Posizione su scala comune: perché è la visualizzazione dati più accurata

Hai mai notato come sia facile capire quale scatola è più pesante o quale persona è più alta semplicemente guardando? Non devi misurare nulla, il tuo cervello fa tutto da solo. Questa stessa abilità, che usiamo ogni giorno senza pensarci, è il segreto dietro le visualizzazioni di dati più chiare e accurate. Non si tratta di grafici complicati o design alla moda, ma di sfruttare il nostro modo naturale di percepire il mondo.

Quando si tratta di mostrare dati, la semplicità è la forza, e il principio della ‘posizione su una scala comune’ è il motore silenzioso che rende tutto questo possibile.

Posizione su una scala comune (Cleveland–McGill)

Che cos’è e perché è la più accurata

La posizione su una scala comune è una codifica visiva in cui i valori sono allineati su un’asse condiviso. Il nostro cervello è incredibilmente bravo a giudicare la distanza lungo una linea, un’abilità che sfrutta in modo quasi istantaneo e automatico.

È proprio qui che entra in gioco il concetto di percezione pre-attentiva: il nostro sistema visivo elabora la lunghezza e la posizione in meno di 200 millisecondi, prima ancora che tu ci pensi consciamente.

Immagina di guardare una serie di barre: il tuo occhio individua subito la più lunga senza dover leggere i valori numerici. Questo accade perché le differenze di lunghezza sono un attributo pre-attentivo che il nostro cervello processa senza sforzo.

Al contrario, in un grafico a torta, devi passare coscientemente da una fetta all’altra e stimare l’angolo di ciascuna, un processo molto più lento e soggetto a errori. Questo è il motivo per cui la posizione su una scala comune è considerata la forma più accurata di visualizzazione dati.

Questo principio fondamentale fu formalizzato da William S. Cleveland, uno statistico che, insieme ai suoi colleghi, studiò scientificamente come le persone percepiscono diverse codifiche visive. I suoi lavori, in particolare lo studio “Graphical Perception: The Visual Decoding of Quantitative Information”, hanno stabilito la gerarchia di accuratezza che ancora oggi guida le migliori pratiche nella visualizzazione dei dati.

👉Data Storytelling: Dalla Semiotica Visiva a quella Sociale per Grafici che Parlano Davvero

Grafici che la utilizzano bene

• Barre (con zero) per confronti di quantità tra categorie.
• Dot plot / Lollipop: punti su un’unica asse con etichette dirette; ottimi quando non è necessario lo zero di riferimento.
• Linee su serie temporali: confronti di livello nello stesso timestamp (posizione verticale condivisa).
• Scatter: entrambe le variabili sono su scale continue comuni; la stima delle differenze è posizionale.
• Small multiples con la stessa scala in ogni pannello.

Quando la perdi (e cosa succede)

• Torta/ciambella → si passa ad angolo/area (molto meno accurati).
• Barre con asse troncato → l’occhio legge lunghezze fuorvianti (distorsione percettiva).
• Assi diversi tra pannelli → non è più “scala comune”: confronti tra pannelli diventano poco affidabili.
• Doppi assi con scale indipendenti → comparazioni apparentemente vicine/lontane per artefatto di scala.
• 3D prospettico → introduce variabilità percettiva (profondità → area/volume apparenti).

Regole pratiche

1. Se usi barre, mantieni lo zero. Le barre si leggono per lunghezza; senza zero inganni la lettura.
2. Se lo zero non è necessario, preferisci dot plot: si legge la posizione e non la lunghezza (es. tassi già normalizzati, punteggi).
3. Allinea ai riferimenti: usa tacche leggere, una griglia sottile e (se utile) una linea di riferimento (media, target, SLA).
4. Ordina le categorie (desc/asc) per facilitare la stima delle differenze.
5. Small multiples: forza min/max identici su tutti i pannelli; annota la scala una volta e ripeti leggero.
6. Evita doppi assi; se devi mostrare due scale, separa in due grafici sincronizzati.

Immagina di essere un analista marketing e devi mostrare al tuo capo l’andamento delle vendite. Un grafico a barre con l’asse troncato potrebbe farti sembrare che un picco sia un successo epocale, quando in realtà è un aumento minimo.

Il rischio? Prendere decisioni sbagliate basate su dati che sembrano migliori di quanto non siano.

È qui che la posizione su una scala comune diventa non solo una buona pratica, ma un dovere etico. È il tuo compito di analista presentare la verità dei dati, non una loro versione edulcorata.

