डेटा विज़ुअलाइज़ेशन के लिए इंद्रधनुष के रंग सबसे अच्छा विकल्प क्यों नहीं हैं

डेटा विज़ुअलाइज़ेशन कहानियों को बताने के सुंदर, रोमांचक तरीके हैं। लेकिन आपको नक्शा या चार्ट डिजाइन करने में सावधानी से चयन करना होगा, और सबसे बड़ी गलतियों में से एक इंद्रधनुष के रंगों का दुरुपयोग करना है।

रेनबो कलर स्कीम - जिसे स्पेक्ट्रल कलर स्कीम भी कहा जाता है - डेटा को विज़ुअलाइज़ करने के लिए अक्सर विकल्प होते हैं, क्योंकि वे बोल्ड और रोमांचक दिखते हैं और क्योंकि वे कई विज़ुअलाइज़ेशन सॉफ़्टवेयर टूल के लिए डिफ़ॉल्ट हैं। लेकिन वे आमतौर पर अच्छे से ज्यादा नुकसान करते हैं। रंगों का पता लगाना आपके अनुमान से अधिक पाठकों के लिए एक समस्या है, और बाकी दर्शकों के लिए विज़ुअलाइज़ेशन को समझना आसान होगा यदि इसे एक अलग पैलेट के साथ प्रस्तुत किया जाता है।

इंद्रधनुष रंग योजनाएं 'लगभग हमेशा होती हैं' गलत विकल्प पेनसिल्विया स्टेट यूनिवर्सिटी में भूगोल के प्रोफेसर एंथनी सी रॉबिन्सन ने कौरसेरा पर एक ऑनलाइन कक्षा में लिखा, जिसमें छात्रों को डेटा मैप करने के लिए भू-स्थानिक तकनीकों का उपयोग करना सिखाया गया।

यहाँ कुछ कारण बताए गए हैं कि इंद्रधनुष के रंग 'गलत विकल्प' क्यों हैं:

कलरब्लाइंडनेस और ऑर्डरिंग कलर्स

जो लोग कलरब्लाइंड होते हैं उन्हें रंगों का पता लगाने में कठिनाई होती है, खासकर लाल और हरे रंग में। (कोशिश यह रंग दृष्टि परीक्षण यह देखने के लिए कि क्या आप उनमें से एक हैं।) कलरब्लाइंडनेस प्रभावित करता है पुरुषों के 10 प्रतिशत तक . इसका मतलब है कि यदि आप सैकड़ों हजारों दर्शकों के लिए दृश्य प्रस्तुत कर रहे हैं, तो आप अपने दर्शकों के एक बड़े हिस्से को याद कर रहे हैं।

भले ही अधिकांश लोग कलरब्लाइंड नहीं हैं, इंद्रधनुष रंग योजनाएं भ्रमित कर सकती हैं क्योंकि कोई स्पष्ट नहीं है 'से बड़ा' या 'से कम' 'रंगों को क्रमबद्ध करने का तर्क, कंप्यूटर विज्ञान के शोधकर्ता डेविड बोरलैंड और रसेल एम। टेलर II को चेतावनी देते हैं। लोग आम तौर पर प्रकाश से अंधेरे में प्रगति पर सहमत होते हैं, लेकिन रंगों को अलग तरह से क्रमबद्ध करते हैं, जैसा कि यहां दिखाया गया है:

'अगर लोगों को ग्रे पेंट चिप्स की एक श्रृंखला दी जाती है और उन्हें क्रम में रखने के लिए कहा जाता है, तो वे उन्हें लगातार या तो अंधेरे से प्रकाश या हल्के से अंधेरे क्रम में रखेंगे। हालांकि, अगर लोगों को लाल, हरे, पीले और नीले रंग के पेंट चिप्स दिए जाते हैं और उन्हें क्रम में लगाने के लिए कहा जाता है, परिणाम भिन्न होते हैं, ' शोधकर्ताओं के अनुसार डेविड बोरलैंड तथा रसेल एम. टेलर II चैपल हिल में उत्तरी कैरोलिना विश्वविद्यालय में कंप्यूटर विज्ञान के प्रोफेसर।

