یک برند خمیردندان ادعا می‌کند که محصولش بیش از هر محصولی که تاکنون ساخته شده است جرم‌های داندان را از بین می‌برد. یک سیاستمدار به شما می گوید برنامه‌اش بیشترین شغل را ایجاد می‌کند. ما آنقدر به شنیدن این گونه اغراق‌ها در تبلیغات و سیاست عادت کرده‌ایم که دیگر حنایشان برایمان رنگی ندارد. اما وقتی ادعا با نمودار همراه باشد چه؟ هر چه باشد نمودار صرفاً یک نظر نیست، بلکه اعداد سرد و سختی را نشان می دهد که کسی جرئت ندارد با آنها دربیفتد. با این حال، روش‌های زیادی وجود دارد که نمودارها را گمراه‌کننده و دستکاری می‌کنند. در اینجا مواردی وجود دارد که باید به آنها توجه کنید. در این تبلیغ در سال 1992، «شِورلت» ادعا کرد که با اتکا به این نمودار، مطمئن‌ترین وانت‌ها را در آمریکا می‌سازد. نمودار نه‌تنها نشان می‌دهد که 98 درصد از تمام وانت‌های شورلت فروخته شده در ده سال گذشته هنوز در جاده‌ها هستند، بلکه به نظر می‌رسد دو برابر وانت‌های تویوتا قابل اعتماد هستند. البته تا قبل این که با دقت بیشتری به اعداد سمت چپ نگاه کنید و ببینید که این رقم برای تویوتا حدود 96.5 درصد است. این محور فقط بین 95 تا 100 درصد است. اگر از 0 تا 100 بود، به این شکل می‌شد. دستکاری در مقیاس محورها از رایج‌ترین روش‌هایی است که با آن، نمایش نادرستی از داده ارائه می‌شود. بزرگ‌نمایی در بخش کوچکی از محور عمودی، تفاوتی را که به سختی قابل تشخیص است بزرگ‌تر نشان می‌دهد؛ این به خصوص در نمودارهای میله‌ای گمراه‌کننده است، زیرا ما تفاوت در اندازه میله‌ها را متناسب با مقادیر فرض می‌کنیم. اما مقیاس همچنین می‌تواند در امتداد محور افقی تحریف شود، معمولاً در نمودارهای خطی که متغیری در طول زمان تغییر می‌کند. در این نمودار که افزایش بیکاری آمریکا را از سال 2008 تا 2010 نشان می دهد، محور افقی به دو صورت دستکاری شده است. اول از همه، این مقیاس متغیر است، به طوری که فاصله 15 ماهه پس از مارس 2009 را فشرده می‌کند تا کوتاه‌تر از شش ماه قبل به نظر برسد. استفاده از نقاط داده‌ای دقیق‌تر، تصویر متفاوتی شامل کاهش روند از دست دادن شغل‌ها تا پایان سال 2009 به دست می‌دهد. و اگر تعجب می‌کنید که چرا در وهله اول افزایش یافته بوده، باید بدانید که شروع نمودار بلافاصله پس از بزرگترین فروپاشی مالی ایالات متحده از زمان رکود بزرگ بوده است. این تکنیک‌ها به گیلاس‌چینی معروف هستند. یک محدوده زمانی را می‌توان با دقت انتخاب کرد تا تأثیر یک رویداد مهم را درست خارج از آن حذف کند. و انتخاب نقاط داده خاص می تواند تغییرات مهم را در این بین پنهان کند. حتی زمانی که هیچ مشکلی در خود نمودار وجود ندارد، کنار گذاشتن داده‌های مربوطه می تواند تصور گمراه‌کننده‌ای ایجاد کند.
این نمودار تعداد سالانه دنبال‌کنندگان فینال فوتبال آمریکایی را نشان می‌دهد که طبق آن، محبوبیت این رویداد در حال افزایش انفجاری است. اما افزایش جمعیت در آن لحاظ نشده است. نرخ محبوبیت در واقع ثابت مانده، زیرا در حالی که تعداد هواداران فوتبال افزایش یافته است، سهم آنها از کل بینندگان تلویزیون افزایش پیدا نکرده است. در نهایت، اگر شما از اهمیت کامل آنچه ارائه می‌شود آگاه نباشید، یک نمودار نمی‌تواند چیز زیادی به شما بگوید. هر دو نمودار روبه‌رو از داده‌های یکسانی درباره دمای اقیانوس‌ها استفاده می‌کنند. پس چرا به نظر می‌رسد که آنها برداشتی مخالف هم دارند؟ نمودار اول میانگین دمای سالانه اقیانوس‌ها را از سال 1880 تا 2016 ترسیم می‌کند که تغییرات را ناچیز نشان می‌دهد. اما در واقع، افزایش حتی نیم درجه سانتیگراد می‌تواند باعث اختلالات زیست‌محیطی گسترده شود. به همین دلیل است که نمودار دوم، که میانگین تغییرات دما را در هر سال نشان می‌دهد، بسیار معنادارتر است. هنگامی که از آنها به خوبی استفاده شود، نمودارها می‌توانند به ما در درک شهودی داده‌های پیچیده کمک کنند. اما از آنجا که نرم‌افزارهای بصری استفاده از نمودارها را در تمام رسانه‌ها ممکن کرده، استفاده بی‌دقت یا غیرصادقانه از آنها را آسان‌تر کرده‌اند. بنابراین دفعه بعد که نموداری را دیدید، تحت تأثیر خطوط و منحنی‌ها قرار نگیرید. به برچسب‌ها، اعداد، مقیاس و محتوا نگاه کنید و بپرسید که تصویر سعی دارد چه داستانی را بیان کند.