Esempi Visivi e Distorsioni

Per capire la potenza di questo principio, confrontiamo due visualizzazioni degli stessi dati: un dot plot e un grafico a torta.

• Dot plot: A=62, B=68, C=75. Su una scala da 0 a 100, i punti sono allineati. La differenza tra B (68) e A (62) è immediatamente percepibile come una piccola distanza, mentre quella tra C (75) e B (68) appare leggermente più grande. La stima delle differenze è diretta e precisa.
• Grafico a torta: Gli stessi valori sono rappresentati come fette di un cerchio. Le differenze di dimensione tra le fette sono difficili da stimare ad occhio, e non è immediato capire se la fetta B sia più vicina ad A o a C. Qui, la percezione si basa sull’angolo o sull’area, due codifiche molto meno accurate della posizione.

Un altro errore comune è troncare l’asse di un grafico a barre, distorcendo la percezione.

• Grafico corretto (con zero): Le barre mostrano correttamente che il valore B è leggermente più alto di A, ma la differenza visiva è contenuta e proporzionale ai dati.
• Grafico distorto (senza zero): Troncare l’asse y ingrandisce artificialmente le differenze, facendo sembrare B molto più grande di A, quando in realtà lo scostamento è minimo. Il nostro occhio legge la lunghezza della barra, non la sua posizione rispetto a un valore assoluto. Senza uno zero, la lunghezza diventa un’unità di misura ingannevole.

Molti software, per “far sembrare meglio” i dati, offrono opzioni che in realtà li distorcono, come gli assi troncati o i grafici 3D. Ma un bravo data storyteller non dovrebbe mai sacrificare la funzionalità per l’estetica. Proprio come un buon artigiano non sacrifica la solidità di un mobile per una finitura luccicante, così un analista non dovrebbe compromettere l’accuratezza per un grafico accattivante ma ingannevole.

Errori tipici da evitare

• Mescolare scale lineari e log senza dichiararlo chiaramente.
• Cambiare i limiti dell’asse tra versioni del grafico (non confrontabili).
• Usare colori forti per suggerire importanza quando la gerarchia è già data dalla posizione.

Ricetta di refactoring (da una visualizzazione debole a una forte)

1. Identifica l’obiettivo: confronto preciso tra categorie/tempi?
2. Sposta la codifica su posizione comune: barre con zero oppure dot plot.
3. Ordina le categorie, aggiungi linea di riferimento (target/media) e etichette dirette per i valori chiave.
4. Togli “inchiostro non–dati” (bordi pesanti, griglie scure, 3D, gradienti).

Quando è ok rompere la regola

• Con differenze molto piccole su scale ampie, uno zoom contestualizzato (due pannelli: panoramica + dettaglio) può aiutare. Segnala chiaramente lo zoom (simbolo di break) per non ingannare.

import matplotlib.pyplot as plt
cats = ['A','B','C']
vals = [62, 68, 75]
order = sorted(range(len(vals)), key=lambda i: vals[i])
vals = [vals[i] for i in order]
cats = [cats[i] for i in order]
plt.figure()
plt.hlines(range(len(cats)), 0, vals, linewidth=0.5)
plt.plot(vals, range(len(cats)), 'o')
plt.xlim(0, 100)
plt.xlabel('Valore')
plt.yticks(range(len(cats)), cats)
for y, v in enumerate(vals):
    plt.text(v, y, f" {v}", va='center')
plt.title('Confronto per posizione su scala comune (dot plot)')
plt.show()

L’esercizio in Python con matplotlib crea un dot plot. Questo tipo di grafico è particolarmente interessante perché illustra il principio della posizione su una scala comune in modo puro ed efficace.

A differenza di un grafico a barre che usa la lunghezza (un attributo pre-attentivo ma legato alla posizione dello zero), il dot plot si basa esclusivamente sulla posizione dei punti lungo un’asse condiviso.

L’esempio è perfetto per confrontare valori relativi quando lo zero non ha un significato rilevante (ad esempio, punteggi, tassi percentuali, etc.). Mettendo i punti su un’asse, il cervello stima immediatamente le distanze tra di loro, rendendo il confronto B-A e C-B immediato e preciso. In questo caso, il codice ordina i dati in modo crescente, un’altra best practice suggerita nell’articolo per facilitare ulteriormente la lettura e il confronto visivo tra le categorie.

Pubblicità