परिवर्तन देखना मुश्किल हो सकता है

विज़ुअलाइज़ेशन डेटा में बदलाव के पीछे की कहानी बताते हैं; उनका काम जटिल पैटर्न को एक उदाहरण में सरल बनाना है जो आपको समझने देता है - आदर्श रूप से एक नज़र में - क्या हो रहा है। लेकिन इंसान की आंखें अलग-अलग रंगों के किनारों का पता लगाने के लिए अगल-बगल बैठती हैं। हम एकल रंग श्रेणियों के भीतर छोटे बदलावों को देखने में बेहतर हैं क्योंकि चमक और संतृप्ति मान आसानी से बदलते हैं जहां रंग नहीं होते हैं, रॉबर्ट कोसर ने लिखा , दृश्य विश्लेषण शोधकर्ता चित्र और हम रंग कैसे देखते हैं, इस पर एक विशेषज्ञ, उनकी निजी वेबसाइट, ईगरआईज़ पर।

विवरण बहुत जल्दी तकनीकी हो जाते हैं, लेकिन महत्वपूर्ण सबक यह है कि इंद्रधनुष के रंग वास्तविक रंग बदलने पर ही अंतर दिखाते हैं, जबकि रंग ढाल लोगों को क्रमिक परिवर्तन देखने दें।

यदि आप एक रंग के स्नातक पैमाने पर चिपके रहने के बजाय इंद्रधनुष के रंगों का उपयोग करते हैं, तो आपके दर्शकों को बारीकियों को अलग बताने के लिए संघर्ष करना पड़ेगा।

भ्रामक निष्कर्ष

आपके दर्शकों के आधार पर, गलत चुनाव के गंभीर परिणाम हो सकते हैं। में एक हार्वर्ड अध्ययन , शोधकर्ताओं ने पाया कि हृदय धमनियों के 2-डी आरेख जो काले से लाल रंग के ढाल का उपयोग करते थे, वे डॉक्टरों के लिए इंद्रधनुष के रंगों का उपयोग करके 3-डी मॉडल की तुलना में निदान करने के लिए अधिक प्रभावी उपकरण थे। नैदानिक ​​​​अध्ययनों से पता चला है कि एक ढाल का उपयोग करने वाले आरेखों ने एथेरोस्क्लेरोसिस और हृदय रोग के डॉक्टरों के निदान की सटीकता को 39 प्रतिशत से बढ़ाकर 91 प्रतिशत कर दिया है।

काले से लाल ग्रेडिएंट और 3-डी इंद्रधनुषी रंग के मॉडल के साथ 2-डी धमनी आरेखों की प्रभावशीलता की तुलना। (छवियां: मिशेल बोर्किन / हार्वर्ड स्कूल ऑफ इंजीनियरिंग एंड एप्लाइड साइंसेज)

हर डेटा विज़ुअलाइज़ेशन का उपयोग महत्वपूर्ण चिकित्सा कॉल करने में नहीं किया जाता है, लेकिन जब पत्रकार गलत तरीके से मात्रात्मक डेटा दिखाने के लिए उनका उपयोग करते हैं तो इंद्रधनुष के रंग गुमराह कर सकते हैं।

'इंद्रधनुष के रंग खराब नहीं हैं यदि आप उन्हें श्रेणीबद्ध डेटा के लिए उपयोग कर रहे हैं,' ड्रू स्काउ, विज़ुअलाइज़ेशन आर्किटेक्ट दृश्य.ly , एक वीडियो साक्षात्कार में पोयन्टर को बताया। 'यदि आप निरंतर डेटा का प्रतिनिधित्व करने के लिए उनका उपयोग करते हैं तो वे खराब हैं।'

क्या फर्क पड़ता है? सतत डेटा मात्रात्मक है और संख्याओं द्वारा वर्णित है; श्रेणीबद्ध डेटा गुणात्मक है और शब्दों द्वारा वर्णित है। उदाहरण के लिए, इन समूहों की तुलना करें:

• विदेशी पालतू जानवर: चिनचिला, ओसेलॉट, बिच्छू, हिसिंग कॉकरोच, अजगर
• फारेनहाइट में तापमान: -459.67 डिग्री फ़ारेनहाइट, 32 डिग्री फ़ारेनहाइट, 212 डिग्री फ़ारेनहाइट
• चुनाव के दौरान चुनावी वोट: 206, 270, 332

