نمایش شفاف داده‌ها با اصول Data-Ink Ratio

مقدمه

چرا بسیاری از نمودارها بیشتر از آنکه داده نشان دهند، تزئین نشان می‌دهند؟

اگر به بسیاری از گزارش‌ها، داشبوردها و اسلایدهای مدیریتی نگاه کنید، احتمالاً با نمودارهایی مواجه می‌شوید که در نگاه اول بسیار جذاب به نظر می‌رسند. رنگ‌های متنوع، سایه‌های سه‌بعدی، افکت‌های مختلف، خطوط متعدد و عناصر گرافیکی فراوان باعث می‌شوند نمودار حرفه‌ای و چشمگیر به نظر برسد. اما سؤال مهم اینجاست:

آیا این نمودار واقعاً به فهم بهتر داده‌ها کمک می‌کند؟

در بسیاری از مواقع پاسخ منفی است. یکی از رایج‌ترین مشکلات در طراحی نمودارها این است که طراحان بیش از حد بر ظاهر تمرکز می‌کنند و از هدف اصلی نمودار فاصله می‌گیرند. هدف یک نمودار این نیست که صرفاً زیبا باشد؛ هدف، این است که اطلاعات را شفاف‌تر، سریع‌تر و دقیق‌تر به مخاطب منتقل کند.

تصور کنید وارد یک کتابخانه می‌شوید و برای پیدا کردن یک کتاب خاص به دنبال قفسه موردنظر می‌گردید. اگر تمام دیوارها با پوسترهای رنگارنگ، چراغ‌های تزئینی و تابلوهای متعدد پوشانده شده باشند، احتمالاً پیدا کردن مسیر سخت‌تر می‌شود. در چنین شرایطی تزئینات نه‌تنها کمکی به شما نمی‌کنند، بلکه توجه شما را از چیزی که به دنبالش هستید منحرف می‌کنند. در نمودارها نیز همین اتفاق رخ می‌دهد. گاهی حجم تزئینات آن‌قدر زیاد می‌شود که داده‌های اصلی در میان آن‌ها گم می‌شوند.

احتمالاً همه ما نمودارهایی را دیده‌ایم که:

• دارای پس‌زمینه‌های رنگی و سنگین هستند.
• از افکت‌های سه‌بعدی استفاده می‌کنند.
• خطوط شبکه (Gridline) فراوان دارند.
• با سایه‌ها و گرادیانت‌های متعدد طراحی شده‌اند.
• از رنگ‌های بیش از حد استفاده می‌کنند.

در چنین شرایطی ذهن مخاطب باید انرژی زیادی صرف تشخیص اطلاعات مهم از عناصر غیرضروری کند.نتیجه چیست؟

• فهم داده کندتر می‌شود.
• تمرکز مخاطب کاهش پیدا می‌کند.
• Insight یا بینش اصلی کمتر دیده می‌شود.
• احتمال برداشت اشتباه افزایش می‌یابد.

به همین دلیل است که در دنیای حرفه‌ای Data Visualization، زیبایی هرگز هدف اصلی نیست؛ بلکه وضوح و فهم‌پذیری در اولویت قرار دارند. سؤال کلیدی که هر طراح باید از خود بپرسد. «آیا همه اجزای این نمودار واقعاً به فهم داده کمک می‌کنند؟» اگر پاسخ منفی باشد، احتمالاً بخشی از نمودار باید حذف شود. ممکن است یک سایه زیبا به نظر برسد، اما آیا اطلاعات جدیدی ارائه می‌کند؟ ممکن است یک افکت سه‌بعدی جذاب باشد، اما آیا به درک بهتر مقادیر کمک می‌کند؟ ممکن است یک پس‌زمینه گرافیکی چشمگیر باشد، اما آیا Insight را واضح‌تر می‌کند؟ اگر پاسخ این پرسش‌ها منفی باشد، آن عناصر احتمالاً فقط فضای بصری اشغال کرده‌اند.

آشنایی با مفهوم Data-Ink Ratio

برای پاسخ به همین چالش، Edward R. Tufte یکی از مهم‌ترین و تأثیرگذارترین مفاهیم تاریخ داده‌نمایی را معرفی کرد:

Data-Ink Ratio

این مفهوم در ظاهر ساده است، اما تأثیر عمیقی بر طراحی نمودارهای حرفه‌ای داشته است. تافت معتقد بود هر بخشی از نمودار که به نمایش داده‌ها کمک نمی‌کند باید مورد بازبینی قرار گیرد. از نگاه او، نمودار خوب نموداری نیست که عناصر بیشتری داشته باشد؛ بلکه نموداری است که بیشترین تمرکز را بر خود داده‌ها ایجاد کند. او این ایده را در یک جمله مشهور خلاصه می‌کند:

«هر قطره جوهر باید در خدمت داده باشد.»

البته امروزه به‌جای جوهر می‌توانیم بگوییم: هر پیکسل باید در خدمت داده باشد. یعنی هر عنصر موجود در نمودار باید دلیل مشخصی برای حضور داشته باشد.

Data-Ink Ratio و ارتباط آن با وضوح

یکی از مهم‌ترین مزایای رعایت Data-Ink Ratio افزایش وضوح نمودار است. وقتی عناصر اضافی حذف می‌شوند:

• داده‌ها بهتر دیده می‌شوند.
• مقایسه‌ها ساده‌تر انجام می‌شود.
• الگوها سریع‌تر کشف می‌شوند.
• تمرکز مخاطب روی پیام اصلی باقی می‌ماند.

در واقع هرچه نسبت «داده» به «تزئینات» بیشتر باشد، احتمال دیده شدن Insight نیز افزایش پیدا می‌کند.

Data-Ink Ratio و سرعت فهم

در جلسات مدیریتی، کلاس‌های آموزشی یا ارائه‌های سازمانی، مخاطب زمان زیادی برای تحلیل نمودار ندارد. بسیاری از افراد تنها چند ثانیه به یک اسلاید نگاه می‌کنند. در چنین شرایطی نمودار باید بتواند تقریباً بلافاصله به سؤال مخاطب پاسخ دهد. هرچه عناصر اضافی کمتر باشند:

• بار شناختی (Cognitive Load) کاهش پیدا می‌کند.
• مغز سریع‌تر اطلاعات را پردازش می‌کند.
• پیام اصلی راحت‌تر منتقل می‌شود.

به همین دلیل نمودارهای ساده و هدفمند معمولاً از نمودارهای پرزرق‌وبرق عملکرد بهتری دارند.

Data-Ink Ratio و تصمیم‌سازی

هدف نهایی بسیاری از نمودارها کمک به تصمیم‌گیری است. مدیران، کارشناسان و تصمیم‌گیران از نمودارها استفاده می‌کنند تا: روندها را ببینند، مشکلات را شناسایی کنند، فرصت‌ها را کشف کنند و اقدامات مناسب را انتخاب کنند. اگر نمودار شلوغ باشد، فرآیند تصمیم‌گیری نیز دشوارتر می‌شود. اما زمانی که داده‌ها شفاف نمایش داده شوند، مسیر رسیدن به Insight و تصمیم‌گیری بسیار کوتاه‌تر خواهد شد.

در مقاله قبلی یعنی «۷ رابطه مهم داده‌ها در طراحی نمودار» یاد گرفتیم که هر نمودار برای نمایش یک نوع رابطه مشخص طراحی شده است. ابتدا باید بدانیم چه رابطه‌ای را می‌خواهیم نمایش دهیم و سپس نمودار مناسب را انتخاب کنیم. همچنین در مقاله «چه زمانی جدول و چه زمانی نمودار انتخاب کنیم؟» بررسی کردیم که چه زمانی نمایش داده‌ها به‌صورت جدول مناسب‌تر است و چه زمانی باید از نمودار استفاده کنیم.

