نمودارِ کش‌آمده!

نمودارها صفت و قید ندارند، اما محورهایشان همان کار را می‌کنند.

در برگه‌ی پیش دیدیم هر تفاوت واقعی لزوماً مهم نیست. این بار یک قدم جلوتر می‌رویم: فرض می‌کنیم عددها درست‌اند، تفاوت درست حساب شده و برخلاف برگه‌ی سوم، عددی هم پنهان نمانده است. آیا تصویری که نمودار از این تفاوت می‌سازد هم قابل‌اعتماد است؟

می‌توانیم بدون دست‌زدن به هیچ عددی، یک افزایش متعارف را به جهشی تاریخی تبدیل کنیم؛ کافی است محور عمودی را به‌جای صفر از عددی نزدیک به داده‌ها آغاز کنیم — به این کار «بریدن محور» می‌گویند — یا نمودار را کمی بلند و باریک کنیم. برعکس، می‌توانیم تغییری مهم را در محوری بسیار بزرگ چنان بفشاریم که تقریباً ناپدید شود.

فصل پنجم کتاب دارل هاف، The Gee-Whiz Graph، درباره‌ی همین ترفند است: به‌جای عوض‌کردن عددها، قابی بسازیم که چشم داستان دلخواهمان را از آن‌ها بخواند.


سه نمودار، یک واقعیت

فرض کنید درآمد ملی یک کشور در یک سال از ۲۰ به ۲۲ میلیارد دلار رسیده است؛ افزایشی ده‌درصدی.

آزمایشگاه: دکمه‌ها را بزنید و همان دوازده عدد را در سه قاب ببینید. هیچ عددی عوض نمی‌شود؛ فقط محور و قاب.

۰۶۱۲۱۸۲۴۲۰۲۱۲۲۲۰۲۱۲۲۲۰۲۲ماه‌های سالمیلیارد دلار

همان افزایش ده‌درصدی — روی صفحه: ۸٪ از ارتفاع قاب، با شیبی حدود ۲ درجه.

داده‌ها یکی‌اند؛ قاب نمودار سه داستان متفاوت ساخته است.

پیش از ادامه، حدس بزنید. کدام‌یک از این سه قاب ماجرا را بهتر توصیف می‌کند؟ و چه چیزی در آن‌ها فرق کرده است — داده یا چیزی دیگر؟

قاب نخست مقدارها را در مقایسه با صفر نشان می‌دهد و افزایش متعارف به نظر می‌رسد. قاب دوم فقط بازه‌ی تغییرِ همان سال را نشان می‌دهد؛ خط تقریباً تمام ارتفاع قاب را طی می‌کند. در قاب سوم، همان ده درصد شبیه صعودی تقریباً عمودی است.

کدام صادق‌تر است؟ هرکدام به پرسشی جواب می‌دهد: اولی می‌پرسد مقدارها نسبت به صفر چقدرند، دومی می‌پرسد در این بازه چه تغییری رخ داده است. مشکل از جایی آغاز می‌شود که قابِ مناسب یک پرسش را به‌جای پاسخ پرسشی دیگر عرضه کنیم — یا بی‌هیچ دلیلی، فقط نمایشی‌ترین قاب را برگزینیم.

هیچ نقطه‌ای جابه‌جا نشده است؛ آنچه تغییر کرده، سهم هر واحد داده از فضای تصویر است:

فاصله‌ی تصویری = ارتفاع نمودار × (تفاوت واقعی ÷ بازه‌ی محور)

تفاوت واقعی ثابت است، اما اگر بازه‌ی محور را ده برابر فشرده کنیم، فاصله‌ی روی صفحه ده برابر می‌شود. این رابطه فاصله‌ی عمودی را توضیح می‌دهد؛ شیبِ دیده‌شده علاوه بر آن به عرض نمودار نیز وابسته است. نمودار داده را به فاصله، طول، شیب، مساحت و رنگ ترجمه می‌کند، و انتخاب مقیاس دستور این ترجمه است.


ترفند «واو!»

