ताकि एक धुरी काटने वाला या कंट्रास्ट में विफल चार्ट शिप होने से पहले ही रोक दिया जाए। लाभ यह है कि किसी भी टीम का चार्ट देखते ही सही ढंग से पढ़ा जाता है और नेतृत्व यह पूछना बंद कर देता है कि किस संस्करण की संख्या पर भरोसा किया जाए।

सरकार। हर सार्वजनिक चार्ट एक संचार कार्य है और सार्वजनिक जवाबदेही के अधीन है, इसलिए ईमानदार स्केल और WCAG एक्सेसिबिलिटी पसंद नहीं बल्कि दायित्व हैं। शून्य से बार, क्षेत्रफल द्वारा एनकोड किया गया क्षेत्रफल, कलर-ब्लाइंड-सुरक्षित पैलेट, निष्कर्ष बताने वाले सरल-भाषा शीर्षक, और हर चार्ट के साथ एक डाउनलोड करने योग्य सुलभ तालिका अनिवार्य करें। चार्ट पर ही विधि और अनिश्चितता पर टिप्पणी करें ताकि एक विवादास्पद आँकड़ा एक भ्रामक हेडलाइन तक सीमित न हो जाए, और सुनिश्चित करें कि आप जो भी BI टूल खरीदें वह इन मानकों को पूरा कर सके, क्योंकि दायित्व विक्रेता की परवाह किए बिना आपका है।

उदाहरण

स्टार्टअप। दस लोगों का एक एनालिटिक्स स्टार्टअप एक ग्राहक-सामने वाला उपयोग डैशबोर्ड शिप करता है। पहला संस्करण एक BI टूल की डिफ़ॉल्ट थीम का उपयोग करता है: श्रेणी रंगों का इंद्रधनुष, हर जगह ग्रिडलाइनें, और नौ हिस्सों वाला एक पाई चार्ट जिसे कोई नहीं पढ़ सकता। उपयोगकर्ता शिकायत करते हैं कि संख्याएँ अविश्वसनीय महसूस होती हैं। टीम इसे एक छोटे कलर-ब्लाइंड-सुरक्षित पैलेट के साथ एम्बेडेड कंपोनेंट के रूप में फिर से बनाती है, पाई को एक क्रमबद्ध बार चार्ट से बदलती है, ग्रिडलाइनों को हल्का करती है, और सीधे लेबल जोड़ती है ताकि लेजेंड गायब हो जाए। वे ऐसे शीर्षक सेट करते हैं जो निष्कर्ष बताते हैं और हर चार्ट में alt टेक्स्ट तथा तालिका टॉगल जोड़ते हैं। डैशबोर्ड के साथ जुड़ाव बढ़ता है क्योंकि ग्राहक आख़िरकार इसे एक नज़र में पढ़ सकते हैं, और साफ़-सुथरा डिज़ाइन डेमो में एक बिक्री बिंदु बन जाता है।

एंटरप्राइज़। एक बहुराष्ट्रीय बैंक के पास दर्जनों टीमों द्वारा बनाए गए सैकड़ों आंतरिक डैशबोर्ड हैं, हर एक के अपने रंग और धुरी की आदतें हैं, और अधिकारी नियमित रूप से उन पर अविश्वास करते हैं क्योंकि वही मेट्रिक हर डेक में अलग दिखता है। कंपनी अपने BI प्लेटफ़ॉर्म के ऊपर एक गवर्न की गई चार्ट लाइब्रेरी शुरू करती है: सहमत सीक्वेंशियल, डाइवर्जिंग, और कैटेगोरिकल पैलेट; यह पक्का नियम कि बार धुरियाँ शून्य से शुरू होती हैं; मानक संख्या फ़ॉर्मेटिंग; और हर कंपोनेंट में अंतर्निर्मित एक्सेसिबिलिटी। अध्याय 8.1 की डिलीवरी पाइपलाइन में एक विज़ुअल-रिग्रेशन जाँच उन चार्टों को रोकती है जो मानकों का उल्लंघन करते हैं। एक साल के भीतर, किसी भी टीम का चार्ट देखते ही सही ढंग से पढ़ा जाता है, और नेतृत्व “इस संख्या के किस संस्करण पर मुझे भरोसा करना चाहिए?” पूछना बंद कर देता है।

