圖表會說謊：圖表設計大師教你如何揪出圖表中的魔鬼，不再受扭曲資訊操弄

好的圖表讓我們更聰明、更有效率，思考更全面！
但，你真的懂得如何分辨圖表好壞嗎？

輔仁大學新聞傳播學系副教授　陳順孝
政治大學新聞學系教授　劉慧雯
泛科知識公司知識長　鄭國威
――聯合推薦（依姓氏筆畫序）

正確判讀圖表與數據，拒當錯誤資訊的傳播者！

百分比與百分點傻傻分不清楚？3D折線圖的效果看起來好厲害？算術尺度與對數尺度又是什麼？
A媒體說甲候選人的民調支持度比較高，B媒體卻說乙候選人的比較高，該相信誰？
明明薪資不動如山，政府公布的每人每月總薪資卻有成長且遠高過自己的薪資，這究竟是怎麼回事？
聽說尼可拉斯．凱吉當年度演出的電影越多，在泳池溺斃的人數就越多？這有可能嗎？……
究竟上述數據都是如何得出，又該相信誰？數據之間又是否互有因果關係？圖表設計大師不藏私教你判讀撇步，讓圖表中的魔鬼無所遁形！

身在資訊爆炸的時代，我們每天都能在各式媒體上看到五花八門的圖表、資訊圖表，以及示意圖，而且只消動動手指，就能輕輕鬆鬆在網路上分享與散布資訊。吸睛的視覺資料不只具有說服力，也讓人覺得它們既科學又有邏輯。圓餅圖、地圖、長條圖與線形圖，以及散布圖……可以帶給我們更多訊息，揭露各種數字背後隱藏的模式與趨勢。簡而言之，好的圖表會讓我們更聰明――若是我們懂得如何解讀它們。
然而，圖表也可能會以數種方式傳達錯誤訊息，像是使用的數據不完整或不精準，暗指具誤導性的模式，刻意隱藏了不確定性。更糟的是，許多人其實並不真正理解政客、記者、廣告商，或甚至雇主每天呈現在我們面前的視覺資料，使得有心人士更容易操縱資訊或從中牟利。
在本書中，數據視覺化專家艾爾伯托．凱洛教導讀者不只要揪出壞圖表中的謊言，也要懂得解讀好圖表中所隱藏的複雜故事。大眾溝通愈來愈常使用數字做為媒介，為了看懂圖表，我們必須有能力破解與使用視覺資訊。作者帶領讀者檢視大選結果資訊圖表到全球GDP地圖，以及辦公室的數字圖表，讓圖表識讀變得簡單，成為擁有媒養素養、能夠理性判斷資訊的現代公民！

本書好評：
本書以日常常見的圖表為例，鉅細靡遺地展示資訊圖表化過程中，可能發生的各種簡化、扭曲與誤解。從資料來源產製資料時的偏頗，到美化圖示過程中的編輯手法，再到對圖表說明的完備程度，一再重新構造數字的意義。這些對資訊意義的重構，因為足以影響閱聽人判斷社會活動的依據，更顯得需要為人察覺，並更為警覺。
――政治大學新聞系教授　劉慧雯

本書以簡明易懂又不失優雅的文筆，評析圖表如何呈現或曲解數據；想了解此差異的讀者，都能將本書視為絕佳的入門磚。我很喜歡這本書！
――《聰明學統計的13又1/2堂課》作者　查爾斯．惠倫（Charles Wheelan）

本書文筆幽默，讓人一讀就停不下來，並且提供正確的數學知識……渴望增進知識的讀者必讀的一本書。
――《大數據的傲慢與偏見》作者　凱西．歐尼爾（Cathy O’Neil）

艾爾伯托．凱洛的著作是一本打擊錯誤圖表與數據的完整自衛指南。我真希望我們不需要這本書，但在這個圖表誤人的時代，你不能不讀它。
――《數據教你不犯錯》作者　喬丹．艾倫伯格（Jordan Ellenberg）

艾爾伯托．凱洛的優秀著作充滿智慧又不失風趣。讓他增進你的圖像敏銳度吧，你再也找不到比他更好的老師了！
――《臥底的經濟學家》作者　提姆．哈福特（Tim Harford）