اکنون یک گام جلوتر می‌رویم. فرض می‌کنیم نمودار مناسب را انتخاب کرده‌ایم.  سؤال جدید این است: چگونه همان نمودار را به شکلی طراحی کنیم که بیشترین تمرکز روی داده‌ها و کمترین تمرکز روی تزئینات باشد؟  پاسخ این سؤال را در ادامه مقاله و با کمک اصول Data-Ink Ratio خواهیم آموخت؛ اصلی که هنوز هم یکی از مهم‌ترین مبانی طراحی حرفه‌ای نمودارها و داشبوردهای مدیریتی در سراسر جهان محسوب می‌شود.

Data-Ink Ratio چیست؟

در بخش مقدمه دیدیم که یکی از مشکلات رایج در طراحی نمودارها، شلوغی بیش از حد و استفاده از عناصر بصری غیرضروری است. بسیاری از نمودارها آن‌قدر پر از رنگ، افکت، خطوط و تزئینات مختلف می‌شوند که داده‌های اصلی در میان آن‌ها گم می‌شوند. اما سؤال مهم اینجاست: چگونه تشخیص دهیم چه چیزی در یک نمودار ضروری است و چه چیزی فقط فضا اشغال کرده است؟ پاسخ این سؤال را یکی از مهم‌ترین مفاهیم دنیای داده‌نمایی به ما می‌دهد؛  فهومی که توسط Edward R. Tufte معرفی شد و امروزه یکی از پایه‌های اصلی طراحی حرفه‌ای نمودارها محسوب می‌شود: Data-Ink Ratio

Data-Ink Ratio به زبان ساده

تافت معتقد بود هر نمودار از دو نوع عنصر تشکیل شده است:

1. عناصری که مستقیماً داده را نمایش می‌دهند.
2. عناصری که داده را نمایش نمی‌دهند.

هرچه سهم گروه اول بیشتر باشد و سهم گروه دوم کمتر، نمودار شفاف‌تر و مؤثرتر خواهد بود.به بیان ساده:

Data-Ink Ratio یعنی نسبت «جوهر مصرف‌شده برای نمایش داده» به «کل جوهر مصرف‌شده در نمودار».

البته امروزه به جای جوهر می‌توانیم بگوییم: نسبت اطلاعات واقعی به کل عناصر بصری موجود در نمودار.هرچه این نسبت بیشتر باشد، نمودار کارآمدتر است.

Data Ink چیست؟

Data Ink به تمام بخش‌هایی گفته می‌شود که مستقیماً برای نمایش داده‌ها استفاده شده‌اند. به زبان ساده، اگر داده‌ها را از نمودار حذف کنیم، این بخش‌ها نیز معنای خود را از دست می‌دهند.

نمونه‌های Data Ink: ستون‌های نمودار ستونی، خطوط نمودار خطی، نقاط نمودار پراکندگی، بخش‌های نمودار دایره‌ای، برچسب‌های ضروری داده، Annotationهای تحلیلی. این عناصر دلیل اصلی وجود نمودار هستند. اگر آن‌ها را حذف کنیم، دیگر چیزی از داده باقی نمی‌ماند.

Non-Data Ink چیست؟

در مقابل، Non-Data Ink شامل عناصری است که مستقیماً داده‌ای را نمایش نمی‌دهند. وجود بعضی از این عناصر ممکن است مفید باشد، اما بسیاری از آن‌ها فقط جنبه تزئینی دارند. نمونه‌های رایج: سایه‌ها، افکت‌های سه‌بعدی، گرادیانت‌های سنگین، قاب‌های تزئینی، خطوط شبکه بسیار زیاد، پس‌زمینه‌های گرافیکی، آیکون‌های غیرضروری، افکت‌های PowerPoint. این عناصر معمولاً اطلاعات جدیدی به مخاطب نمی‌دهند. آن‌ها فقط توجه را از داده اصلی منحرف می‌کنند.

فرمول مفهومی تافت

تافت برای توضیح این ایده از یک فرمول مفهومی استفاده می‌کند:

Data-Ink Ratio = Data Ink ÷ Total Ink

نسبت جوهر داده = میزان جوهر اختصاص‌یافته به داده ÷ کل جوهر موجود در نمودار

البته در عمل قرار نیست این مقدار را محاسبه کنیم. هدف این فرمول بیشتر یک طرز فکر است. هر بار که نموداری طراحی می‌کنید از خودتان بپرسید: چه مقدار از فضای بصری این نمودار واقعاً در خدمت داده است؟ هرچه پاسخ این سؤال مثبت‌تر باشد، نمودار حرفه‌ای‌تر خواهد بود.

هدف اصلی Data-Ink Ratio چیست؟

بعضی افراد تصور می‌کنند هدف این مفهوم حذف همه چیز و تبدیل نمودار به یک شکل خشک و بی‌روح است. اما این برداشت اشتباه است. هدف تافت هرگز حذف زیبایی نبوده است. هدف او افزایش نسبت اطلاعات به تزئینات است. به عبارت دیگر: داده بیشتر دیده شود. عناصر اضافی کمتر دیده شوند. تمرکز مخاطب روی پیام اصلی باقی بماند. بنابراین Data-Ink Ratio یک جنگ علیه زیبایی نیست. بلکه تلاشی برای جلوگیری از شلوغی بی‌دلیل است.

یک مثال ساده: نمودار شلوغ در برابر نمودار مینیمال

فرض کنید می‌خواهیم روند فروش یک شرکت را در طول شش ماه نمایش دهیم.

نسخه اول: پس‌زمینه رنگی، خطوط شبکه فراوان، سایه‌های مختلف، افکت سه‌بعدی، چندین رنگ متفاوت، کادرهای متعدد

نسخه دوم: یک خط ساده و واضح، چند برچسب مهم، رنگ تأکیدی محدود، فضای سفید مناسب

هر دو نمودار دقیقاً یک داده را نمایش می‌دهند. اما کدام‌یک سریع‌تر فهمیده می‌شود؟ در اغلب موارد نسخه دوم.

زیرا ذهن مخاطب انرژی خود را صرف پردازش داده می‌کند، نه مبارزه با تزئینات. این همان جایی است که قدرت Data-Ink Ratio خود را نشان می‌دهد.

چرا این مفهوم انقلابی بود؟

امروزه ساده‌سازی نمودارها یک موضوع بدیهی به نظر می‌رسد، اما زمانی که تافت این ایده را مطرح کرد، بسیاری از نمودارها پر از عناصر تزئینی بودند. در آن دوران: نمودارهای سه‌بعدی محبوب بودند. افکت‌های سنگین رایج بودند. تزئینات بیشتر نشانه حرفه‌ای بودن تلقی می‌شد.

تافت این نگاه را به چالش کشید. او نشان داد که: نمودار خوب لزوماً نمودار شلوغ نیست. بلکه نمودار خوب نموداری است که بیشترین تمرکز را روی داده‌ها ایجاد کند. این تغییر نگاه تأثیر عمیقی بر دنیای Data Visualization گذاشت و بعدها الهام‌بخش بسیاری از متخصصان از جمله Stephen Few شد. امروزه تقریباً تمام اصول مدرن طراحی داشبورد، گزارش‌های مدیریتی و داده‌نمایی حرفه‌ای به نوعی از همین فلسفه الهام گرفته‌اند.

یک نکته بسیار مهم

در اینجا لازم است روی یک سوءبرداشت رایج تأکید کنیم: Data-Ink Ratio به معنای حذف همه عناصر نمودار نیست. برخی عناصر غیر داده‌ای کاملاً ضروری هستند. برای مثال: محورهای نمودار، عنوان مناسب، برخی خطوط راهنما، برچسب‌های مهم. همگی به فهم بهتر کمک می‌کنند. بنابراین سؤال اصلی این نیست که: «چه چیزی را حذف کنیم؟» بلکه سؤال درست این است: «چه چیزی واقعاً به فهم داده کمک نمی‌کند؟» اگر یک عنصر به درک بهتر داده کمک می‌کند، باید باقی بماند. اگر فقط فضا اشغال می‌کند، احتمالاً زمان حذف آن فرا رسیده است.