सरकार। एक राष्ट्रीय सांख्यिकी एजेंसी अर्थव्यवस्था, स्वास्थ्य, और जनसंख्या पर सार्वजनिक डेटा प्रकाशित करती है, और इसके चार्ट पत्रकारों, नीति-निर्माताओं, और उन नागरिकों द्वारा पढ़े जाते हैं जो अंतर्निहित आँकड़ों को सत्यापित नहीं कर सकते। एजेंसी हर चार्ट को जनता के साथ एक संचार और अध्याय 10.16 के हितधारक विश्वास का मामला मानती है। यह ईमानदार स्केल (शून्य से बार, कोई भ्रामक दोहरी धुरी नहीं, क्षेत्रफल द्वारा एनकोड किया गया क्षेत्रफल), क्षेत्रीय तुलनाओं के लिए कलर-ब्लाइंड-सुरक्षित डाइवर्जिंग पैलेट, निष्कर्ष बताने वाले सरल-भाषा शीर्षक, और WCAG को संतुष्ट करने के लिए हर चार्ट के साथ एक डाउनलोड करने योग्य सुलभ तालिका अनिवार्य करती है। जब कोई विवादास्पद आँकड़ा प्रकाशित होता है, तो टिप्पणी चार्ट पर ही विधि और अनिश्चितता की व्याख्या करती है, ताकि एक काटी गई धुरी या एक अनलेबल्ड स्पाइक कभी एक भ्रामक हेडलाइन न बन सके जो सार्वजनिक विश्वास को कमज़ोर करे।

व्यावसायिक मामला: प्रेरणाएँ, ROI, और TCO

अच्छे विज़ुअलाइज़ेशन डिज़ाइन का प्रतिफल तेज़, बेहतर निर्णय और कम महंगी गलतियाँ हैं। एक डैशबोर्ड जो एक नज़र में समस्या उजागर करता है, संकेत से कार्रवाई तक का समय छोटा करता है, और एक चार्ट जो सच बताता है वह बजट को उस भ्रम का पीछा करने से रोकता है जिसे एक काटी गई धुरी ने गढ़ा था। इन लाभों को चालान पर डालना कठिन है, लेकिन ये वास्तविक हैं: हर नेतृत्व बैठक जो यह बहस करने में खर्च होती है कि किस चार्ट पर भरोसा किया जाए, हर रणनीति जो गलत पढ़े गए रुझान पर बनाई जाती है, और हर ग्राहक जो इसलिए चला जाता है क्योंकि आपके उत्पाद का एनालिटिक्स अपठनीय था, वह एक लागत है जिसे स्पष्ट डिज़ाइन हटा देता है। जहाँ चार्ट वास्तविक धन को संचालित करते हैं, जैसे बैंक के उदाहरण में, विश्वसनीय संख्याओं का मूल्य उन्हें अच्छी तरह बनाने की लागत को बौना कर देता है।

अपनाने की लागत अधिकांशतः एक बार की और साझा है। आप सहमत पैलेट, धुरी और फ़ॉर्मेटिंग नियम, और एक्सेसिबिलिटी डिफ़ॉल्ट परिभाषित करते हैं, फिर उन्हें एक चार्ट कंपोनेंट लाइब्रेरी में एनकोड करते हैं ताकि टीमें उन्हें प्रति डैशबोर्ड फिर से तय करने के बजाय विरासत में पाएँ। स्वामित्व की चल रही लागत वास्तविक लेकिन मामूली है: लाइब्रेरी का रखरखाव, मानकों के विकसित होने के साथ इसे सुलभ बनाए रखना, और एकबारगी कस्टम चार्टों के फैलाव का प्रतिरोध करना। उपेक्षा की लागत चुपचाप जमा होती है: असंगत, भ्रामक, दुर्गम चार्ट आपके सभी डेटा में विश्वास को कमज़ोर करते हैं, विनियमित और सार्वजनिक-क्षेत्र सेटिंग्स में कानूनी जोखिम को आमंत्रित करते हैं, और लोगों को कच्ची स्प्रेडशीट की ओर वापस धकेलते हैं, जो अध्याय 7.3 के एनालिटिक्स स्टैक में पूरे निवेश को बर्बाद कर देता है। नेतृत्व के सामने मामला बनाने के लिए, विज़ुअलाइज़ेशन गुणवत्ता को उन परिणामों से जोड़ें जिन्हें वे पहले से ट्रैक करते हैं: निर्णय की गति, रिपोर्टिंग में विश्वास, और, सार्वजनिक क्षेत्र में, एक्सेसिबिलिटी अनुपालन।