هاف همین افزایش را در سه مرحله بازسازی می‌کند: نموداری با محور از صفر؛ سپس بریدن بخش بزرگی از پایین آن، تا خطی که کمی بالا می‌رفت نیمی از ارتفاع صفحه را طی کند؛ و در آخر، تغییر نسبت طول و عرض تا شیب باز هم تندتر شود. Gee-Whiz Graph را می‌توان «نمودارِ واو!» ترجمه کرد: نموداری که قرار است پیش از خواندن عددها ما را شگفت‌زده کند.

نکته‌ی ظریف هاف این است: اگر بنویسیم «درآمد ملی ده درصد جهش کرد»، واژه‌ی «جهش» موضع نویسنده را آشکار می‌کند و خواننده می‌تواند به آن شک کند. نمودار همان قید را بی‌صدا اضافه می‌کند: خطِ تند می‌گوید «به‌شدت»، بی‌آن‌که این کلمه جایی نوشته شده باشد. برای همین نمودار گمراه‌کننده گاهی از جمله‌ی گمراه‌کننده مؤثرتر است؛ ظاهر هندسی‌اش حس بی‌طرفی می‌دهد، گویی شیب ویژگی خودِ داده است، نه انتخاب طراح.


عدد درست، تصویر نادرست

هاف تبلیغی از شرکت Columbia Gas در مجله‌ی Time (۱۹۵۲) نقل می‌کند که هزینه‌ی زندگی و هزینه‌ی گاز را در ده سال مقایسه می‌کرد. عددهای ریز کنار محور می‌گفتند هزینه‌ی زندگی حدود ۶۰ درصد بالا رفته و هزینه‌ی گاز چهار درصد پایین آمده است — نتیجه‌ای که برای شرکت گاز خوب بود، اما ظاهراً به‌اندازه‌ی کافی نمایشی نبود. نمودار از ۹۰ آغاز می‌شد، بی‌هیچ علامت شکستی؛ در نتیجه افزایش ۶۰درصدی هزینه‌ی زندگی برای چشم شبیه بیش از سه‌برابرشدن بود و کاهش چهاردرصدی گاز شبیه افتی نزدیک به یک‌سوم.

دو نمودار از یک داده: هزینه‌ی زندگی از شاخص ۱۰۰ به ۱۶۰ و هزینه‌ی گاز از ۱۰۰ به ۹۶ در ده سال. در قاب راست محور از ۹۰ آغاز شده و خط هزینه‌ی زندگی تقریباً تمام قاب را بالا می‌رود و خط گاز به کف می‌چسبد؛ در قاب چپ با محور از صفر، هر دو خط نزدیک هم و آرام‌اند.

همان دو خط در دو قاب: با محور از ۹۰، افزایش ۶۰درصدی مثل چند برابر شدن و کاهش ۴درصدی مثل سقوط دیده می‌شود.

مثال دوم هاف حقوق کارکنان دولت در واشنگتن است: از حدود ۱۹٫۵ به ۲۰٫۲ میلیون دلار، کم‌تر از چهار درصد افزایش. با بریدن محور، خط از کف تا سقف نمودار بالا رفت و افزایش زیر چهار درصد شبیه بیش از چهارصد درصد دیده شد. همان داده می‌توانست زیر دو تیتر منتشر شود:

حقوق کارکنان دولت جهش کرد!

یا:

حقوق کارکنان دولت تقریباً ثابت ماند.

دو نمودار خطی از یک داده: حقوق کارکنان دولت از ۱۹٫۵ به ۲۰٫۲ میلیون دلار. در قاب راست با عنوان «حقوق کارکنان دولت جهش کرد!» محور از ۱۹٫۴ آغاز شده و خط از کف تا سقف بالا می‌رود؛ در قاب چپ با عنوان «حقوق کارکنان دولت تقریباً ثابت ماند.» محور از صفر است و خط تقریباً تخت دیده می‌شود.

هر دو تیتر از همین خط ساخته شده‌اند؛ تنها جای آغاز محور فرق می‌کند.

عددها به‌تنهایی تعیین نمی‌کنند کدام روایت در چشم ما شکل بگیرد. قاب، بخشی از استدلال است.