विदेशी पालतू जानवर एक दूसरे से संबंधित हैं, लेकिन निरंतर नहीं - आप चिनचिला और ओसेलॉट के बीच के अंतर को नहीं माप सकते। दूसरी ओर, तापमान रीडिंग निरंतर हैं - वे मापने योग्य दूरी के पैमाने पर संख्याएं हैं।

चुनावी वोट निरंतर डेटा होते हैं, लेकिन वे भिन्न भी होते हैं। हम जानना चाहते हैं कि मध्य बिंदु क्या है (270 इलेक्टोरल वोट) क्योंकि जो भी 50 प्रतिशत से अधिक वोट प्राप्त करता है वह जीत जाता है। इस प्रकार, डेटा विज़ुअलाइज़ेशन आमतौर पर एक छोर पर डेमोक्रेट का प्रतिनिधित्व करने के लिए नीला और दूसरे छोर पर रिपब्लिकन के लिए लाल दिखाता है, जो कि भिन्न डेटा का प्रतिनिधित्व करने का आदर्श तरीका है।

रॉबिन्सन के इस अभ्यास से पता चलता है कि 2012 के राष्ट्रपति चुनावों के दौरान वर्णक्रमीय रंग ट्वीट्स की मात्रा (जो मात्रात्मक डेटा है) में अंतर बताना कितना कठिन बनाते हैं:

यह नक्शा वर्णक्रमीय रंगों का उपयोग करते हुए 2012 के राष्ट्रपति चुनावों से ओबामा और रोमनी के ट्वीट की मात्रा को दर्शाता है।
(छवि: डॉ एंथनी सी रॉबिन्सन / पेन स्टेट)

यहाँ एक ही नक्शा है, लेकिन रॉबिन्सन ने अलग-अलग संतृप्ति के साथ इंद्रधनुष के रंगों को एक ही रंग (बैंगनी) में बदल दिया है।

(छवि: डॉ एंथनी सी रॉबिन्सन / पेन स्टेट)

लेकिन इंद्रधनुष के रंगों का उपयोग अक्सर मात्रात्मक डेटा को चित्रित करने के लिए किया जाता है, यहां तक ​​​​कि नासा के वैज्ञानिक। शिक्षाविदों ने वैज्ञानिक समुदाय से वर्णक्रमीय रंगों का उपयोग बंद करने का आग्रह किया है, और वैज्ञानिक और इंजीनियर हैं सटीकता के बारे में चिंतित रंग के उपयोग से। पत्रकारों के रूप में, हम शोध और तर्क दोनों से सीख सकते हैं।

विशेषज्ञों की मदद

कई डेटा विशेषज्ञों ने रंग चुनने में आपकी मदद करने के लिए उपयोगी टूल बनाए हैं:

• कलरब्रेवर सिंथिया ब्रेवर, मार्क हैरोवर और पेन स्टेट द्वारा आपको नक्शों के लिए रंग पैलेट डिजाइन करने में मदद मिलती है; आप डेटा आइटम की संख्या, डेटा का प्रकार और यहां तक ​​कि कलरब्लाइंड-सुरक्षित रंग भी चुन सकते हैं।
• रंग उपकरण , नासा के पूर्व शोधकर्ताओं द्वारा बनाया गया, जटिल इन्फोग्राफिक्स और वैमानिकी डिस्प्ले के लिए एक पेशेवर-ग्रेड ऐप प्रदान करता है।
• Adobe's Kuler एक चालाक रंग का पहिया है जो रंग योजनाएं प्रदान करता है।
• पोयंटर का NewsU का डिजिटल टूल कैटलॉग आपके पास कई प्रकार के उपकरण हैं जिनके साथ आप डेटा की कल्पना करना शुरू कर सकते हैं।

रंग अद्भुत हैं - इस लेख की खोज में, मैंने उनके बारे में ऐसी चीजें खोजीं जिन्हें मैं कभी नहीं जानता था, जैसे कि यह तथ्य कि पीला है सबसे चमकीला रंग इंद्रधनुष का और वह लोग जो अन्य भाषाएं बोलते हैं रंग देख सकते हैं अंग्रेजी बोलने वाले नहीं कर सकते। रंग विज़ुअलाइज़ेशन को रोमांचक बनाने में मदद करते हैं, लेकिन कुछ बुद्धिमान रंग विकल्प यह सुनिश्चित कर सकते हैं कि वे विज़ुअलाइज़ेशन अधिक महत्वपूर्ण जानकारीपूर्ण हैं।