本書會開啟你的眼界，讓你看到多少人藉由圖表謀求己利。厲害的視覺設計師艾爾伯托．凱洛引導讀者學會判讀圖表並解析圖表設計的奧妙。讀完本書後，你將以全新角度看待所有的圖表！
――《像統計學家一樣思考》一書作者　馮啟思（Kaiser Fung）

艾爾伯托．凱洛分享數據視覺化和用圖表說故事的優秀實例，想進一步了解數據的人都不該錯過本書。
――《5分鐘打動人的視覺簡報》作者　黃慧敏

有人說一圖勝千言。也許此話不假，但前提是你必須懂得正確解讀圖表的方法才行。艾爾伯托．凱洛引導讀者小心謹慎地判讀視覺化的資訊，讓我們變得更聰明。我在這兒發現許多值得竊取的好點子，相信讀者亦然。
――《點子都是偷來的》書作者　奧斯汀．克隆（Austin Kleon）

艾爾伯托．凱洛Alberto Cairo

記者兼設計師，邁阿密大學傳播學院視覺新聞學教授。著有多本教科書，並為谷歌、微軟、尼爾森行銷研究等公司之視覺化顧問。現居邁阿密。

譯者簡介 姓名：洪夏天

英國劇場工作者與中英法文譯者，熱愛語言文字書籍。譯作：《被隱形的女性》、《浮華世界》、《用資訊圖表讀懂第二次世界大戰》、《我們為何從眾，何時又不？》、《吸血鬼伯爵德古拉》、《柏拉圖和笛卡兒的日常》、《看漫畫了解人體感官》、《湯姆歷險記》、《天天在家玩創藝》、《騙局》（以上均為商周出版）。

當眼見也無法為憑，圖表素養就是一種必要
――政大新聞系教授　劉慧雯

開票結束了，各家電視新聞依據中選會公布的選舉結果與最終得票數，展開各式各樣分析。什麼人以如何得票率拿下哪個市鎮村落，哪個政黨更受年輕都會選民的青睞……大量圖表占據視線，並解釋著每一雙緊盯民主活動的眼睛。

在互動新聞時代，資訊圖表被認為能夠濃縮大量資訊，並且以簡潔而一目瞭然的方式呈現複雜甚至動態的事態。透過資訊圖表的協助，閱聽人得以更迅速掌握多重變項之間交替影響的歷程與結果。柱狀圖、折線圖，或者圓餅圖和象限圖，每一種圖表代表一種編碼和詮釋的方式。然而，身為閱聽人的我們是否有足夠的圖表素養能正確識讀展開在我們眼前的各式圖表？

圓餅圖能呈現類目占比多寡的分配關係，那麼美化成立體、側向甚至加上顏色濃淡，是不是更能凸顯大小之間的落差？的確可以，一個3D圖示，在電視畫面、網頁排版和報紙版面上，看起來專業多了！然而，將二維平面上的圓餅圖傾斜展示為三維圖像時，佔據下方/前方的那一塊，卻被不當地擴大了。如果我們藉此判斷一種意見的強烈程度，那麼越是看起來炫目華麗的圖表，就越有可能讓我們眼見更難以為憑。

本書以日常常見的圖表為例，鉅細彌遺展示資訊圖表化過程中，可能發生的各種簡化、扭曲與誤解。從資料來源產製資料時的偏頗，到美化圖示過程中的編輯手法，再到對圖表說明的完備程度，一再重新構造數字的意義。這些對資訊意義的重構，因為足以影響閱聽人判斷社會活動的依據，更顯得需要為人察覺，並更為警覺。