چرا چشم فریب می‌خورد، حتی وقتی محور را می‌خوانیم؟

شاید بگوییم کافی بود خواننده عددهای محور را نگاه کند. پژوهش‌ها نشان می‌دهند به این سادگی نیست.۱ در پژوهشی در سال ۲۰۱۵، انشول پندی و همکارانش نسخه‌های عادی و تحریف‌شده‌ی چند نمودار را به گروه‌های مختلف نشان دادند و از آن‌ها خواستند شدت تغییر را از یک تا پنج نمره بدهند. در نمودار خطی، فقط با تغییر نسبت طول به عرض، میانگین نمره از ۱٫۳۹ به ۳٫۱۹ رسید؛ در نمودار میله‌ای، بریدن محور آن را از ۱٫۴۵ به ۲٫۷۷ رساند.۲

این اثر فقط حاصل ندیدن برچسب‌ها نیست. در پژوهشی دیگر، حتی وقتی شکست محور علامت‌گذاری شد و از افراد خواستند اول مقدار دقیق میله‌ها را بنویسند و بعد درباره‌ی شدت تفاوت قضاوت کنند، اثر از بین نرفت.۳ می‌توانیم عددهای ۶ و ۷ میلیون را درست بخوانیم و در همان حال، طولِ دو میله را با نسبتی نزدیک به یک‌به‌سه ببینیم. دانستن عدد، احساسی را که تصویر ساخته خنثی نمی‌کند؛ پس «عددها را کنار میله‌ها نوشته‌ام» دفاع کاملی نیست.


آیا محور عمودی باید همیشه از صفر آغاز شود؟

قاعده‌ی ساده‌ی «محور عمودی را همیشه از صفر آغاز کنید» برای یادآوری خطر مفید است، اما برای همه‌ی نمودارها درست نیست؛ صفر در نمودار میله‌ای و خطی نقش یکسانی ندارد.

نمودار میله‌ای: طول، خودِ مقدار است

در نمودار میله‌ای طول میله مقدار را نشان می‌دهد. دو مقدار ۱۰ و ۱۰٫۲ را در نظر بگیرید؛ دومی فقط دو درصد بزرگ‌تر است. اگر محور را از ۹٫۹ آغاز کنیم، ارتفاع میله‌ها ۰٫۱ و ۰٫۳ می‌شود و چشم میله‌ی دوم را سه برابر اولی می‌بیند: نمودار به‌جای نسبت ۱۰٫۲ به ۱۰، نسبت فاصله‌ی آن‌ها از ۹٫۹ را نشان می‌دهد. میله از یک خط مبنا رشد می‌کند و جابه‌جاکردن خط مبنا معنای طول آن را عوض می‌کند؛ برای همین صفر در نمودار میله‌ای معمولاً ضروری است. اگر دیدن اختلافی کوچک مهم است، به‌جای بریدن میله‌ها مقدار دقیق را بنویسیم، خودِ اختلاف را جداگانه رسم کنیم، یا به‌جای میله از نقطه و بازه استفاده کنیم.

نمودار خطی: موقعیت و تغییر مهم‌اند

نمودار خطی معمولاً مسیر یک متغیر را در زمان نشان می‌دهد؛ این‌جا فاصله از صفر نشانه‌ی اصلی نیست، جهت و الگوی تغییر مهم است. دمای متوسط زمین را برحسب سانتی‌گراد تصور کنید: صفرِ سانتی‌گراد نقطه‌ی انجماد آب است، نه نبودن دما، و اگر محور را از صفر — یا بدتر، از صفر مطلق — آغاز کنیم، تغییری اقلیمی و مهم در خطی تقریباً تخت ناپدید می‌شود. در کار فنی هم همین است: اگر هدف تأخیر صدک ۹۹ یک سرویس ۵۰۰ میلی‌ثانیه باشد و مقدارها میان ۴۶۰ تا ۵۲۰ حرکت کنند، محور صفر تا هزار همه‌چیز را پنهان می‌کند؛ بازه‌ی ۴۰۰ تا ۵۵۰ با خطی روشن روی ۵۰۰ به پرسش عملی جواب می‌دهد: چه وقت از آستانه عبور کرده‌ایم؟

پس حذف صفر در نمودار خطی ذاتاً فریب نیست، به شرطی که بازه با پرسش نمودار متناسب باشد و مرزهای محور روشن دیده شوند.

