对数据进行提问

学习目标

完成本单元后，您将能够：

• 调查数据和图表的来源。
• 评估数据和分析的可信度。

了解来源

“不要相信任何没有明确提及或链接到其发布的故事来源的出版物。”–Alberto Cairo，数据可视化专家以及《数据可视化陷阱》一书的作者

本单元中列出的一些图像经 Alberto Cairo 许可使用，取自其作品《数据可视化陷阱》。

不管是业务报告还是社交媒体帖子，识别和评估您遇到的数据和图表的来源都非常重要。了解来源是确定图表是否具有误导性的第一步（也是最重要的一步！）。通过提出问题来调查来源，以了解图表的创建者、内容、创建地点、创建时间和创建原因。

为了帮助您对数据提问，请务必研究元数据，即关于数据的数据。阅读随附的文档，从元数据中收集有用的见解，例如收集数据的时间、方式和原因。

检查数字

您有没有听过这么一句话，“输入的是垃圾，产出的也是垃圾”？这个常用短语背后的理念是任何输出的质量都是由输入的质量决定的。这一理念适用于各种各样的事情，包括数据消费。当您查看基于不准确数据（垃圾输入）的图表等可视化时，您就面临形成不准确结论并采取无效行动（垃圾输出）的风险。为了帮助确定可视化中呈现的数据的质量和准确性，请尽可能多地查看基础数字。

检查汇总值

图表通常附有描述和总结基础数据的汇总值。汇总值，也称为汇总统计，传达有关数据的高级信息，通常揭示了值得考虑和进一步调查的有意义的见解。下表将帮助您熟悉常见的汇总值。

检查比率和百分比

比率和百分比衡量值之间的关系。例如，您可能会发现参加了演示会的与会者中有五分之三的人注册了新闻简报。您会说 ⅗ 或 0.60 或 60% 的与会者注册了新闻简报。正如您在下一节中看到的，了解比率或百分比经常可以帮助您进行更好的比较。 

例如，一篇文章的标题称，“2,139 名 DACA 受益者被定罪或被指控犯罪。”如果没有上下文，这个数字可能看起来很大。但是，如果查看比率或百分比，您就会有一个新的视角。同一篇文章还指出，DACA 受益者数量超过 800,000 人。如果考虑比率或百分比，您得到的将是 2,139/800,000、0.003 或 0.3%！该百分比值更具参考性，而且在受益者总数中所占的比例并不大。

注意数据不足

“没有任何图表能够完整捕捉现实的丰富性。然而，图表可能会变得更糟或更好，这取决于它能否在过度简化现实和用太多细节模糊现实之间取得平衡。”–Alberto Cairo，《数据可视化陷阱》

看图表时，问问自己是否包含足够的数据来提供有意义且准确的故事版本。在《数据可视化陷阱》一书中，Albert Cairo 解释了数据不足会如何导致得出错误的结论。为了证明这一点，Cairo 引用了一篇文章，该文章称 2017 年《减税和就业法案》(TCJA) 承诺，一个典型的四口之家每年将节省 1,182 美元，他阐述了这个数字为何不能代表全部情况。为了展示更完整的故事，Cairo 描述了一个直方图，这是一种定量数据的分布图，显示按范围分组的数据。 

让我们通过查看直方图来深入了解为什么这个数字过于简单化。当您查看直方图中的数据时，您会发现所展示的薪资范围极大。由于范围如此广泛，很难确定“典型”工资。显然，美国的薪资差别很大。3% 的家庭年收入低于 5,000 美元，而超过 9% 的家庭年收入超过 200,000 美元。由于一开始就几乎不可能计算出准确的“典型工资”，那么讨论 TCJA 的平均节省就几乎是毫无意义的。

在下一个单元中，了解在轴上使用均匀间隔的重要性。 

资源

• Trailhead：数据素养基础
• Trailhead：聚合和粒度
• Trailhead：数据分布
• 博客文章：如果没有上下文，单个数据点就毫无用处
• 书籍：Alberto Cairo (2020)：《数据可视化陷阱》，W.W.诺顿公司
• 书籍：Edward Tufte (2006)：《美丽的证据》Graphics Press
• Tableau 站点：了解和使用直方图
• 书籍：Steve Few (2012)《展示数据》，Analytics Press