एंटी-पैटर्न और नुकसान

• काटी गई बार धुरी: बार को शून्य से ऊपर शुरू करना ताकि एक छोटा अंतर एक खाई जैसा दिखे; सबसे आम चार्ट झूठ।
• अनावश्यक दोहरी धुरी: एक चार्ट पर दो y-स्केल, लेखक जो भी सहसंबंध दिखाना चाहे उसे गढ़ने के लिए खिसकाना।
• भ्रामक क्षेत्रफल: एक आइकन या बबल को साइड लंबाई से स्केल करना ताकि उसका क्षेत्रफल, और अनुभूत मूल्य, वर्ग के रूप में बढ़े।
• मात्रा के लिए इंद्रधनुष: एक क्रमबद्ध मात्रा को बिना क्रम वाली कैटेगोरिकल रंगतों से एनकोड करना, ताकि आँख परिमाण न पढ़ सके।
• कई हिस्सों वाला पाई: तीन से अधिक हिस्से, पाठकों को ऐसे कोणों की तुलना करने पर मजबूर करना जिन्हें वे आँक नहीं सकते; एक क्रमबद्ध बार का उपयोग करें।
• चार्टजंक: भारी ग्रिडलाइनें, सीमाएँ, 3D, और ड्रॉप शैडो जो डेटा-इंक अनुपात कम करते हैं और संकेत को दबा देते हैं।
• एकमात्र संकेत के रूप में रंग: बिना लेबल या आकृति के लाल-हरा स्थिति, कलर-ब्लाइंड पाठकों और स्क्रीन रीडर के लिए अदृश्य।
• लेजेंड खोजना: एक दूर के लेजेंड तक जाने पर मजबूर करना जहाँ रेखा या बार पर सीधा लेबल काम कर देता।
• हर चीज़ पर ज़ोर: हर सीरीज़ गहरी और चमकीली, ताकि कंट्रास्ट ढह जाए और कुछ भी अलग न दिखे।
• चार्ट जहाँ तालिका जीतती है: चार सटीक संख्याओं के लिए एक चित्र जिन्हें पाठक को सटीकता से पढ़ना है।

परिपक्वता मॉडल

• स्तर 1, आरंभ: चार्ट जो भी टूल हाथ में हो उसमें तदर्थ (ad hoc) बनाए जाते हैं। रंग, धुरियाँ, और फ़ॉर्मेट लेखक के अनुसार बदलते हैं, काटी गई धुरियाँ और इंद्रधनुष श्रेणियाँ आम हैं, एक्सेसिबिलिटी पर विचार नहीं किया जाता, और पाठक नतीजों पर अविश्वास करते हैं।
• स्तर 2, विकास: कुछ टीमें बुनियादी अभ्यास अपनाती हैं, लेकिन ये संगठन में असंगत हैं। कुछ जगहों पर बार शून्य से शुरू होते हैं, समीक्षा में स्पष्ट चार्टजंक हतोत्साहित किया जाता है, और कुछ टीमों में एक हाउस पैलेट मौजूद है, फिर भी गलियारे में दूसरी टीम अब भी नौ-हिस्सों वाला पाई और लाल-हरा स्थिति चार्ट शिप करती है।
• स्तर 3, मानकीकरण: एक साझा चार्ट कंपोनेंट लाइब्रेरी सहमत सीक्वेंशियल, डाइवर्जिंग, और कैटेगोरिकल पैलेट, ईमानदार धुरी नियम, मानक फ़ॉर्मेटिंग, और एक्सेसिबिलिटी (कलर-ब्लाइंड-सुरक्षित, alt टेक्स्ट, तालिका फ़ॉलबैक) को एनकोड करती है। मानक दस्तावेज़ीकृत और पूरे संगठन में लागू किए जाते हैं, और व्याख्यात्मक, खोजी, और डैशबोर्ड उपयोगों को डिज़ाइन द्वारा अलग किया जाता है।
• स्तर 4, प्रबंधन: विज़ुअलाइज़ेशन गुणवत्ता को आधार रेखाओं के विरुद्ध मापा और नियंत्रित किया जाता है। एक्सेसिबिलिटी और चार्ट-निष्ठा जाँच डिलीवरी पाइपलाइन में चलती हैं और पास दर रिपोर्ट करती हैं; शून्य से शुरू होने वाले बार, कंट्रास्ट-अनुपालक रंग, और तालिका फ़ॉलबैक वाले चार्टों का हिस्सा एक मेट्रिक के रूप में ट्रैक किया जाता है; समझ को वास्तविक पाठकों के साथ एक आधार रेखा के विरुद्ध परखा जाता है; और हर प्रमुख मेट्रिक की भिन्न बोलियों की गिनती को एक की ओर बढ़ते हुए देखा जाता है। मानकों का उल्लंघन करने वाले चार्ट रिलीज़ से पहले पकड़ लिए जाते हैं, और राय नहीं बल्कि संख्याएँ यह तय करती हैं कि लाइब्रेरी में कहाँ काम की ज़रूरत है।
• स्तर 5, संचालन: विज़ुअलाइज़ेशन को संगठन भर में निरंतर सुधारा और एकीकृत किया जाता है। एक्सेसिबिलिटी आवश्यकताओं और पाठक आवश्यकताओं के बदलने के साथ मानक अनुकूलित होते हैं, पैलेट, कंपोनेंट, और परंपराएँ मापे गए साक्ष्य से परिष्कृत होती हैं, टिप्पणी और कथा सामान्य बात है, और यह अभ्यास एनालिटिक्स तथा निर्णय संस्कृति में इस तरह बुना जाता है कि किसी भी टीम का चार्ट देखते ही सही ढंग से पढ़ा जाए और विज़ुअल भाषा संगठन के सीखने के साथ विकसित हो।