یک قاعده‌ی بهتر

اگر طولِ میله نماینده‌ی مقدار است، خط مبنای صفر را حفظ کنید. اگر موقعیت و تغییر را نشان می‌دهید، بازه‌ای را انتخاب کنید که تغییرِ مرتبط با تصمیم را آشکار کند — و آن بازه را شفاف نشان دهید.

پژوهشی در سال ۲۰۲۶ همین را از زاویه‌ای دیگر نشان داد: در سه آزمایش و هفت کار مختلف، محور بریده خطای محاسبه‌ی نسبت‌ها را بیش‌تر کرد، اما در کارهایی مثل پیداکردن یک مقدار یا فیلترکردن گزینه‌ها دقت یا سرعت را بهتر کرد؛ نوشتن مقدارها کنار میله‌ها هم بخش مهمی از اثر منفی را از بین برد.۴ یک نمودار می‌تواند برای یک کار بد و برای کاری دیگر مفید باشد؛ پیش از داوری درباره‌ی محور باید بدانیم خواننده قرار است چه کند: نسبت بسنجد، یک مورد را پیدا کند، تغییر را دنبال کند یا عبور از آستانه را ببیند.


فقط نقطه‌ی صفر نیست؛ قاب را از پهلو هم می‌توان کشید

حتی بی‌آن‌که چیزی از محور عمودی حذف کنیم، نسبت طول به عرض نمودار شیب را عوض می‌کند: نمودار بلند و باریک فرازونشیب‌ها را تند می‌کند و همان نمودار کوتاه و عریض، آرام. ویلیام کلیولند و همکارانش در پژوهش‌های کلاسیک ادراک نمودار دنبال نسبتی بودند که مقایسه‌ی شیب‌ها را برای چشم آسان کند — ایده‌ای که بعدها banking to 45 degrees نام گرفت.۵ نکته برای ما این است که شیبِ دیده‌شده فقط ویژگی داده نیست؛ از نسبت واحدهای دو محور و شکل قاب هم می‌آید.

این مسئله در تابلوهای پایش (dashboard) واکنش‌گرا جدی‌تر است: پنلی که روی نمایشگر بزرگ آرام است، روی تلفن همراه باریک و پرنوسان دیده می‌شود، و اگر نسبت طول و عرض قفل نشده باشد، داستان نمودار فقط با تغییر جای نمایش عوض می‌شود.


وقتی محور افقی نیز داستان می‌سازد

قاب فقط حداقل و حداکثر محور عمودی نیست. روی محور زمان هم می‌توان بازه‌ای دلخواه برگزید، سالی را حذف کرد یا مرز دوره‌ها را جایی گذاشت که روایت دلخواه شکل بگیرد.

در کارزار انتخابات ریاست‌جمهوری ۱۴۰۳، سه نمودار درباره‌ی رشد اقتصادی، تورم و فروش نفت ایران نمایش داده شد. داده‌ها از منابعی مانند بانک جهانی و CEIC نقل شده بود؛ فرض کنیم عددها درست‌اند. مسئله رنگ‌آمیزی بود: در هر سه نمودار آبی «توافق» بود و قرمز «تحریم»، اما سال‌های قرمز یکی نبود:

  • در نمودار رشد اقتصادی: سال‌های ۲۰۱۰ تا ۲۰۱۲ و ۲۰۱۶ به بعد؛
  • در نمودار تورم: سال‌های ۲۰۰۵ تا ۲۰۱۳ و ۲۰۱۷ به بعد؛
  • در نمودار فروش نفت: سال‌های ۲۰۱۲ تا ۲۰۱۵ و ۲۰۱۸ به بعد.

سه خط زمانی از ۲۰۰۵ تا ۲۰۲۳ با عنوان‌های رشد اقتصادی، تورم و فروش نفت؛ هر خط با رنگ آبی (توافق) و قرمز (تحریم) رنگ‌آمیزی شده، اما سال‌های قرمز در سه خط با هم فرق دارند.

راهنمای رنگ یکسان است، اما تعریف دوره‌ها با عوض‌شدن شاخص تغییر می‌کند.

