Quando o vazio é mais do que o cheio

Mais um exemplo do livro "O sinal e o ruído", de Nate Silver. Como mencionado em outro post, o livro é de leitura recomendada, mas não prima pelos gráficos.
Há muitos gráficos de dispersão no livro, uma forma simples apropriada de mostrar relações entre variáveis.
Um exemplo do livro com a relação entre consumo de calorias e taxas de obesidade (figura 12-1 no original) foi refeito (procurei as mesmas bases, não garanto que tenha encontrado os mesmos dados) e está mostrado abaixo.

No entanto, como é comum ocorrer nesse tipo de gráfico, vários pontos se sobrepõe ou ocupam posições próximas, o que dificulta a sua identificação. Há algumas soluções para este problema. Outra forma, mais simples, é não preencher o interior dos pontos. Os círculos vazados permitem ver se há outros pontos quase coincidentes. Os países identificados por legenda foram deixados com o interior preenchido para se destacarem.

Como se vê, o vazio pode ser mais do que o cheio.

P.S: Outra maneira é usar pontos transparentes, de forma as sobreposição são realçadas por ficarem mais escuras. Todavia requer impressão (ou projeção) de alta resolução para que fique nítido.
P.S. 2: na figura refeita a legenda do eixo vertical foi colocada na posição horizontal para facilitar a leitura. Não foi modificado o eixo horizontal, apesar de não começar em zero - tema para posts futuros.

Por que simplificar se é possível complicar?

Um gráfico deve ser tão simples quanto possível para comunicar os dados. É um princípio quase que tautológico. No entanto, alguns preferem ser "criativos" e com isso prejudicam a clareza.
Os dois exemplos deste post são do livro "O sinal e o ruído - por que tantas previsões falham e outras não", de Nate Silver. O livro é muito interessante, aborda a questão de previsões em diversos campos, do basebol aos terremotos, passando por previsão de tempo, pôquer, eleições e aquecimento global, trata da velha disputa entre bayesianos e frequentistas (o autor alinha-se com os primeiros) e é uma leitura recomendada. No entanto, apesar de estatística ser um tema embutido no livro, os seus gráficos de forma geral deixam muito a desejar. Há as limitações do meio, com a impressão em preto e branco, mas nada que justifique algumas falhas.

Há uma figura sobre o tempo médio que uma ação é mantida pelos investidores nos Estados Unidos, refeita abaixo, mantendo as características da original.

 O autor da figura deve ter pensado que, como se referia a tempo, seria adequado usar algo que lembrasse relógios. O resultado é um conjunto de pizzas cujas fatias escuras representam o tempo médio.
Havia soluções muito mais simples e efetivas, como usar um gráfico de linhas ou colunas (como a figura abaixo). Por que simplificar quando se pode ser inventivo?

No mesmo capítulo há uma outra figura, uma vez mais com pizzas. Abaixo há a versão refeita, mantendo-se as características da original. Ao ver o gráfico, sem consultar os números, é capaz de ter uma idéia de quanto foi o incremento no valor das ações em posse dos investidores individuais? Multiplicou-se por três, cinco, dez, vinte? E dos investidores institucionais? E do bolo como um todo? Tente adivinhar antes do próximo parágrafo.

As respostas são, de forma arredondada, 3 para os investidores individuais, 14 para os institucionais  e 7 para o bolo. Se suas estimativas passaram longe, não se sinta frustrado: é difícil estimar a olho. Mas com o gráfico abaixo seria mais simples.

É tão difícil fazer um gráfico simples?

Fazer um gráfico é muito simples. Bastam alguns cliques no Excel e lá está ele pronto. mas se é tão fácil, por que complicam?
Foi publicado hoje o resultado da pesquisa do IBGE sobre produção industrial. No site do Estadão, a matéria sobre o tema veio acompanhado do seguinte gráfico:

Um gráfico simples, de uma variável ao longo do tempo. Só que embora a tarefa fosse simples, o resultado apresenta uma coleção de problemas. Qual a unidade do gráfico? Percentual? É, mas isso não é indicado nem no título, nem o eixo vertical. Quando o gráfico começa? As legendas do eixo horizontal são pouco esclarecedoras, pois estão entre as marcas da grade e ocultas parcialmente pela linha.
Um pouco de cuidado na elaboração resultaria em um gráfico mais claro.