前言 放眼即圖表的世界

我們每天都會在電視、報紙、社群媒體、教科書，甚至廣告中看到各式各樣的圖表，從表格、統計圖、地理分布圖到示意圖，可謂目不暇給。本書要說的是，這些圖表其實都在欺騙我們。
人人都聽過一句流傳已久的俗語：「一圖勝千言。」我希望人們停止傳頌這句話，不然至少加上附加條件：「如果你懂得如何讀一張圖，那麼它能勝過千言萬語。」就連最常見的地理分布圖和長條圖，其實都曖昧模糊，有的甚至十分費解。
這實在令人憂心。數字具備強大的說服力，圖表也是如此。因為我們習於把數字和圖表當作科學與理性的象徵。數字和圖表看起來、感覺起來既客觀又精確，因此它們兼具吸引力與說服力。
政治家、市調公司和廣告公司向民眾拋去眼花撩亂的數據和圖表時， 並不認為我們會追根究柢。他們宣稱這次減稅措施會讓每個家庭一個月平均省下100美金；失業率降到歷史低點4.5%，全都歸功於我們的經濟振興計畫；59%的美國人不贊同總統的表現；10名牙醫中有9人推薦這個牙膏；今天降雨機率是20%；多吃一點巧克力可能會讓你奪得諾貝爾獎。
我們一打開電視，翻開報紙，或者連上愛用的社群網絡，就會看到一連串吸睛浮誇的圖表。如果你是在職人士，你的工作表現很可能會透過圖表來評估與呈現。你自己可能也會製作圖表，用在課堂報告或商業會議的簡報中。一些用詞誇張的作家會以「數字暴政」或「度量暴政」描述人們把萬事萬物加以量化的習慣。3 處於現代社會的我們，非常容易就被數字以及那些用來代表數字的圖表所吸引。

第三章 因資料可疑而說謊的圖表
「垃圾進，垃圾出。（ Garbage in , Garbage out.）」我很喜歡這句格言，電腦科學家、邏輯學家、統計學家也常把它掛在嘴邊，指的是即使一項論點聽來很有說服力，看似牢不可破，但要是它的前提是錯的，那麼它就是錯的。
圖表也一樣。一張漂亮的圖表可能讓人過目難忘，感到驚豔，但如果它使用的原始資料有問題，那麼這張圖表就在說謊。
讓我們瞧瞧，如何在垃圾污染圖表之前，搶先一眼看穿它。

