Fem fejl i datapræsentation, og hvordan du undgår dem

Afkortede akser og skæve udsnit

Den hyppigste fejl, jeg ser hos kursister, er en lodret akse, der starter et andet sted end nul. Søjlerne ser så ud til at være meget forskellige, selv om forskellen i tallene er lille. Det sker sjældent af ond vilje. Programmet vælger ofte aksen automatisk, og så bliver den stående, fordi grafen ser pæn ud.

Tjek altid, hvor aksen begynder, og spørg dig selv, om en læser kan opdage det uden at kigge efter. Ved søjlediagrammer bør aksen starte ved nul, fordi søjlens højde er selve budskabet. Ved kurver kan du godt zoome ind, men så skal det fremgå tydeligt af aksens mærkater, og du bør skrive det i en kort note under figuren.

Et andet udsnit, der driller, er tidsperioden. Vælger du kun de år, hvor tallene stiger, får læseren et andet indtryk end med hele rækken. Beslut perioden ud fra spørgsmålet, ikke ud fra hvad der ser bedst ud, og skriv i teksten, hvorfor du valgte netop dén.

• Start søjlediagrammer ved nul
• Skriv det tydeligt, hvis aksen er afkortet
• Vælg tidsperiode ud fra spørgsmålet, ikke udseendet

Procent uden grundlag

Den næste fejl handler om procenter. En stigning fra to til fire tilfælde er hundrede procent, men det er stadig kun to tilfælde. Skriver du kun procenten, får læseren en dramatisk fortælling, som tallene ikke bærer. Skriv derfor altid de absolutte tal ved siden af, især når grundlaget er småt.

Forveksl heller ikke procent og procentpoint. Går en andel fra ti til tolv procent, er den steget to procentpoint, men tyve procent set i forhold til udgangspunktet. Begge udtryk kan være korrekte, men de svarer på hvert sit spørgsmål, og læseren skal vide, hvilket du bruger.

Jeg beder kursisterne skrive én sætning til hvert tal: hvad måles, hvor mange indgår, og hvad sammenlignes der med. Mangler en af delene, er tallet ikke klar til at blive vist. Øvelsen tager få minutter og fanger overraskende mange svagheder, før andre gør det.

• Vis absolutte tal sammen med procenter
• Skeln mellem procent og procentpoint

Gennemsnit, der skjuler spredningen

Et gennemsnit er praktisk, men det kan skjule næsten alt. Hvis nogle få meget høje værdier trækker op, siger gennemsnittet lidt om, hvad en typisk person oplever. I sådanne tilfælde er medianen ofte mere ærlig, fordi den viser midten af fordelingen og ikke bliver trukket af enkelte yderpunkter.

Når du præsenterer et gennemsnit, så fortæl også noget om spredningen. Det kan være mindste og største værdi, eller en kort sætning om, at tallene ligger tæt eller langt fra hinanden. Læseren behøver ikke en lærebog i statistik, men har brug for at vide, om gennemsnittet dækker over én ensartet gruppe eller flere forskellige.

En tredje mulighed er at vise selve fordelingen med et enkelt histogram eller en række punkter. Det kræver lidt mere plads, men giver læseren mulighed for selv at vurdere. Jeg anbefaler det, når beslutninger bygger på tallet, og når grupperne i datasættet reelt er forskellige.

• Overvej median, når få værdier er meget høje
• Nævn spredningen i en kort sætning

Farver, former og pynt der forstyrrer

Grafer kan fejle uden at et eneste tal er forkert. Tredimensionelle søjler gør det svært at aflæse højden, og cirkeldiagrammer med mange skiver bliver uoverskuelige. Skarpe farver kan få én kategori til at fylde mere i øjet, end den fylder i tallene, og farveskift midt i en serie kan antyde et brud, der ikke findes.

Hold dig til få, rolige farver, og brug dem konsekvent. Samme kategori får samme farve i alle figurer i dit materiale. Undgå pynt, der ikke bærer information, som skygger, ikoner i søjlerne eller baggrundsbilleder, for de flytter opmærksomheden væk fra data.

Tænk også på læsere, der ikke skelner mellem alle farver. Kombiner farve med mærkater direkte på kurverne eller forskellige mønstre, så grafen kan læses uden en forklaringsboks, man skal lede efter. Det gør figuren mere redelig og lettere at bruge for alle.

• Undgå tredimensionelle effekter
• Brug samme farve til samme kategori overalt
• Skriv mærkater direkte på figuren

Manglende kilde og forklaring

Selv en korrekt graf mister værdi, hvis læseren ikke kan se, hvor tallene kommer fra. Skriv kilden under hver figur, angiv hvornår data er hentet, og beskriv kort, hvad der er målt, og hvordan. Hvis du har renset eller omregnet tallene, skal det også stå der, så andre kan følge dit arbejde.

Overskriften på en graf bør sige, hvad den viser, ikke hvad du vil have læseren til at mene. En titel som Udviklingen i antal henvendelser pr. måned er mere redelig end en titel, der allerede fortæller konklusionen. Lad teksten omkring grafen tage stilling, men hold den adskilt fra tallene.

Gem også din egen arbejdsmappe med den oprindelige fil, de trin du har gennemført, og versionen af den graf, du udgav. Så kan du svare, hvis nogen spørger, og du kan selv rette en fejl hurtigt, når den dukker op. Det er en vane, der betaler sig igen og igen.

• Angiv kilde og hentetidspunkt under figuren
• Beskriv rensning og omregning
• Gem original fil og udgivet version

En kort kontrolrutine før du deler

Inden du sender noget ud, kan du gennemgå en fast rutine. Start med at sætte dig i en anden læsers sted og kigge på grafen i ti sekunder. Hvad tror du, den siger? Læs derefter tallene og se, om indtrykket holder. Er der afstand mellem de to, skal grafen laves om, før den bruges.

Bed gerne en kollega kigge med. En frisk læser opdager hurtigt en akse, der ikke starter ved nul, en procent uden grundlag eller en farve, der vildleder. Det kræver ingen særlig viden, kun at personen ikke kender dit budskab på forhånd og dermed læser uden filter.

På kurset øver vi netop denne rutine på små, praktiske datasæt, hvor du både laver og kritiserer grafer. Pointen er ikke at undgå alle fejl for evigt, men at få øje på dem i tide og kunne forklare, hvad du har rettet og hvorfor.