As principais mudanças: as unidades passaram a ser mostradas em porcentagem no eixo vertical; o eixo horizontal foi feito com uma linha mais espessa, para ficar mais nítido se a oscilação foi positiva ou negativa, foram retiradas as suas linhas de grade e a legenda com as datas passou para baixo, sem se misturar com a linha dos dados.
 Só que essa solução é suficiente? Os gráficos acima apresentam poucos dados - apenas 12. Seria o adequado para ilustrar a variação da produção industrial ou uma série mais longa seria mais informativa? A principal vantagem dos gráficos é poder condensar um grande volume de informação em pouco espaço. Acrescentar mais 12 meses á série dá outra perspectiva aos dados.

Reloginhos que nada dizem

Uma das piores características dos dashboards são os "reloginhos" (gauges). Esses mostradores circulares raramente agregam algo de útil. Não se pode dizer que não agregam inutilidades.
Os dashboards procuram imitar os painéis dos automóveis. Se para conduzir um veículo, posso me basear em mostradores circulares, por que não utilizar o mesmo formato na condução de uma empresa? Os usuários já estão familiarizados com o visual e podemos fazer com que se sinta no comando de uma nave ao utilizar os nossos programas sofisticados de B.I. (Business Intelligence).
Essa é a lógica dos desenvolvedores dos softwares. No entanto, embora possam entender de processamento de grandes bases de dados, integração de sistemas e que tais, escondem seus conhecimentos sobre informação e comunicação. [Há quem diga que o mesmo ocorre sobre a parte de business e de intelligence, mas isto é outra discussão.] Programas caríssimos e de instalação complexa se escondem por trás de cockpits que vão do bizarro ao cômico. Se alguém acha que estou exagerando, consulte, por exemplo, a galeria de horrores apresentada no livro Business Dashboards, de Rasmussen, Chen & Bansal (John Wiley & Sons, 2009). Há um agravante: os autores mostram dashboards de vários fornecedores e sugerem que o leitor se inspire neles. Eles não devem ter lido Information dashboard design de Stephen Few (O'Reilly, 2006) no qual o autor pega exemplos similares e mostra onde e porque falham.
Um dos problemas dos "reloginhos" em sua canhestra imitação dos painéis dos carros é que os propósitos são distintos que um mesmo instrumento não é capaz atender. Ao dirigir, o condutor precisa da informação da velocidade naquele instante, para calcular se é adequada às manobras que precisa fazer, ao tráfego local e para atender os limites da via. Não importa a velocidade que estava um segundo antes ou um minuto antes: apenas a informação instantânea é relevante. O conta-giros tem função similar: não interessa a quantas rpm o motor estava há um segundo, somente o giro no momento é importante para a decisão do motorista. Da mesma forma, o que é importa é saber quanto combustível resta no tanque, para decidir se precisar parar para reabastecer ou não. Ou se o motor está prestes a ferver e, portanto, é prudente parar o veículo ou se está na normalidade.
Para dirigir uma empresa, porém, a informação instantânea é de pouca relevância, exceto em algumas atividades operacionais - o que não é, por definição, função da direção da empresa, que delega a tarefa para as áreas de operação. Como agravante, os reloginhos não mostram um dado instantâneo e sim um evento passado. Mas o que um dado isolado revela sobre o desempenho de uma empresa? Saber que a receita líquida no trimestre anterior foi de $ 387.535.442,61 com margem bruta de 25,8% indica o que? Foi um bom trimestre? Não se pode dizer nada sem saber como é o histórico ou com o estimado. Se nos trimestres anteriores a receita não chegava a $ 300 milhões, poderia se dizer que foi um bom resultado, mas se passava dos $ 500 milhões, é um número pavoroso.
A estética (ou a falta dela) dos dashboards e seus "reloginhos" transborda para outros meios, como os relatórios que as empresas utilizam internamente ou para se comunicar com os públicos externos. As gracinhas visuais se repetem e a informação fica prejudicada.
A figura a seguir foi retirada de um relatório enviado por uma empresa de capital aberto a seus acionistas.

O que se pode avaliar a partir dela? Nada além do que um texto diria. Ou menos do que um tetxo diria, pois pelas escalas apresentadas, a margem bruta de 32,0% está no meio do caminho, assim como a margem líquida de 11,5% e a margem EBITDA atinge apenas um quarto da escala. Será que para estar em linha com a s demais ela deveria ser de 30%?
Veja, porém, os dados colocados em perspectiva. A figura abaixo mostra a evolução dos indicadores nos últimos oito trimestres (em milhões de reais), de forma que se pode avaliar inclusive se há sazonalidade nas vendas e resultados.