分辨資料來源優劣的訣竅
做個謹慎的圖表讀者，也就是說，你得當個有判斷力的資料接收者， 還必須懂得辨認什麼樣的資料來源值得信任。這兩個目標都超越本書的範疇，但我可以在此提供幾個訣竅。
有些書教育讀者如何評估媒體呈現的數字。我個人推薦查爾斯．惠倫（Charles Wheelan）的《聰明學統計的13又1/2堂課》（Naked Statistics ）， 班．高達可（Ben Goldacre）的《小心壞科學》（Bad Science ），喬丹． 艾倫伯格（Jordan Ellenberg）的《數學教你不犯錯》（How Not to Be Wrong ）。光是這幾本書，就能讓你從容應付每天遇到的各種統計數據， 避免犯下最常見的幾種錯誤。這些書很少提到圖表，但我們能從中學得一些基礎的數據推理技巧。
要當個優秀的媒體閱聽者，我推薦波因特學院（Poynter Institute） 創建的「事實求證日」網站（Fact-Checking Day，網址：https:// factcheckingday.com）。波因特學院是非營利的教育組織，創建理念是推廣資訊素養和新聞專業。網站上列出一系列的注意事項，幫助我們判斷一張圖表、一篇新聞報導、一本刊物，或一整個網站的可信度。
如今，只要你是網路使用者，那麼你就是一名資訊發表人，這是個過去只專屬於記者、新聞組織和其他媒體機構的角色。你必須像專業媒體一樣，審視自己發言的可信度。
有些人的受眾只有一小群人（家人親友），其他人則有許多人追蹤。拿我自己的推特帳號來說，追蹤我的人包括同事、點頭之交，還有我完全不相識的陌生人。不管我們有多少的追蹤者，我們傳送的訊息都可能傳到成千上百，甚至上百萬人眼前。因此，我們身上背負了前所未有的責任。我們必須停止愚昧地隨意分享圖表和新聞。我們都必須擔起公民的責任， 避免傳送會誤導他人的圖表和文章。我們必須一同攜手建造更健全的資訊環境。
散播資訊的原則
讓我分享一下個人散播資訊的原則，讀者亦可以此為依據，列出專屬於你的準則。我消化資訊的過程如下：看到一張圖表時，先仔細讀過一遍，並瞧瞧發表人是誰。如果我有時間，我會造訪提供原始資料的網站， 就像我看到歐洲重金屬樂團分布圖和沃克斯的各國健保價格比較圖時做的一樣。先花幾分鐘查證，再分享圖表。這並不足以全面防止自己散播有問題的資訊，有時我也會疏忽，但至少會大幅減低出錯機率。
如果我懷疑某幅圖表或某篇文章的數據，我就不會轉發。我會請教值得信任、對相關主題了解更深入的人。比方來說，我有幾位朋友已取得數據、資料相關領域的博士學位，而我請他們看過本書所有圖表後才付印成書。如果我無力評估自己的圖表可信度夠不夠，那我就向專家請教，讓他們幫我一把。你不用為此跟書呆子做朋友，只要請教你家小孩的數學或科學老師就行了。
看到一張錯誤或有問題的圖表時，如果我知道問題何在或者改善方法，那麼我會在社群媒體或個人網站上發表它，附上注解說明。這樣一來我便能吸引原作者的注意，可以向對方直接提出有建設性的意見；除非我確定對方用意不善，那就另當別論。我們都會犯錯，重點是向彼此學習， 一起進步。
如何判斷資料來源值不值得信任？
期待每個人一看到圖表就去確認原始資料很不切實際。我們常常沒有時間確認，也可能不知道如何確認。我們必須仰賴對彼此的信任。那麼我們該如何判斷一個資料來源值不值得信任呢？
我在下面列出專屬我個人的經驗法則，它們來自我過往的經歷，以及我對新聞業、科學和人腦弱點的了解。我沒有特意排列順序。
• 如果你不清楚資料來源的可信度，就不要分享依此設計的任何圖表， 隨時保持懷疑態度。當你可以確認圖表的正確度或資料來源的可信度，或以上兩者後，再與他人分享。
• 如果圖表製作者或發文者沒有提到數據的資料來源，或者沒有附上相關連結，請勿相信。資訊透明度是測試一篇文章或一幅圖表合不合宜的標準之一。
• 確保自己吸收各式各樣的媒體資訊，保持多元性。這不只適用於圖表。不管你的意識形態為何，你都該同時向右派、中庸、左派人士和刊物吸收資訊。
• 接觸那些與你立場不同的資料來源，同時相信他們用意良善。我認為絕大多數的人無意說謊，並非刻意誤導民眾，而且所有人都痛恨被騙。
• 當你看到一張設計拙劣或內容錯誤的圖表，不要立刻懷疑對方其心可議。更有可能的是，他們懶惰、無知，或者在倉促之間製作圖表。
• 不用我贅言，大家也知道信賴有其界限。要是你發現特定資訊來源常有誤導群眾的情形，那就把它從你的清單中刪除。
• 會承認錯誤、發表更正公告的媒體，才值得你追蹤。當媒體犯錯時， 他們必須公開更正錯誤。願意承認錯誤並修正的媒體，代表他們遵從高標準的公民與專業準則。俗話說得好：人非聖賢，孰能無過；知過能改，善莫大焉。如果你日常關注的資訊來源，犯錯後往往沒有公開更正，那就別再理會它們。
• 有些人深信所有記者都會受到個人利益所囿。就某部分而言，這是因為許多人誤以為那些在電視或電台上夸夸其談的專家或權威就是新聞業的代表。雖然其中有些人真是記者，但大部分都不是；他們不是表演家，就是公關專家，或者為特定黨派服務的人士。
• 所有記者都有自己的政治觀點。誰沒有呢？但大部分的記者都會自我克制，盡量公正地描述現實。正如水門案的知名記者卡爾．伯恩斯坦（Carl Bernstein）常說的，關於真實，記者總是盡一己之力傳達「他們所知最完整的版本」。17
• 「他們所知最完整的版本」也許不完全是真相本身，然而優秀的新聞業，有點像優秀的科學。科學無法發掘真相。科學擅長的是提供關於真相的可能解釋，並根據現有證據一再修正改進。如果證據改變或有新證據浮現，那麼不管是新聞業或科學都會提出不一樣的解釋。如果有人承認過去的見解來自不完整或有問題的數據，但仍不願修正觀點，堅持己見，那麼你就要提高警戒。
• 如果資料來源效忠特定政黨或派系，避開他們。他們提供的不是資料，而是污染。
• 某些資料來源雖然立場偏向某一派系，但仍值得信賴。一整個意識形態光譜上，都有立場不同但值得信賴的資料來源。分辨可信的資料來源和立場極端的人士並非易事。讀者必須花時間和心力觀察，才能去蕪存菁，但我可以提供各位一個有用線索，讀者不妨由此開始：注意資料來源發布消息時的口吻。他們是否一開口就充滿意識形態，言過其實，或者用詞充滿攻擊性？若答案為是，那麼別再關注他們的消息，即使把他們當作茶餘飯後的笑談也是不智之舉。
• 與你立場近似但過度激烈的資訊來源就像糖果一樣：偶爾吃幾顆無傷大雅，還能帶來樂趣。但太常吃糖會引發健康問題。滋養你的心智， 鍛鍊它、挑戰它，而不是溺愛它。不然的話，你的心智就會萎縮。
• 當你與某個刊物的立場十分接近，你就必須努力強迫自己，對它所提供的文章資料保持懷疑態度。身為人類，我們習於從那些呼應自身信念的圖表與文章中獲得慰藉；當我們看到不同立場的圖表文章，也會自然而然地抨擊它。
• 專業很重要，但專業的領域為何也很重要。如果我們現在討論的是一張與移民有關的圖表，那麼不管你是個門外漢，還是機械工程師、物理或哲學博士，你們的觀點都一樣重要，但你們的看法恐怕比不上統計學家、社會科學家或專業移民律師精確。保持謙卑的態度，吸收各行各業的內行見解。
• 懷疑本是健康的事，然而當貶低專家成為新潮流，很容易進一步極端化，演變成虛無主義，特別是當你基於某些情感或意識形態，特別討厭某些專家的發言時。
• 當一張圖表指出我們不想面對的真實，我們很容易大肆批評。最困難的是平心靜氣地檢視圖表，相信製圖者用心良善，冷靜評估圖表本身呈現的資訊是否正確。即使你不喜歡圖表設計者或他們的意識形態， 也不要倉促掉入妄加批評的陷阱。