Data Ink و Non-Data Ink را چگونه تشخیص دهیم؟

چگونه تشخیص دهیم کدام بخش از نمودار واقعاً در خدمت داده است و کدام بخش صرفاً جنبه تزئینی دارد؟ این سؤال در ظاهر ساده است، اما پاسخ آن می‌تواند کیفیت طراحی نمودارهای شما را متحول کند. بسیاری از نمودارهای ضعیف نه به دلیل انتخاب اشتباه نوع نمودار، بلکه به دلیل وجود حجم زیادی از عناصر غیرضروری دچار مشکل می‌شوند. برای درک بهتر این موضوع، ابتدا باید دو مفهوم اصلی را از هم تفکیک کنیم:

• Data Ink
• Non-Data Ink

Data Ink چیست؟

Data Ink به تمام عناصر بصری گفته می‌شود که مستقیماً داده‌ها را نمایش می‌دهند یا در فهم آن‌ها نقش ضروری دارند. به بیان ساده: اگر این عنصر حذف شود و بخشی از اطلاعات از بین برود، آن عنصر احتمالاً Data Ink است. این عناصر دلیل اصلی وجود نمودار هستند. مخاطب به خاطر آن‌ها به نمودار نگاه می‌کند.

نمونه‌های رایج Data Ink

ستون‌های نمودار : در نمودارهای ستونی و میله‌ای، خود ستون‌ها نماینده مقادیر هستند. برای مثال در نمودار مقایسه فروش شعب، ارتفاع یا طول هر ستون مستقیماً یک مقدار عددی را نمایش می‌دهد. اگر ستون‌ها حذف شوند، دیگر داده‌ای برای مشاهده وجود نخواهد داشت.

خطوط داده: در نمودارهای خطی، خطوط مسیر تغییرات را نشان می‌دهند. مثلاً وقتی روند فروش یک سال را نمایش می‌دهیم، خط نمودار به مخاطب کمک می‌کند رشد، افت یا نوسان را مشاهده کند. بنابراین خط اصلی نمودار جزو Data Ink محسوب می‌شود.

نقاط داده: در نمودارهای پراکندگی (Scatter Plot) یا برخی نمودارهای خطی، نقاط نشان‌دهنده  مشاهدات واقعی هستند. هر نقطه یک داده است. حذف آن‌ها به معنای حذف بخشی از اطلاعات خواهد بود.

برچسب‌های ضروری: گاهی برخی برچسب‌ها برای فهم بهتر داده لازم هستند. برای مثال: نام دسته‌ها، مقادیر کلیدی، درصدهای مهم، توضیح یک نقطه خاص. این موارد نیز می‌توانند بخشی از Data Ink باشند، زیرا به تفسیر درست اطلاعات کمک می‌کنند.

Non-Data Ink چیست؟

در مقابل، Non-Data Ink شامل عناصری است که داده‌ای را نمایش نمی‌دهند و معمولاً اطلاعات جدیدی به مخاطب اضافه نمی‌کنند. این عناصر گاهی برای زیبایی اضافه می‌شوند و گاهی هم به دلیل عادت‌های قدیمی طراحی. مشکل زمانی ایجاد می‌شود که حجم این عناصر از خود داده‌ها بیشتر شود.

سایه‌ها (Shadows): یکی از رایج‌ترین نمونه‌های Non-Data Ink سایه‌ها هستند. فرض کنید زیر هر ستون نمودار یک سایه بزرگ قرار داده شده باشد. این سایه چه اطلاعاتی را منتقل می‌کند؟ تقریباً هیچ. در بیشتر موارد فقط فضای بصری اشغال می‌کند.

گرادیانت‌ها (Gradients): در بسیاری از نمودارها ستون‌ها با چندین طیف رنگی طراحی می‌شوند. از تیره به روشن یا بالعکس. این گرادیانت‌ها معمولاً داده جدیدی ارائه نمی‌کنند. در بسیاری از مواقع یک رنگ ساده همان کار را بهتر انجام می‌دهد.

افکت‌های سه‌بعدی: شاید مشهورترین دشمن Data-Ink Ratio همین افکت‌های سه‌بعدی باشند. ستون‌های سه‌بعدی، نمودارهای دایره‌ای سه‌بعدی و حجم‌سازی‌های مختلف معمولاً فقط باعث می‌شوند: مقایسه سخت‌تر شود. مقادیر تحریف شوند. توجه مخاطب از داده دور شود. به همین دلیل در مقاله بعدی دوره، به‌طور کامل بررسی خواهیم کرد که چرا باید از نمودارهای سه‌بعدی پرهیز کنیم.

قاب‌های اضافی:‌گاهی نمودارها با چندین کادر، حاشیه و خطوط تزئینی احاطه می‌شوند. این قاب‌ها معمولاً هیچ ارزش اطلاعاتی ندارند. اگر حذف شوند، درک داده تغییری نمی‌کند.

پس‌زمینه‌های تزئینی: یکی دیگر از نمونه‌های رایج Non-Data Ink، پس‌زمینه‌های شلوغ هستند. برای مثال: تصاویر محو شده، الگوهای گرافیکی، بافت‌های رنگی، اشکال تزئینی. این عناصر اغلب باعث کاهش خوانایی نمودار می‌شوند. مخاطب باید داده را ببیند، نه مسابقه طراحی پس‌زمینه را!

یک تمرین ذهنی بسیار قدرتمند

تافت برای تشخیص Data Ink و Non-Data Ink یک روش بسیار ساده اما کاربردی پیشنهاد می‌کند. هر بار که به یک عنصر در نمودار نگاه می‌کنید، از خودتان بپرسید: «اگر این عنصر حذف شود، آیا فهم داده کاهش می‌یابد؟» اگر پاسخ بله باشد، احتمالاً آن عنصر بخشی از Data Ink است. اگر پاسخ خیر باشد، احتمالاً با یک Non-Data Ink روبه‌رو هستید.

برای مثال:

این سؤال ساده می‌تواند به یکی از مهم‌ترین ابزارهای تصمیم‌گیری شما در طراحی نمودار تبدیل شود.

هدف، حذف کورکورانه نیست

در پایان این بخش باید بر یک نکته مهم تأکید کنیم. فلسفه Data-Ink Ratio به معنای حذف همه عناصر غیر داده‌ای نیست. برخی عناصر کمکی، حتی اگر مستقیماً داده را نمایش ندهند، برای فهم بهتر ضروری هستند. برای مثال: عنوان نمودار، برخی محورهای اصلی، تعدادی از خطوط راهنما، Annotationهای توضیحی. هدف این نیست که نمودار را تا حد امکان خالی کنیم. هدف این است که: هر عنصر موجود در نمودار، دلیلی برای حضور داشته باشد. هرچه تعداد عناصر بی‌دلیل کمتر شود، تمرکز مخاطب روی داده‌ها بیشتر خواهد شد و احتمال کشف Insight نیز افزایش می‌یابد.

مهم‌ترین عوامل کاهش Data-Ink Ratio

اکنون که با مفهوم Data Ink و Non-Data Ink آشنا شدیم، وقت آن است که دشمنان اصلی Data-Ink Ratio را بشناسیم. این همان عواملی هستند که باعث می‌شوند نمودارها شلوغ‌تر، فهم آن‌ها دشوارتر و پیام آن‌ها کم‌رنگ‌تر شود. جالب است بدانید در بسیاری از گزارش‌ها و اسلایدها، بخش بزرگی از فضای نمودار صرف عناصری می‌شود که هیچ اطلاعات جدیدی به مخاطب نمی‌دهند. گاهی حتی بیش از نیمی از آنچه روی صفحه دیده می‌شود، صرف تزئیناتی شده است که نه به تحلیل کمک می‌کنند و نه به تصمیم‌گیری. از نگاه Edward R. Tufte، هر عنصر اضافی که بدون افزودن اطلاعات، فضای بصری اشغال کند، باعث کاهش Data-Ink Ratio می‌شود. بیایید مهم‌ترین این عوامل را بررسی کنیم.

