Izinkan saya melukiskan sebuah adegan: Anda mendapatkan dataset baru dan perlu mengeksplorasinya, jadi Anda tidak mengubah satu angka pun, tetapi membuat tiga visualisasi berbeda. Jika Anda menunjukkan visualisasi tersebut kepada tiga orang yang berbeda, mereka mungkin akan pergi dengan tiga kesan yang sedikit berbeda tentang apa arti data tersebut. Itu adalah salah satu hal yang paling saya kagumi tentang visualisasi data. Kita sering berbicara tentang visualisasi seolah-olah itu hanya langkah terakhir dalam pipeline analisis data, tetapi itu tidak akurat sama sekali! Visualisasi bukan hanya gambar data; itu adalah lapisan interpretasi antara data dan orang yang melihatnya. Itu berarti ketika kita memilih bagan, sumbu, skala, pengelompokan, atau bahkan apa yang harus dikecualikan, kita membuat keputusan tentang cerita yang akan dilihat pembaca.

Siapa pun yang bekerja dengan data tahu bahwa bagian sulit jarang hanya menampilkan grafik di layar. Bagian sulitnya adalah memutuskan grafik mana yang akan ditampilkan. Haruskah kita fokus pada tren? Perbedaan antar kelompok? Variabilitas? Pencilan? Dua visualisasi bisa sepenuhnya akurat dan tetap membawa pemirsa ke kesimpulan yang sangat berbeda. Satu pertanyaan penting di sini adalah: Bagan mana yang harus saya gunakan? Tetapi pertanyaan yang lebih baik adalah: Aspek data apa yang saya minta pembaca untuk perhatikan?

Misalkan saya ingin mewakili hubungan antara berapa lama seseorang telah berlatih dan kekuatan mereka. Menggunakan grafik garis sederhana, Anda dapat melihat bahwa seiring bertambahnya waktu latihan, kekuatan juga meningkat. Tetapi garis membuat hubungan terlihat kontinu dan hampir linier. Sebaliknya, representasi seperti langkah menekankan bahwa kekuatan cenderung meningkat secara bertahap. Menggunakan skala logaritmik untuk kekuatan dapat menekankan peningkatan besar di awal, yang dikenal sebagai "newbie gains". Tidak ada skala yang secara inheren lebih jujur.

Kita bisa melangkah lebih jauh: plot kotak bisa menekankan variabilitas antar sesi latihan, bagan batang bisa membandingkan periode latihan yang berbeda, dan plot sebar bisa menunjukkan pengamatan individu. Angka-angka tidak berubah; interpretasi kita berubah, dan begitu juga pesan yang kita sampaikan.