最後，謹記圖表會說謊的原因之一，是人類善於欺騙自己。這是本書的一項核心教訓，我會在結論進一步說明。

推薦序　當眼見也無法為憑，圖表素養就是一種必要――政大新聞系教授　劉慧雯
自　序
前　言　放眼即圖表的世界
導　論　
分布圖：看似簡單明瞭卻容易遭到誤用
整體數據與異常值
製圖誤區：設計不良與標示錯誤
正確解讀的重要
圖表具有說明力，卻也容易加深偏誤
培養圖像敏銳度
第一章　圖表的運作方式
骨架與視覺編碼方式
視覺編碼元素一：長條
視覺編碼元素二：位置
視覺編碼元素三：區域面積
地區分布與區域面積編碼
樹狀構造矩型圖與圓餅圖
視覺編碼元素四：顏色
驗收時間
建立圖表的心智模型
圖表如何說謊
第二章　因設計不良而說謊的圖表
為立場扭曲資訊的圖表
三度空間視覺效果的誤用
縱橫軸刻度與比例的重要性
魔鬼就藏在「比例」中
算數尺度vs.對數尺度
製圖誤區：截斷數據
「目的」決定「方法」
如何評價資料品質
第三章　因資料可疑而說謊的圖表
注意資料來源
數據計量的對象
分享網路資訊前先三思
當心為特定觀點服務的圖表
事實的全貌？
樣本選擇的重要性
檢視原始數據和相應推論
分辨資料來源優劣的訣竅
散播資訊的厡則
如何判斷資料來源值不值得信任？
第四章　因資料不完整而說謊的圖表
服膺特定政治觀點的扭曲圖表與文字
製圖誤區：沒有提供適宜的資訊量
簡化與複雜間的取捨
名義價值vs.實值價值
製圖誤區：在同一張圖表中比較分母不同的數據
百分比vs.真實數值
圖表中未揭示的重要基準線或反面數據
原始數值vs.調整數值
第五章　因隱藏或混淆不確定性而說謊的圖表
好的圖表有助於做出正確判斷
圖表中的不確定性
不確定性不代表錯誤
如何解讀颶風相關圖表
圖表也有不同的「目標讀者」
第六章　因暗示錯誤模式而說謊的圖表
解讀圖表的三大原則
「堪薩斯怎麼了？」矛盾
群集資料與個體資料的差異
圖表究竟說了些什麼？
為了支持一己信念誤用圖表
別過度詮釋圖表的意義
結　論　別用圖表自欺（或欺人）　
三大製圖原則
避免落入「合理化」的誤區
當個負責任的訊息傳播者
好的圖表會讓你更聰明、更快樂
後　記
致　謝

參考書目
推薦書單