Gridlineهای بیش از حد

خطوط شبکه یا Gridlineها برای کمک به خواندن نمودار طراحی شده‌اند. اما همانند نمک در غذا، مقدار آن‌ها اهمیت دارد.اگر تعداد Gridlineها بیش از حد زیاد شود: توجه مخاطب از داده‌ها منحرف می‌شود. نمودار شلوغ به نظر می‌رسد. تشخیص الگوها دشوارتر می‌شود. 

فرض کنید یک نمودار ستونی دارید که در آن ده‌ها خط افقی و عمودی وجود دارد. در چنین شرایطی چشم مخاطب مدام بین خطوط مختلف حرکت می‌کند و تمرکز خود را روی ستون‌های اصلی از دست می‌دهد. در بسیاری از موارد، استفاده از چند Gridline اصلی و کم‌رنگ کاملاً کافی است. قاعده ساده این است: خطوط شبکه باید به داده کمک کنند، نه اینکه با داده رقابت کنند.

خطوط و کادرهای غیرضروری

یکی از عادت‌های رایج در طراحی نمودارها، اضافه کردن انواع قاب‌ها و خطوط تزئینی است. برای مثال: کادر دور نمودار، کادر دور عنوان، خطوط جداکننده اضافی و حاشیه‌های ضخیم. بسیاری از این عناصر هیچ نقش اطلاعاتی ندارند. اگر آن‌ها را حذف کنیم: داده‌ها همچنان قابل فهم هستند. نمودار سبک‌تر و حرفه‌ای‌تر به نظر می‌رسد. توجه مخاطب بیشتر روی محتوای اصلی متمرکز می‌شود. در طراحی مدرن داده‌نمایی، معمولاً از کمترین تعداد خطوط ممکن استفاده می‌شود.

پس‌زمینه‌های سنگین و شلوغ

گاهی طراحان برای جذاب‌تر شدن نمودار، از پس‌زمینه‌های رنگی، تصاویر محو شده، بافت‌های گرافیکی یا گرادیانت‌های پیچیده استفاده می‌کنند. مشکل اینجاست که: مخاطب برای دیدن داده آمده است، نه برای تماشای کاغذ دیواری!

پس‌زمینه‌های سنگین معمولاً باعث می‌شوند: کنتراست کاهش پیدا کند. خوانایی متن کم شود. تشخیص داده‌ها دشوارتر شود. به همین دلیل اکثر داشبوردهای حرفه‌ای و گزارش‌های مدیریتی از پس‌زمینه‌های ساده و خنثی استفاده می‌کنند. فضای سفید اغلب ارزشمندتر از هر تصویر تزئینی است.

لوگوهای بزرگ در هر اسلاید

این مورد شاید کمی بحث‌برانگیز باشد. وجود لوگوی سازمان روی اسلایدها طبیعی است و در بسیاری از موارد ضروری محسوب می‌شود. اما مشکل زمانی ایجاد می‌شود که لوگو به یکی از بزرگ‌ترین عناصر بصری اسلاید تبدیل شود. گاهی در گزارش‌های سازمانی مشاهده می‌کنیم: لوگو بزرگ‌تر از نمودار است. توجه بیشتری نسبت به داده‌ها جلب می‌کند. در هر اسلاید فضای قابل‌توجهی را اشغال می‌کند. در چنین شرایطی لوگو از یک عنصر هویتی به یک عامل کاهش Data-Ink Ratio تبدیل می‌شود. یک لوگوی کوچک و حرفه‌ای معمولاً همان نقش برندینگ را ایفا می‌کند، بدون آنکه مزاحم نمایش داده‌ها شود.

افکت‌های PowerPoint

پاورپوینت ابزارهای متنوعی برای زیباسازی در اختیار کاربران قرار می‌دهد: سایه، Glow، Reflection، Bevel، Gradient و Animationهای پیچیده. اما داشتن این امکانات به معنای استفاده از همه آن‌ها نیست. یکی از خطاهای رایج در ارائه‌ها این است که هر قاب، نمودار یا شکل با چندین افکت مختلف تزئین می‌شود.

نتیجه چیست؟ تمرکز مخاطب کاهش پیدا می‌کند. نمودار حرفه‌ای‌تر به نظر نمی‌رسد. فقط حجم Non-Data Ink افزایش می‌یابد. تافت احتمالاً اگر برخی از این اسلایدها را می‌دید، چند دقیقه‌ای سکوت می‌کرد و سپس می‌پرسید: «داده‌ها کجا هستند؟»

نمودارهای سه‌بعدی

اگر بخواهیم یک قهرمان منفی در دنیای Data Visualization انتخاب کنیم، احتمالاً نمودارهای سه‌بعدی یکی از گزینه‌های اصلی خواهند بود. در نگاه اول، نمودار سه‌بعدی جذاب‌تر به نظر می‌رسد. اما مشکل اینجاست که این جذابیت معمولاً به قیمت از دست رفتن دقت و شفافیت تمام می‌شود.

نمودارهای سه‌بعدی: مقادیر را تحریف می‌کنند. مقایسه را دشوار می‌کنند. زاویه دید را وارد تحلیل می‌کنند. حجم زیادی Non-Data Ink تولید می‌کنند.

برای مثال، در یک نمودار دایره‌ای سه‌بعدی، بخشی که به مخاطب نزدیک‌تر است بزرگ‌تر دیده می‌شود؛ حتی اگر مقدار واقعی آن تفاوتی نداشته باشد. به همین دلیل بسیاری از متخصصان داده‌نمایی، نمودارهای سه‌بعدی را یکی از رایج‌ترین منابع گمراهی بصری می‌دانند. در مقاله بعدی دوره یعنی «چرا باید از نمودار سه‌بعدی پرهیز کنیم؟» این موضوع را به‌صورت کامل بررسی خواهیم کرد.

یک قانون طلایی برای بازبینی نمودارها

هر بار که نموداری طراحی می‌کنید، از خود بپرسید: «اگر این عنصر را حذف کنم، آیا فهم داده کاهش پیدا می‌کند؟» اگر پاسخ منفی است، احتمالاً آن عنصر ارزش بازنگری دارد. این سؤال ساده می‌تواند بسیاری از مشکلات طراحی را پیش از ارائه برطرف کند.

اگر در مقاله «اشتباهات رایج در طراحی بصری اسلایدها» با مفهوم شلوغی بصری و بار شناختی آشنا شده‌اید، اکنون می‌توانید نمونه عملی آن را در نمودارها مشاهده کنید.

چگونه Data-Ink Ratio را افزایش دهیم؟

تا اینجا با مفهوم Data-Ink Ratio آشنا شدیم، Data Ink و Non-Data Ink را شناختیم و مهم‌ترین عواملی را که باعث کاهش این نسبت می‌شوند بررسی کردیم. اما دانستن مشکل به‌تنهایی کافی نیست. سؤال اصلی این است: چگونه می‌توان یک نمودار شلوغ را به یک نمودار حرفه‌ای، شفاف و قابل فهم تبدیل کرد؟

خبر خوب این است که در بسیاری از موارد نیازی به طراحی مجدد نمودار از صفر نیست. تنها با چند اصلاح ساده می‌توان میزان زیادی از عناصر غیرضروری را حذف کرد و توجه مخاطب را به سمت داده‌های اصلی هدایت نمود. از نگاه Edward R. Tufte، هدف افزایش Data-Ink Ratio این نیست که نمودار را خالی یا بی‌روح کنیم؛ هدف این است که هر عنصر موجود در نمودار دلیلی برای حضور داشته باشد. بیایید مهم‌ترین تکنیک‌های عملی افزایش Data-Ink Ratio را بررسی کنیم.