चर्चा के लिए विचार

1. आपके मुख्य डैशबोर्ड पर कौन सा चार्ट अलग दिखेगा यदि उसकी धुरी शून्य से शुरू हो, और क्या यह कहानी बदल देता है?
2. अपना सबसे महत्वपूर्ण चार्ट चुनें: क्या उसका संदेश ग्रेस्केल में बचा रहता है, और यदि नहीं, तो कौन सा अनावश्यक संकेत इसे ठीक करेगा?
3. आप कहाँ एक इंटरैक्टिव चार्ट का उपयोग कर रहे हैं जबकि एक स्थिर, टिप्पणी युक्त चार्ट पूरी कहानी तेज़ी से बता देता?
4. क्या आपके चार्ट शीर्षक निष्कर्ष बताते हैं या विषय, और यदि कोई हेडलाइन संख्या चुपचाप उलट जाए तो किसे इसका पता चलेगा?
5. आपके किन चार्ट का किसी वर्तमान निर्णय से कोई संबंध नहीं है, और बिना किसी को याद किए इसे हटाने में क्या लगेगा?
6. किसी टीम को उत्पाद में विज़ बनाना कब चाहिए बनाम BI टूल का उपयोग कब करना चाहिए, और क्या इस चुनाव के लिए आपके पास कोई लिखित नियम है?

मुख्य निष्कर्ष

• पाठक के प्रश्न से शुरू करें, फिर चार्ट चुनें: तुलना के लिए बार, रुझान के लिए लाइन, संबंध के लिए स्कैटर, वितरण के लिए हिस्टोग्राम, भाग-से-समग्र के लिए पाई पर क्रमबद्ध बार।
• एनकोडिंग को डेटा से मिलाएँ: अपनी सबसे महत्वपूर्ण मात्रा पर स्थिति और लंबाई खर्च करें, और श्रेणियों के लिए रंगत का उपयोग करें, परिमाण के लिए कभी नहीं।
• ग्राफ़िकल उत्कृष्टता की खोज करें: डेटा-इंक अनुपात को अधिकतम करें, चार्टजंक हटाएँ, स्मॉल मल्टीपल्स का उपयोग करें, और पूर्व-सचेत कंट्रास्ट तथा स्पष्ट पदानुक्रम से आँख को निर्देशित करें।
• रंग को एक प्रणाली (सीक्वेंशियल, डाइवर्जिंग, कैटेगोरिकल) के रूप में मानें, इसे कलर-ब्लाइंड-सुरक्षित रखें, और कभी केवल रंग पर निर्भर न रहें; लेबल, alt टेक्स्ट, और तालिका फ़ॉलबैक प्रदान करें।
• स्केल के बारे में सच बताएँ (शून्य से बार, ईमानदार क्षेत्रफल, कोई अनावश्यक दोहरी धुरी नहीं), अंतर्दृष्टि पर टिप्पणी करें, और इंटरैक्टिविटी तभी जोड़ें जब कोई वास्तविक अगला प्रश्न इसकी माँग करे।

संदर्भ और आगे पढ़ने के लिए

• Edward R. Tufte, The Visual Display of Quantitative Information
• Edward R. Tufte, Envisioning Information
• Stephen Few, Show Me the Numbers: Designing Tables and Graphs to Enlighten
• Stephen Few, Information Dashboard Design: Displaying Data for At-a-Glance Monitoring
• Cole Nussbaumer Knaflic, Storytelling with Data: A Data Visualization Guide for Business Professionals
• Alberto Cairo, The Truthful Art: Data, Charts, and Maps for Communication
• Alberto Cairo, How Charts Lie: Getting Smarter about Visual Information
• William S. Cleveland, The Elements of Graphing Data
• Jacques Bertin, Semiology of Graphics: Diagrams, Networks, Maps
• Tamara Munzner, Visualization Analysis and Design
• Cynthia A. Brewer, ColorBrewer: Color Advice for Cartography (colorbrewer2.org)
• World Wide Web Consortium (W3C), Web Content Accessibility Guidelines (WCAG) 2.2