客观数据分析与可视化

2020-10-13 08:00:00 · 飞浪

介绍我们不断受到攻击，被各种旨在影响我们思想、行为和行动的信息轰炸。很多时候，我们发现这些信息其实是包含真实成分的善意谎言，但它们被操纵以符合由欺骗性数据可视化支持的预定义叙述。

介绍

我们不断受到攻击，被各种旨在影响我们思想、行为和行动的信息轰炸。很多时候，我们发现这些信息其实是包含真实成分的善意谎言，但它们被操纵以符合由欺骗性数据可视化支持的预定义叙述。

SafeTechNext 场景和数据集

假设你是一名数据记者，负责报道大型在线新闻门户网站的数据、安全和隐私问题。你收到了社交媒体平台上代表网络防御公司 SafeTechNext 的公关代理的直接消息。该代理提到最新的数据泄露数字已经公布，并建议采访 SafeTechNext 的一位网络安全专家，撰写一篇关于如何保护敏感数据安全的文章。

这位公关人员还发布了几张可视化图表，让数据记者的工作更加轻松。然而，这些可视化图表并不像表面上看起来那么客观。

使用细分来创建关系

该图表按五年划分，而不是显示每年发生的数据泄露次数。这是一种欺骗性做法，可以使数据泄露次数看起来逐年增加。虽然公关人员可能会使用这种方法来配合叙述，但客观的数据可视化会显示年度数据泄露次数。

如何使该数据可视化变得客观？

选择不同的图表类型来直观呈现年度数据泄露。例如，条形图比代理提供的图表更能有效地传达数据泄露趋势。虽然数据故事可能不如非客观数据泄露图表那么引人注目，但通过陈述事实并让目标受众决定问题，您将与利益相关者建立更好、更持久的关系。将您的研究传播到代表目标受众的多个群体。这包括使用内部工具和与外部供应商合作以获得有关数据的客观观点。

使用颜色突出显示值

这张图表有什么问题？

每个部分的颜色阴影具有误导性。数据讲述者通常使用较深的颜色来表示密度，而较浅的阴影则用于表示较少的数据点。然而，在此图表中，最深的颜色表示六年时间内数据泄露次数最少。这表明 2005-2010 年比其他两个部分更重要，这会导致测量不准确，因为代理比较了三个年数不同的时间段。2005-2010 年为六年，2011-2015 年为五年，2016-2019 年为四年。

如何使该数据可视化变得客观？

首先，创建三个具有相同年数的片段。接下来，对低密度数据使用较浅的色调，对高密度数据使用较深的颜色。如下面数据所示，违规行为的数量实际上是在上升而不是下降。