شاید تحریم‌های مختلف در زمان‌های متفاوت و با تأخیر بر شاخص‌های مختلف اثر گذاشته باشند؛ اگر چنین مدلی پشت نمودار است، باید تعریف دوره‌ها و منطق تأخیر روشن نوشته شود. دو برچسب کلی «تحریم» و «توافق» با مرزهای متغیر، به خواننده القا می‌کند که با یک تقسیم‌بندی ثابت روبه‌روست. این نمونه مرز «داده‌ی نادرست» و «قاب گمراه‌کننده» را خوب نشان می‌دهد: تک‌تک نقطه‌ها درست‌اند، اما نام‌گذاری دوره‌ها رابطه‌ای را به چشم می‌آورد که داده به‌تنهایی ثابت نمی‌کند.


یک آزمایش محصول با سه روایت

فرض کنید در یک سایت نیازمندی‌ها، نسخه‌ی تازه‌ی صفحه‌ی آگهی نرخ تماس را از ۱۰٫۰۰ به ۱۰٫۲۰ درصد رسانده و بازه‌ی اطمینان ۹۵درصدیِ افزایش از ۰٫۰۶ تا ۰٫۳۴ واحد درصد است. همین نتیجه را می‌توان دست‌کم سه جور روایت کرد.

سه پنل: در پنل نخست دو میله‌ی ۱۰٫۰۰ و ۱۰٫۲۰ درصد با محور صفر تا ۱۱ تقریباً هم‌قد دیده می‌شوند؛ در پنل دوم همان دو میله با محور ۹٫۹ تا ۱۰٫۳ یکی سه برابر دیگری است؛ در پنل سوم خودِ اثر رسم شده است: نقطه‌ی ۰٫۲۰ با بازه‌ی ۰٫۰۶ تا ۰٫۳۴ واحد درصد، خط صفر برای «بدون اثر» و خط‌چین روی ۰٫۱۵ به‌عنوان کمترین اثر ارزشمند.

روایت سوم به‌جای مقایسه‌ی ارتفاع دو میله، برآورد اثر، عدم‌قطعیت و آستانه‌ی تصمیم را در یک قاب نشان می‌دهد.

روایت نخست: تقریباً هیچ. دو میله با محور صفر تا ۱۱ درصد؛ ارتفاعشان تقریباً یکسان است و چشم می‌گوید ارزش بحث ندارد.

روایت دوم: جهشی بزرگ. محور از ۹٫۹ تا ۱۰٫۳ درصد؛ میله‌ی نسخه‌ی جدید سه برابر کنترل دیده می‌شود و چشم می‌گوید با موفق‌ترین آزمایش فصل روبه‌روییم.

روایت سوم: به‌اندازه‌ی تصمیم. به‌جای دو میله، خودِ اثر را رسم می‌کنیم: نقطه‌ی ۰٫۲۰ با بازه‌ی ۰٫۰۶ تا ۰٫۳۴، و آستانه‌ای که پیش از آزمایش «کمترین اثر ارزشمند» دانسته‌ایم، مثلاً ۰٫۱۵. حالا داستان روشن است: تمام بازه در سمت مثبت است، پس داده‌ها از افزایش نرخ تماس پشتیبانی می‌کنند؛ بهترین برآورد هم بالاتر از آستانه است، اما بخشی از بازه پایین‌تر از آستانه‌ی ۰٫۱۵ است، پس هنوز نمی‌دانیم اثر به‌اندازه‌ی کافی ارزشمند هست یا نه.

بعد عدد را به مقیاس واقعی برمی‌گردانیم: ۰٫۲۰ واحد درصد یعنی دو تماس بیش‌تر در هر هزار بازدید، و با پنج میلیون بازدید در ماه، حدود ده هزار تماس اضافه. این هنوز پایان تصمیم نیست: باید بدانیم تماس‌های تازه باکیفیت‌اند یا مزاحمت، سرعت صفحه و گزارش تخلف چه تغییری کرده و نگهداری تغییر چه هزینه‌ای دارد.

