Nem sempre tudo acaba em pizza (ou em gráfico)
Você já notou o quanto as pessoas falam sobre gráfico de pizza?
Não existe nenhum outro tipo de gráfico que é tão amado, defendido e detestado quanto ele.
Algumas pessoas amam como o modelo se apresenta, outras gostam das possibilidades que ele traz. Vamos combinar que realmente é muito fácil de criar e não precisamos de muitas instruções para interpretá-lo, certo?
Pois é, mas por causa disso, ele pode acabar trazendo menos informações que você precisa, ou te mostrar de uma forma errada a leitura dos dados. Então, o primeiro passo para decidir usar ou não esse tipo de gráfico é: qual o seu objetivo?
O gráfico de pizza faz um trabalho melhor do que provavelmente qualquer outro visual para expressar o relacionamento de uma parte para o todo. Quando você vê uma torta/pizza, percebe imediatamente que ela representa um “todo” e pode cortar em fatias esse todo.
Porém, de todos os gráficos que trazem uma comunicação quantitativa, o gráfico de pizza é, de longe, o menos efetivo.
Você já notou o quão difícil é interpretar esse tipo de gráfico quando incluímos muitos valores ou partirmos muitas fatias?
E na prática, quando precisamos analisar fatias de tamanho similares, simplesmente não conseguimos mostrar qual parte é a maior ou menor. Outro ponto importante de ser analisado e que, se as variáveis em seus dados somam mais de 100%, é um sinal claro de que um gráfico de pizza não é apropriado.
A primeira aparição do gráfico de pizza foi no livro Statistical Breviary, em 1801, escrito por William Playfair. Naquela época, ele usava apenas um lápis, régua e um compasso, nada de programas com gráficos em 3D e interfaces inteligentes.
Os designs da Playfair são construídos de tal forma que os processos são facilmente concluídos pelo sistema visual humano. Os gráficos da Playfair são sempre construídos para que comparações em diferentes domínios (linhas, cores, rótulos, etc.) não exceda a capacidade de memória de trabalho e atenção.
Segundo Playfair, as vantagens propostas por esse modo de representação são facilitar a obtenção de informações e ajudar a memória a retê-las. Porém, sabemos o quanto a tecnologia avançou e o quanto podemos inventar “moda” em cima dessa forma de gráfico, indo diretamente contra a proposta inicial de seu criador.
Cleveland, cientista da computação e professor de Estatística e de Ciência da Computação na Universidade de Purdue, refere-se aos gráficos de pizza como “gráficos pop” porque eles são comumente encontrados no meio da cultura pop e menos no meio da ciência e tecnologia.
Para ele, gráficos de pizza não provêm uma detecção eficiente dos objetos geométricos que transmitem informações sobre diferenças de valores.
Um exemplo claro do que Cleveland defende é a representação que Stephen Few, autor do livro Show Me the Numbers: Designing Tables and Graphs to Enlighten and Information Dashboard Design: The Effective Visual Communication of Data, traz:
“Aqui está um gráfico de pizza com seis fatias. Perceba, quão fácil é determinar o valor da Empresa C (a fatia verde) que é 25%, um quarto de fatia da pizza. “
Gráficos de pizza são melhores de explorar quando a magnitude de uma fatia é próxima de 0%, 25%, 50%, 75%, ou 100%.
Agora perceba a mesma fatia verde, que era fácil de se ler, como 25%, acima, não é mais fácil de reconhecer como 25% no gráfico abaixo.
Nenhum dos valores mudou. Ele simplesmente ordenou as fatias por tamanho. Fácil manipular, né? Mais um problema na conta do gráfico de pizza!
Você pode argumentar que este problema pode ser facilmente resolvido adicionando-se um rótulo aos valores de cada fatia, como mostrado aqui:
Mas porque parar aqui? Com este gráfico de pizza, somos forçados a perder tempo focando nossos olhos, indo e vindo, entre a legenda e as fatias da pizza para descobrir que fatia representa cada empresa.
Podemos solucionar este problema diretamente adicionando rótulos nas fatias, tanto com os nomes das empresas quanto os valores, como mostrado aqui:
Você percebeu o que Few fez? Por conta do gráfico de pizza ser difícil de ler, ele adicionou valores, para que não tenhamos que comparar tamanhos de fatias e então acrescentou os rótulos das empresas para não termos que nos preocupar com a legenda. Poluição visual? Mais um problema!
Se a visualização , interpretação e narrativa…. é sobre contar histórias claras com seus dados, por que insistir em um gráfico que pode não fazer isso? Novamente, tudo depende do seu objetivo.
E que tal você pensar em outras possibilidades de contar a história dos seus dados? Temos milhares de exemplos de gráficos para usar.
Uma dica para te ajudar é meu livro favorito, Storytelling com dados, da Cole Nussbaumer. O livro ensina a escolher o melhor gráfico para seu objetivo.
Precisamos que nossos dados estejam organizados de forma que consigamos entendê-los, analisá-los, gerando insights de uma forma que depois ele possa contar sua história para outras pessoas (ou para nós mesmos). Se uma dessas etapas não estiver funcionando, chegou o momento de rever e talvez a visualização que você está escolhendo seja o primeiro passo.
