Wizualizacja danych przedstawia dane graficznie, aby ujawnić wzorce. Tabela tysiąca liczb jest trudna do odczytania. Wykres liniowy tych samych danych natychmiast pokazuje trend. Wizualizacja wykorzystuje ludzki wzrok. Jesteśmy dobrzy w dostrzeganiu wzorców, wartości odstających i zmian. Słabo radzimy sobie z przetwarzaniem w pamięci tabel liczbowych. Wykresy wypełniają tę lukę.

Dobra wizualizacja zaczyna się od pytania. Co próbujesz pokazać? Porównanie, rozkład, kompozycję, relację czy trend? Każde pytanie sugeruje typ wykresu. Porównanie faworyzuje słupki. Rozkład faworyzuje histogramy lub wykresy pudełkowe. Kompozycja faworyzuje słupki skumulowane lub mapy drzewa. Relacje faworyzują wykresy punktowe. Trendy faworyzują wykresy liniowe. Wybór niewłaściwego typu wykresu zaciemnia odpowiedź. Wykres kołowy z dwunastoma wycinkami jest nieczytelny. Wykres liniowy z danymi kategorialnymi na osi x jest mylący. Kolor, skala i etykietowanie mają znaczenie. Obcięta oś y wyolbrzymia drobne zmiany. Skale kolorów tęczy są trudne do odczytania i niedostępne dla widzów cierpiących na daltonizm. Najlepsze wizualizacje są proste. Usuwają one dekoracje i pozwalają danym przemówić. Edward Tufte nazwał to maksymalizacją stosunku danych do atramentu. Każdy piksel powinien przenosić informacje lub nie przeszkadzać.

Typy wizualizacji według celu

• Porównanie — wykresy słupkowe, wykresy punktowe
• Dystrybucja — histogramy, wykresy pudełkowe
• Kompozycja — słupki skumulowane, mapy drzewa, wykresy kołowe
• Relacje — wykresy punktowe, mapy cieplne
• Trendy — wykresy liniowe, wykresy obszarowe

Wykres jest argumentem. Powinien jasno przedstawiać tezę, nie wprowadzając czytelnika w błąd.