نمودار خوب قرار نیست آزمایش را موفق یا ناموفق جلوه دهد؛ باید اجزای تصمیم را در یک قاب بگذارد: اثر مطلق (و در صورت نیاز نسبی)، دامنه‌ی عدم‌قطعیت، کمترین اثر ارزشمندِ ازپیش‌تعیین‌شده، مقیاس واقعی اثر و شاخص‌های محافظ. این‌جا برگه‌ی چهارم و پنجم به هم می‌رسند: نخست پرسیدیم «آیا تفاوت واقعی و مهم است؟»؛ حالا باید مراقب باشیم نمودار پیش از ما به این پرسش جواب ندهد.


چند دام رایج در تابلوهای پایش

بیش‌تر نمودارهای گمراه‌کننده با نیت فریب ساخته نمی‌شوند؛ ابزار رسم تصمیم‌هایی را خودکار می‌گیرد و ما همان خروجی را در گزارش می‌گذاریم. سه مورد بیش از بقیه ارزش بررسی دارند:

  • مقیاس خودکار. برای هر بازه‌ی زمانی حداقل و حداکثر تازه‌ای انتخاب می‌شود: نوسانی عادی در نمای یک‌ساعته تمام ارتفاع پنل را می‌گیرد و در نمای یک‌ماهه ناپدید می‌شود. برای اکتشاف مفید است، برای مقایسه‌ی ثابت میان روزها، تیم‌ها یا نسخه‌ها گمراه‌کننده.
  • نمودارهای کوچک با محورهای مستقل. شش پنل کنار هم، هرکدام با کف و سقف خودش: خط‌ها به یک اندازه پرنوسان به نظر می‌رسند، درحالی‌که دامنه‌ی یکی دو درصد است و دیگری پنجاه درصد. برای مقایسه‌ی شدت تغییرها محور مشترک یا نمایش مستقیم اندازه‌ی اثر لازم است.
  • دو محور عمودی. با انتخاب کف و سقف هر محور می‌توان دو خط نامرتبط را تقریباً روی هم خواباند و هم‌حرکتی چشمگیری ساخت. محور دوگانه همیشه غلط نیست، اما خواننده به‌سختی می‌فهمد هم‌حرکتی از داده آمده یا از تنظیم دو مقیاس؛ دو نمودار هم‌تراز معمولاً شفاف‌تر است.

پیش از اعتماد به یک نمودار، چه بپرسیم؟

  1. چه ویژگی بصری نماینده‌ی عدد است؟ طول، موقعیت، شیب، مساحت یا رنگ؟ آیا چشم همان نسبتی را می‌بیند که داده دارد؟
  2. محورها از کجا آغاز و به کجا ختم می‌شوند؟ اگر محور عمودی از صفر شروع نشده، چرا؟ آیا صفر برای این کمیت و این نوع نمودار معنای طبیعی دارد؟
  3. اگر قاب عوض شود، داستان هم عوض می‌شود؟ نمودار را بلندتر، عریض‌تر یا با بازه‌ای کمی بزرگ‌تر تصور کنید؛ آیا «جهش» هنوز جهش است؟
  4. مقایسه‌ها روی یک مقیاس‌اند؟ پنل‌های کنار هم، دوره‌ها و گروه‌ها محور و تعریف یکسان دارند؟
  5. اثر واقعی چقدر است؟ مقدار آغاز و پایان، تفاوت مطلق و نسبی و دامنه‌ی عدم‌قطعیت را از خود نمودار بیرون بکشید.
  6. نمودار قرار است کدام تصمیم را پشتیبانی کند؟ برای آن تصمیم، صفر مهم است، مقدار معمول، آستانه‌ی خطر یا کمترین اثر ارزشمند؟

درس این فصل در یک جمله:

پیش از باورکردن تصویری که نمودار ساخته است، بپرسیم: اگر قاب نمودار عوض شود، داستان آن هم عوض می‌شود؟

در این برگه، نمودار هنوز خط و میله بود. فصل بعدِ کتاب سراغ نمودارهایی می‌رود که به‌جای میله، تصویر می‌کشند: کیسه‌ی پول، گاو، آدمک. خواهیم دید وقتی عدد به شکل تبدیل می‌شود، چه چیزی سرِ راه گم می‌شود.