حذف خطوط اضافی

یکی از ساده‌ترین و مؤثرترین روش‌ها برای افزایش Data-Ink Ratio، کاهش تعداد خطوط غیرضروری است. در بسیاری از نمودارها مشاهده می‌کنیم: Gridlineهای فراوان، کادرهای ضخیم، خطوط جداکننده متعدد و محورهای پررنگ. در حالی که اغلب این خطوط نقش مهمی در انتقال پیام ندارند. برای مثال، اگر مخاطب بتواند بدون خطوط فرعی نیز مقادیر را مقایسه کند، وجود آن خطوط فقط باعث شلوغی بصری خواهد شد. یک قانون کاربردی این است: هر خطی که به خواندن داده کمک نمی‌کند، نامزد حذف شدن است. گاهی حذف چند خط ساده، نمودار را چند برابر خواناتر می‌کند.

حذف افکت‌های بصری غیرضروری

افکت‌ها معمولاً اولین قربانیان Data-Ink Ratio هستند. عناصر زیر در بیشتر مواقع ارزش اطلاعاتی ندارند: سایه‌ها، گرادیانت‌های پیچیده، برجستگی‌ها (Bevel)، بازتاب‌ها (Reflection)و جلوه‌های سه‌بعدی. این افکت‌ها شاید در نگاه اول جذاب باشند، اما اغلب باعث می‌شوند داده‌ها کمتر دیده شوند. در یک نمودار حرفه‌ای، مخاطب باید داده را ببیند؛ نه مهارت شما در استفاده از افکت‌های نرم‌افزار. هرچه نمودار ساده‌تر باشد، احتمال دیده شدن Insight بیشتر خواهد بود.

ساده‌سازی رنگ‌ها

رنگ یکی از قدرتمندترین ابزارهای داده‌نمایی است؛ اما فقط زمانی که به‌درستی استفاده شود. یکی از اشتباهات رایج این است که هر بخش از نمودار با رنگی متفاوت نمایش داده می‌شود. نتیجه؟ مخاطب به جای تمرکز بر پیام اصلی، درگیر رنگ‌ها می‌شود.

برای افزایش Data-Ink Ratio بهتر است: از تعداد محدودی رنگ استفاده کنید. بیشتر داده‌ها را با رنگ‌های خنثی نمایش دهید. فقط بخش مهم را با یک رنگ تأکیدی برجسته کنید. به عنوان مثال اگر هدف شما نشان دادن افت فروش در یک ماه خاص است، لازم نیست تمام ستون‌ها رنگ‌های متفاوت داشته باشند. کافی است همه ستون‌ها خنثی باشند و ستون موردنظر با یک رنگ تأکیدی نمایش داده شود. در این حالت چشم مخاطب مستقیماً به همان نقطه هدایت می‌شود.

حذف اطلاعات تکراری

گاهی یک داده چندین بار در نمودار نمایش داده می‌شود. برای مثال: مقدار روی ستون نوشته شده است. همان مقدار در جدول زیر نمودار تکرار شده است. همان مقدار در توضیحات کنار نمودار آمده است.

این تکرارها معمولاً باعث افزایش فهم نمی‌شوند. بلکه فضای بصری را اشغال می‌کنند. البته در برخی موارد خاص، تکرار محدود اطلاعات می‌تواند مفید باشد؛ اما به‌طور کلی بهتر است از خود بپرسیم: آیا این اطلاعات قبلاً در جای دیگری نمایش داده شده‌اند؟ اگر پاسخ مثبت است، شاید بتوان بخشی از آن‌ها را حذف کرد.

برجسته‌سازی داده مهم

افزایش Data-Ink Ratio فقط به حذف عناصر اضافی محدود نمی‌شود. گاهی لازم است داده‌های مهم را نیز برجسته کنیم. برای این کار می‌توان از: رنگ تأکیدی، برچسب‌های تحلیلی، Annotation، فلش‌های راهنما و عنوان‌های تحلیلی استفاده کرد. فرض کنید نمودار فروش یک سال را نمایش می‌دهد و هدف شما نشان دادن افت شدید فروش در ماه آبان است. در چنین شرایطی برجسته کردن همان نقطه به مخاطب کمک می‌کند پیام اصلی را سریع‌تر کشف کند.

این همان چیزی است که در مقاله «چگونه داده خام را به بینش تبدیل کنیم؟» نیز درباره آن صحبت کردیم. نمودار باید مسیر رسیدن به Insight را کوتاه‌تر کند.

استفاده هوشمندانه از فضای سفید

بسیاری از طراحان تازه‌کار تصور می‌کنند فضای خالی به معنای فضای هدررفته است. در حالی که در طراحی حرفه‌ای، فضای سفید یکی از ارزشمندترین عناصر بصری محسوب می‌شود. فضای سفید باعث می‌شود: عناصر مهم بهتر دیده شوند. تمرکز مخاطب افزایش پیدا کند. نمودار آرام‌تر و حرفه‌ای‌تر به نظر برسد. بار شناختی کاهش پیدا کند. به همین دلیل است که بسیاری از داشبوردهای حرفه‌ای و گزارش‌های مدیریتی از فضای سفید به‌عنوان یک ابزار طراحی استفاده می‌کنند. گاهی حذف یک عنصر اضافی ارزش بیشتری از اضافه کردن چند عنصر جدید دارد.

نمودار ساده‌تر، اما گویاتر

یکی از باورهای اشتباه در طراحی این است که «هرچه نمودار پیچیده‌تر باشد، حرفه‌ای‌تر است.» اما تجربه متخصصانی مانند تافت و Stephen Few نشان داده است که اغلب عکس این موضوع درست است. نمودارهای موفق معمولاً: ساده‌تر هستند. شلوغی کمتری دارند. سریع‌تر فهمیده می‌شوند. پیام مشخص‌تری منتقل می‌کنند. به همین دلیل افزایش Data-Ink Ratio در نهایت به یک هدف منتهی می‌شود: رساندن بیشترین میزان اطلاعات با کمترین میزان مزاحمت بصری.

اگر مقاله «مینیمالیسم در طراحی اسلاید: کمتر، بیشتر است» را مطالعه کرده باشید، احتمالاً متوجه شباهت این مفاهیم شده‌اید. مینیمالیسم در اسلایدها و Data-Ink Ratio در نمودارها هر دو از یک فلسفه مشترک پیروی می‌کنند: هر عنصر باید دلیلی برای حضور داشته باشد. وقتی عناصر غیرضروری حذف می‌شوند، پیام اصلی فرصت پیدا می‌کند دیده شود. این دقیقاً همان چیزی است که یک نمودار حرفه‌ای باید انجام دهد.

Data-Ink Ratio و ارتباط آن با Insight

اگر بخواهیم تمام فلسفه Data-Ink Ratio را در یک جمله خلاصه کنیم، شاید بهترین جمله این باشد:

«داده باید دیده شود، نه تزئینات.»

اما چرا این موضوع تا این اندازه مهم است؟ زیرا هدف نهایی نمودارها صرفاً نمایش داده نیست؛ هدف آن‌ها کمک به کشف Insight یا همان بینش است. در مقاله «چگونه داده خام را به بینش تبدیل کنیم؟» یاد گرفتیم که داده به‌تنهایی ارزش چندانی ندارد، مگر زمانی که بتواند به فهم بهتر، تصمیم‌گیری و اقدام منجر شود. نمودارها نیز دقیقاً برای همین ساخته شده‌اند. آن‌ها باید به مخاطب کمک کنند الگوها را سریع‌تر ببیند و پیام اصلی را راحت‌تر کشف کند. مشکل اینجاست که نمودارهای شلوغ معمولاً این وظیفه را به‌خوبی انجام نمی‌دهند.