Com o mesmo espaço ocupado, muitos dados a mais e uma visão mais nítida de seu desempenho.     Pode-se avaliar com uma passada de olhos ou gastar mais tempo verificando com mais detalhe. Inclusive perceber que a empresa inseriu no relatório para os acionistas o gráfico com os dados do primeiro trimestre em vez do segundo trimestre, algo que ficaria patente ao mostrar a série histórica.

Cores

O uso de cores é uma maneira simples de adicionar informação em gráficos. Basta atribuir um significado a cada cor e se pode transmitir a mensagem de forma imediata por meio de uma imagem. Ou não, dependendo de como são usadas as cores.

A mapa abaixo foi publicado pelo jornal "O Globo" (veja o original aqui) e mostra a situação nas pesquisas dos governadores que lutam pela reeleição (ou candidatos que apóiam). O título é "govvernadores em risco eleitoral". Sem legenda, é capaz de dizer em quais estados os governadores atuais estão com risco de não se reelegerem? Por exemplo, diria que o governador de Santa Catarina encaminha-se para a reeleição? E o do Pará? E o do Amapá

A resposta é provavelmente não.

O que seria o vermelho? E o vermelho claro? Deve haver alguma relação entre os dois. Vermelho é ruim para os governadores ou é bom? No trânsito significa que se deve parar. E o azul? É bom para o governador atual? Se está "tudo azul", deve ser bom. Mas e o verde? Significa que ele deve seguir?  Amarelo é "atenção", como nos semáforos, um indício que estaria equilibrado? Os estados em cinza claro devem estar em situação similar.

Compare com o mapa refeito, no qual houve outra atribuição das cores.

Ficou mais fácil? Qual seria sua suposição sobre o futuro eleitoral dos governadores de Santa Catarina, Pará e Amapá?

Há vermelho escuro e vermelho claro, assim como verde escuro e verde claro. Assim, pode-se imaginar que as gradações de uma cor tenham um significado. Verde, amarelo e vermelho? Seria um como no trânsito? Se for, os estados em cinza devem ser alguma forma de exceção.

Foi adotada uma escala semafórica. Verde é seguir, vermelho é parar. Assim, os estados em verde são aqueles nos quais os atuais governadores estão na frente nas pesquisa; nos estados em vermelho, eles param, isto é, não se reelegem, A gradação se refere aos estados em que os governadores são candidatos (escuro) e aqueles em que não são, apoiando outro candidato (claro). Em amarelo, estados em que há empate. Os cinzas são as exceções: cinza claro são os estados em que não pesquisa Ibope ou DataFolha; o cinza escuro foi reservado ao Rio Grande do Norte, onde a governadora atual não é candidata e nem apóia nenhum nome.

Mais simples do que com cores escolhidas aparentemente ao acaso?

Quem lhe ensinou a fazer gráficos?

A resposta em geral é: ninguém. Embora gráficos sejam ubíquos no mundo atual, presentes em todos os cantos, raramente alguém aprende a fazê-los de modo distinto da tentativa e erro.
Fazer um gráfico se tornou muito fácil desde a popularização de planilhas eletrônicas. Bastam alguns cliques e lá está uma imagem pronta. Mais alguns cliques, mais gráficos. Tão fácil que são produzidos às dúzias. Linhas ou colunas? Pizzas ou barras? Por que não um gráfico de dispersão? Ou de bolhas? Ou talvez uma teia?
A facilidade trouxe benefícios, como poder escolher entre as opções e encontrar relações que ficariam escondidas, mas não veio sem um custo. A abundância trouxe a banalização e como se pode fazê-los de forma automática, sem reflexão prévia, nem posterior, não faltam exemplos de gráficos irrelevantes, sem propósito, distorcidos, além de aberrações estéticas.

Nova pesquisa, novas imprecisões

Foi divulgado hoje o resultado de uma nova pesquisa do Datafolha para as eleições presidenciais e, com isso, novos gráficos para ilustrar os resultados.

O gráfico publicado na Folha da simulação do segundo turno entre Dilma Rousseff e Aécio Neves chama a atenção. Ao contrário do gráfico divulgado na pesquisa anterior, preferiram mostrar apenas as pesquisas de maio para cá. Além disso, o corte no eixo vertical distorce a variação nas intenções de votos dos dois candidatos.

Compare o gráfico publicado com o gráfico refeito e diga: a história contada é a mesma?