シーンを描かせてください：新しいデータセットを入手し、それを探索する必要があるとします。あなたは数字を一つも変えずに、3つの異なる可視化を作成します。それらの可視化を3人の異なる人に見せた場合、彼らはデータが何を意味するかについて、それぞれ少し異なる印象を持って去るでしょう。これは私がデータ可視化について最も魅力的だと感じることの一つです。私たちはしばしば可視化を、データ分析パイプラインの単なる最終ステップであるかのように話しますが、それはまったく正確ではありません！可視化は単にデータの絵ではなく、データとそれを見る人との間の解釈層です。つまり、チャート、軸、スケール、グループ化、または何を省略するかを選ぶとき、私たちは読者が見るストーリーについて決定を下しているのです。

データを扱う人なら誰でも、難しい部分がめったにグラフを画面に表示することだけではないことを知っています。難しい部分は、どのグラフを表示するかを決めることです。トレンドに焦点を当てるべきでしょうか？グループ間の違い？変動性？外れ値？2つの可視化は完全に正確でありながら、視聴者を非常に異なる結論に導くことができます。ここで重要な質問は：どのチャートを使うべきか？しかし、より良い質問は：データのどの側面を読者に気づかせようとしているのか？

誰かがトレーニングしてきた期間とその強さの関係を表現したいとします。単純な折れ線グラフを使用すると、トレーニング時間が増えるにつれて強さも増加することがわかります。しかし、線は関係を連続的でほぼ線形に見せます。代わりに、階段状の表現は、強さが段階的に増加する傾向があることを強調します。強さに対数スケールを使用すると、初期の大きな改善、いわゆる「初心者ゲイン」を強調できます。どちらのスケールも本質的により真実というわけではありません。

さらに進むこともできます：箱ひげ図はトレーニングセッション間の変動性を強調でき、棒グラフは異なるトレーニング期間を比較でき、散布図は個々の観測値を示すことができます。数字は変わっていません；私たちの解釈が変わり、伝えるメッセージも変わりました。