چرا نمودارهای شلوغ Insight را پنهان می‌کنند؟

ذهن انسان ظرفیت محدودی برای پردازش اطلاعات در هر لحظه دارد. وقتی مخاطب به یک نمودار نگاه می‌کند، مغز او تلاش می‌کند: الگوها را پیدا کند، تفاوت‌ها را تشخیص دهد، روندها را شناسایی کند و در نهایت پیام اصلی را درک کند.

حال تصور کنید در کنار داده‌ها، حجم زیادی از عناصر غیرضروری نیز وجود داشته باشد: سایه‌ها، افکت‌های سه‌بعدی، رنگ‌های متعدد، خطوط فراوان و پس‌زمینه‌های شلوغ. در این شرایط بخشی از انرژی ذهن صرف پردازش همین عناصر اضافی می‌شود. نتیجه چیست؟ Insight همچنان در نمودار وجود دارد، اما پیدا کردن آن دشوارتر می‌شود. مثل این است که بخواهید یک ستاره را در آسمان ببینید، اما اطراف آن پر از نورهای مزاحم باشد.

نقش سادگی در کشف الگوها

یکی از مهم‌ترین مزایای افزایش Data-Ink Ratio این است که الگوها سریع‌تر دیده می‌شوند. وقتی عناصر غیرضروری حذف می‌شوند: روندها واضح‌تر می‌شوند. نقاط مهم برجسته‌تر دیده می‌شوند. مقایسه‌ها آسان‌تر انجام می‌شود. ناهنجاری‌ها سریع‌تر شناسایی می‌شوند. به همین دلیل است که بسیاری از داشبوردهای مدیریتی حرفه‌ای در نگاه اول بسیار ساده به نظر می‌رسند. سادگی در اینجا نشانه کم‌کاری نیست. برعکس، نتیجه تفکر دقیق درباره آن چیزی است که واقعاً اهمیت دارد.

ارتباط Data-Ink Ratio با Trend (روند)

یکی از مهم‌ترین کاربردهای نمودارها نمایش تغییرات در طول زمان است. فرض کنید می‌خواهیم روند فروش یک شرکت را در دوازده ماه گذشته بررسی کنیم. اگر نمودار دارای: پس‌زمینه‌های شلوغ، افکت‌های متعدد و رنگ‌های غیرضروری باشد، تشخیص روند اصلی دشوارتر خواهد شد.  اما اگر فقط خط داده و عناصر ضروری باقی بمانند، ذهن مخاطب فوراً می‌تواند رشد، افت یا نقاط بحرانی را مشاهده کند. به همین دلیل نمودارهای سری زمانی حرفه‌ای معمولاً بسیار ساده طراحی می‌شوند. در چنین نمودارهایی، مهم‌ترین عنصر همان خط روند است.

ارتباط Data-Ink Ratio با Comparison (مقایسه)

مقایسه یکی از رایج‌ترین اهداف داده‌نمایی است. برای مثال: مقایسه فروش شعب، مقایسه عملکرد تیم‌ها، مقایسه بودجه واحدها. در این موارد، مخاطب باید بتواند تفاوت میان مقادیر را سریع تشخیص دهد. هرچه نمودار ساده‌تر باشد، این مقایسه راحت‌تر انجام می‌شود.

ارتباط Data-Ink Ratio با Distribution (توزیع)

گاهی هدف ما مشاهده نحوه پراکندگی داده‌هاست. برای مثال: توزیع نمرات دانشجویان، توزیع درآمد مشتریان و توزیع زمان پاسخگویی است. در چنین شرایطی باید بتوانیم به‌سرعت موارد زیر را تشخیص دهیم: تمرکز داده‌ها، پراکندگی و داده‌های دورافتاده (Outlier). اگر نمودار بیش از حد شلوغ باشد، این الگوها پنهان می‌شوند. اما وقتی فقط عناصر ضروری باقی بمانند، ساختار واقعی داده‌ها بهتر دیده می‌شود. به همین دلیل در ابزارهایی مانند Histogram و Box Plot، سادگی نقش بسیار مهمی در کشف بینش دارد.

داده باید قهرمان اصلی نمودار باشد

یکی از مهم‌ترین آموزه‌های تافت این است که: «داده باید قهرمان اصلی نمودار باشد.» در بسیاری از نمودارهای ضعیف، این نقش به افکت‌ها، رنگ‌ها یا تزئینات سپرده می‌شود. اما در نمودارهای حرفه‌ای: داده در مرکز توجه قرار دارد. عناصر بصری در خدمت داده هستند. طراحی به فهم کمک می‌کند. Insight به‌راحتی دیده می‌شود. این دقیقاً همان نقطه‌ای است که Data-Ink Ratio از یک اصل طراحی به یک ابزار تصمیم‌سازی تبدیل می‌شود.

ارتباط با تبدیل داده به بینش

اگر مقاله «چگونه داده خام را به بینش تبدیل کنیم؟» را مطالعه کرده باشید، احتمالاً به خاطر دارید که مسیر تبدیل داده به Insight شامل چند مرحله است:

1. جمع‌آوری داده
2. تحلیل
3. بصری‌سازی
4. روایت
5. استخراج بینش

Data-Ink Ratio در مرحله بصری‌سازی نقش کلیدی ایفا می‌کند. حتی بهترین تحلیل‌ها نیز اگر در نموداری شلوغ و گیج‌کننده نمایش داده شوند، ممکن است هرگز دیده نشوند. به همین دلیل می‌توان گفت: افزایش Data-Ink Ratio فقط یک تصمیم طراحی نیست؛ بلکه بخشی از فرآیند تبدیل داده به بینش است. هرچه داده‌ها واضح‌تر نمایش داده شوند، مسیر رسیدن به Insight کوتاه‌تر، سریع‌تر و دقیق‌تر خواهد بود.

مطالعه موردی: بازطراحی یک نمودار با اصول Data-Ink Ratio

تا اینجا با مفهوم Data-Ink Ratio آشنا شدیم و یاد گرفتیم چگونه عناصر غیرضروری می‌توانند فهم داده را دشوار کنند. اما قدرت واقعی این مفهوم زمانی مشخص می‌شود که آن را روی یک نمونه واقعی اجرا کنیم. در این بخش، یک نمودار فرضی را مرحله‌به‌مرحله بازطراحی می‌کنیم تا ببینیم چگونه حذف چند عنصر غیرضروری می‌تواند بدون تغییر داده‌ها، کیفیت ارتباط بصری را به‌طور چشمگیری افزایش دهد. نکته جالب اینجاست که در این مثال، داده‌ها قبل و بعد از بازطراحی کاملاً یکسان هستند. چیزی که تغییر می‌کند فقط نحوه نمایش آن‌هاست.

نسخه اولیه: نموداری که بیشتر تزئین است تا داده

فرض کنید یک مدیر فروش می‌خواهد عملکرد پنج شعبه شرکت را در جلسه ماهانه ارائه کند. برای این کار نموداری طراحی شده که دارای ویژگی‌های زیر است:

• نمودار ستونی سه‌بعدی
• رنگ متفاوت برای هر ستون
• سایه‌های سنگین
• گرادیانت روی ستون‌ها
• خطوط شبکه متعدد
• کادر ضخیم دور نمودار
• لوگوی بزرگ شرکت در گوشه اسلاید
• پس‌زمینه رنگی
• برچسب‌های تکراری روی همه عناصر

در نگاه اول ممکن است این نمودار «پرکار» و حتی «حرفه‌ای» به نظر برسد. اما وقتی مخاطب بخواهد داده‌ها را تحلیل کند، مشکلات کم‌کم خود را نشان می‌دهند.

تحلیل مشکلات نمودار اولیه

بیایید نمودار را از دیدگاه Data-Ink Ratio بررسی کنیم.

1. افکت سه‌بعدی : سه‌بعدی بودن ستون‌ها هیچ اطلاعات جدیدی اضافه نمی‌کند. برعکس، مقایسه ارتفاع ستون‌ها را سخت‌تر می‌کند و حتی ممکن است باعث خطای دید شود.

2. رنگ‌های متعدد: در این نمودار هر ستون رنگ متفاوتی دارد. اما سؤال اینجاست: آیا رنگ‌ها معنای خاصی دارند؟ اگر پاسخ منفی باشد، این رنگ‌ها فقط باعث افزایش شلوغی بصری شده‌اند.

3. خطوط شبکه زیاد: وجود تعداد زیادی Gridline باعث می‌شود چشم مخاطب بین خطوط مختلف سرگردان شود. در حالی که تنها چند خط راهنمای اصلی برای خواندن داده‌ها کافی است.

4. سایه‌ها و گرادیانت‌ها: این عناصر هیچ داده‌ای نمایش نمی‌دهند. تنها حجم Non-Data Ink را افزایش می‌دهند.

5. پس‌زمینه و کادرهای اضافی: این عناصر توجه مخاطب را از داده‌ها دور می‌کنند. در حالی که هدف اصلی نمودار باید هدایت نگاه مخاطب به سمت اطلاعات مهم باشد.

نسخه بازطراحی‌شده

اکنون همان داده‌ها را با اصول Data-Ink Ratio بازطراحی می‌کنیم. در نسخه جدید:

• نمودار به حالت دوبعدی تبدیل شده است.
• سایه‌ها حذف شده‌اند.
• گرادیانت‌ها حذف شده‌اند.
• خطوط شبکه به حداقل رسیده‌اند.
• کادرهای اضافی حذف شده‌اند.
• رنگ‌ها محدود شده‌اند.
• فقط مهم‌ترین ستون با رنگ تأکیدی مشخص شده است.
• فضای سفید بیشتری ایجاد شده است.
• عنوان نمودار پیام تحلیلی را منتقل می‌کند.

در این نسخه داده‌ها تغییر نکرده‌اند، اما فهم آن‌ها بسیار آسان‌تر شده است.

چه چیزهایی حذف شدند؟

در فرآیند بازطراحی، موارد زیر حذف شدند: افکت سه‌بعدی، سایه‌ها، گرادیانت‌ها، خطوط شبکه اضافی، قاب‌های تزئینی، رنگ‌های غیرضروری و عناصر تکراری. نکته مهم این است که هیچ داده‌ای حذف نشد. تنها عواملی حذف شدند که کمکی به انتقال اطلاعات نمی‌کردند.

چرا این عناصر حذف شدند؟

پاسخ ساده است: زیرا به فهم بهتر داده کمک نمی‌کردند. بر اساس فلسفه تافت، هر عنصر بصری باید بتواند به این سؤال پاسخ دهد: «من چه کمکی به درک داده می‌کنم؟» اگر پاسخی وجود نداشته باشد، آن عنصر احتمالاً نامزد حذف شدن است.

بعد از بازطراحی چه چیزی بهتر دیده شد؟

روند مقایسه سریع‌تر شد: مخاطب می‌تواند در چند ثانیه تفاوت عملکرد شعب را تشخیص دهد.

داده مهم برجسته شد: به‌جای رقابت چندین رنگ و افکت مختلف، اکنون نگاه مخاطب مستقیماً به مهم‌ترین داده هدایت می‌شود.

بار شناختی کاهش یافت: مغز دیگر مجبور نیست ده‌ها عنصر تزئینی را پردازش کند. تمام تمرکز روی داده‌ها قرار می‌گیرد.

Insight سریع‌تر کشف شد: در نسخه اولیه، مخاطب ابتدا ظاهر نمودار را می‌دید.

در نسخه بازطراحی‌شده، مخاطب ابتدا پیام نمودار را می‌بیند. این دقیقاً همان هدف Data Visualization است.

بسیاری از افراد تصور می‌کنند برای حرفه‌ای‌تر شدن نمودار باید عناصر بیشتری به آن اضافه کنند. اما تجربه متخصصانی مانند تافت و Stephen Few نشان می‌دهد که در بسیاری از موارد، حرفه‌ای‌تر شدن به معنای حذف هوشمندانه عناصر اضافی است. گاهی بهترین تصمیم طراحی این نیست که چیزی اضافه کنیم. گاهی بهترین تصمیم این است که چیزی را حذف کنیم.

🎯 تمرین عملی

برای درک عمیق‌تر مفاهیم این مقاله، یکی از نمودارهای قدیمی موجود در گزارش‌ها، داشبوردها یا ارائه‌های خود را انتخاب کنید و آن را با استفاده از اصول Data-Ink Ratio بازطراحی کنید. در بازطراحی خود سعی کنید: عناصر تزئینی غیرضروری را حذف کنید. افکت‌های بصری را کاهش دهید. رنگ‌ها را ساده‌تر کنید. داده مهم را برجسته نمایید. تمرکز مخاطب را روی Insight اصلی قرار دهید. پس از تکمیل تمرین، نسخه قبل و بعد نمودار را برای دریافت بازخورد تخصصی به یکی از راه‌های زیر ارسال کنید:

📧 info@metabaran.com

📱 09208808318 (واتساپ یا بله)

تیم آموزش متاباران تلاش می‌کند نکات بهبود، پیشنهادهای طراحی و بازخوردهای کاربردی را برای ارتقای مهارت‌های داده‌نمایی و طراحی اسلاید شما ارائه کند.

جمع‌بندی

اگر بخواهیم تمام آنچه در این مقاله آموختیم را در یک جمله خلاصه کنیم، می‌توان گفت: نمودار خوب، نموداری نیست که بیشترین عناصر گرافیکی را داشته باشد؛ نمودار خوب، نموداری است که بیشترین میزان فهم را با کمترین میزان شلوغی ایجاد کند. مفهوم Data-Ink Ratio که توسط Edward R. Tufte مطرح شد، یکی از مهم‌ترین اصول طراحی اطلاعات و داده‌نمایی مدرن است. این اصل به ما یادآوری می‌کند که هر عنصر موجود در یک نمودار باید در خدمت نمایش داده‌ها باشد. هرچه سهم عناصر مرتبط با داده بیشتر و سهم تزئینات غیرضروری کمتر باشد، احتمال کشف الگوها، استخراج بینش و تصمیم‌گیری صحیح افزایش پیدا می‌کند.

در طول این مقاله دیدیم که بسیاری از مشکلات رایج نمودارها از خود داده‌ها ناشی نمی‌شوند، بلکه نتیجه استفاده بیش از حد از عناصری هستند که هیچ ارزش اطلاعاتی ندارند؛ از افکت‌های سه‌بعدی گرفته تا سایه‌ها، گرادیانت‌ها، خطوط اضافی و پس‌زمینه‌های شلوغ. نکته مهم اینجاست که سادگی به معنای فقر بصری نیست. یک نمودار ساده می‌تواند بسیار حرفه‌ای، جذاب و تأثیرگذار باشد. تفاوت در این است که در طراحی حرفه‌ای، زیبایی در خدمت فهم قرار می‌گیرد، نه در رقابت با آن. به همین دلیل می‌توان گفت:

• نمودار خوب یعنی داده بیشتر، تزئین کمتر.
• سادگی یعنی وضوح بیشتر، نه طراحی ضعیف‌تر.
• هر عنصر باید دلیل مشخصی برای حضور در نمودار داشته باشد.
• هدف نهایی طراحی نمودار، کمک به فهم سریع‌تر، استخراج Insight بهتر و تصمیم‌گیری مؤثرتر است.

✅ چک‌لیست سریع Data-Ink Ratio

پیش از نهایی کردن هر نمودار، این چهار سؤال را از خود بپرسید:

✅ آیا هر عنصر موجود در نمودار به فهم بهتر داده کمک می‌کند؟

✅ آیا بخشی از نمودار وجود دارد که بتوان آن را حذف کرد بدون آنکه پیام اصلی از بین برود؟

✅ آیا توجه مخاطب مستقیماً روی داده‌ها متمرکز می‌شود؟

✅ آیا Insight یا پیام اصلی در چند ثانیه اول قابل مشاهده است؟

اگر پاسخ شما به این پرسش‌ها مثبت باشد، احتمالاً نمودار شما در مسیر درستی قرار دارد.

برای درک بهتر انواع روابط داده و انتخاب نمودار مناسب، پیشنهاد می‌کنیم مقاله قبلی این دوره را نیز مطالعه کنید: «۷ رابطه مهم داده‌ها در طراحی نمودار (Stephen Few)» در آن مقاله یاد گرفتیم که پیش از طراحی نمودار باید نوع رابطه موجود در داده‌ها را تشخیص دهیم؛ زیرا هر نمودار برای نمایش نوع خاصی از رابطه طراحی شده است.

🔗 مقاله بعدی دوره

در ادامه مسیر داده‌نمایی، به یکی از رایج‌ترین و در عین حال بحث‌برانگیزترین انواع نمودارها خواهیم پرداخت: «چرا باید از نمودار سه‌بعدی پرهیز کنیم؟» این مقاله ادامه طبیعی بحث Data-Ink Ratio است و نشان می‌دهد چرا نمودارهای سه‌بعدی به‌عنوان یکی از مشهورترین نمونه‌های Non-Data Ink شناخته می‌شوند. همچنین بررسی خواهیم کرد که چگونه این نمودارها می‌توانند باعث خطای دید، تحریف داده‌ها و برداشت‌های اشتباه شوند؛ حتی زمانی که ظاهر آن‌ها جذاب و حرفه‌ای به نظر می‌رسد. در مقاله بعدی خواهیم دید که در دنیای داده‌نمایی، شفافیت همیشه ارزشمندتر از جلوه‌های بصری است.

منابع

برای نگارش این مقاله از منابع معتبر حوزه Data Visualization، طراحی اطلاعات و ارائه‌های حرفه‌ای استفاده شده است. اگر مایل هستید مفاهیم مطرح‌شده در این مقاله را عمیق‌تر مطالعه کنید، روی عنوان هر منبع کلیک کنید تا به صفحه مربوط به آن در بخش متابوک سایت متاباران هدایت شوید. برخی از این منابع به‌صورت رایگان و برخی دیگر با پرداخت مبلغی ناچیز از طریق متابوک قابل دانلود و مطالعه هستند.

The Visual Display of Quantitative Information

نمایش بصری اطلاعات کمی . نویسنده: Edward R. Tufte

این کتاب یکی از تأثیرگذارترین آثار تاریخ داده‌نمایی محسوب می‌شود و مفهوم مشهور Data-Ink Ratio نخستین بار در همین کتاب معرفی شد. تافت در این اثر نشان می‌دهد که چگونه می‌توان داده‌ها را با حداکثر وضوح و حداقل عناصر اضافی نمایش داد. بسیاری از اصولی که امروزه در طراحی داشبوردها، گزارش‌های مدیریتی و نمودارهای حرفه‌ای استفاده می‌شوند، ریشه در این کتاب دارند.

Envisioning Information

تجسم اطلاعات. نویسنده: Edward R. Tufte

این کتاب ادامه‌ای بر دیدگاه‌های تافت درباره طراحی اطلاعات است. نویسنده در آن توضیح می‌دهد که چگونه اطلاعات پیچیده را می‌توان به شکلی ساده، قابل فهم و بصری نمایش داد. مباحثی مانند سلسله‌مراتب بصری، سازماندهی اطلاعات و حذف عناصر غیرضروری از موضوعات کلیدی این کتاب هستند.

Show Me the Numbers

اعداد را به من نشان بده . نویسنده: Stephen Few

یکی از کاربردی‌ترین کتاب‌ها در زمینه طراحی نمودارها و گزارش‌های عددی. استیون فیو توضیح می‌دهد که چگونه باید داده‌ها را به شکلی نمایش داد که مخاطب بتواند سریع‌تر الگوها، مقایسه‌ها و روندها را مشاهده کند. این کتاب مکمل بسیار ارزشمندی برای مفاهیم Data-Ink Ratio است.

Information Dashboard Design

طراحی داشبوردهای اطلاعاتی . نویسنده: Stephen Few

این کتاب مرجع اصلی طراحی داشبوردهای مدیریتی و عملیاتی است. نویسنده نشان می‌دهد چگونه می‌توان حجم زیادی از داده‌ها را بدون ایجاد شلوغی بصری و با حفظ تمرکز مخاطب نمایش داد. بسیاری از اصول مربوط به حذف عناصر اضافی و برجسته‌سازی داده‌های مهم در این کتاب بررسی شده‌اند.

Storytelling with Data

داستان‌سرایی با داده‌ها . نویسنده: Cole Nussbaumer Knaflic

این کتاب پلی میان داده‌نمایی و روایت داده ایجاد می‌کند. نویسنده توضیح می‌دهد که چگونه با ساده‌سازی نمودارها، حذف عناصر غیرضروری و تمرکز بر پیام اصلی می‌توان داده‌ها را به بینش‌های قابل فهم تبدیل کرد. بسیاری از مثال‌های عملی این کتاب برای ارائه‌های مدیریتی و آموزشی بسیار مفید هستند.

The Functional Art

هنر کاربردی . نویسنده: Alberto Cairo

آلبرتو کایرو در این کتاب نشان می‌دهد که زیبایی و کارایی در طراحی اطلاعات باید در کنار یکدیگر قرار گیرند. کتاب به بررسی اصول طراحی نمودارها، اینفوگرافیک‌ها و ارتباط بصری داده‌ها می‌پردازد و دیدگاه ارزشمندی درباره تعادل میان جذابیت بصری و وضوح اطلاعات ارائه می‌دهد.

Slide:ology

اسلایدولوژی. نویسنده: Nancy Duarte

یکی از منابع مهم در زمینه طراحی اسلایدهای حرفه‌ای. این کتاب به اصول ساده‌سازی محتوا، طراحی بصری مؤثر و استفاده هدفمند از عناصر گرافیکی می‌پردازد. بسیاری از مفاهیم مطرح‌شده در زمینه مینیمالیسم بصری و کاهش شلوغی اسلایدها با اصول Data-Ink Ratio هم‌راستا هستند.

پیشنهاد متاباران

اگر بخواهید تنها سه منبع را برای شروع مطالعه عمیق‌تر انتخاب کنید، پیشنهاد می‌شود این ترتیب را دنبال کنید:

1. The Visual Display of Quantitative Information – برای درک عمیق Data-Ink Ratio و فلسفه تافت
2. Show Me the Numbers –برای یادگیری کاربرد عملی طراحی نمودارها
3. Storytelling with Data –برای تبدیل داده‌ها به پیام و بینش قابل فهم

📚 برای دسترسی به نسخه‌های موجود این منابع، روی عنوان هر کتاب کلیک کنید و از طریق بخش متابوک سایت متاباران، نسخه رایگان یا نسخه قابل دانلود آن را دریافت نمایید. این منابع می‌توانند نگاه شما به طراحی نمودار، داده‌نمایی و ارائه‌های حرفه‌ای را به‌طور اساسی متحول کنند.

نظرسنجی

شما در طراحی نمودارها بیشتر با چه چالش‌هایی مواجه می‌شوید؟ آیا تاکنون با حذف عناصر اضافی توانسته‌اید پیام داده‌ها را شفاف‌تر منتقل کنید؟ تجربه، سؤال یا دیدگاه خود را در بخش نظرات با ما و سایر مخاطبان متاباران به اشتراک بگذارید.

ارادتمند شما

ابوالفضل ذوالقدر