ডেটা ভিজ্যুয়ালাইজেশনে বিভ্রান্তিকর গ্রাফ চেনার উপায়

একটি গ্রাফ দেখে প্রথমে চোখে পড়ে রেখা কতটা উঠেছে, কোন বারটি কত লম্বা, কিংবা কোন অংশটি সবচেয়ে বড়। সমস্যা হলো, এই দৃশ্যমান পার্থক্য সব সময় সংখ্যার প্রকৃত পার্থক্যের সঙ্গে মেলে না।

ধরা যাক, দুটি মান ৯২ ও ৯৮। সংখ্যার ব্যবধান মাত্র ৬। কিন্তু বার গ্রাফের উল্লম্ব অক্ষ যদি ৯০ থেকে শুরু করা হয়, তাহলে ৯৮-এর বারটি ৯২-এর বারের তুলনায় চার গুণ লম্বা দেখাবে। ডেটা বদলায়নি; বদলে গেছে সেটি দেখার অভিজ্ঞতা।

এ ধরনের গ্রাফই সাধারণভাবে misleading graphs বা বিভ্রান্তিকর গ্রাফের আলোচনায় আসে। তবে সব ক্ষেত্রে ইচ্ছাকৃত কারসাজি থাকে না। খারাপ নকশা, ভুল স্কেল, প্রয়োজনীয় তথ্য বাদ দেওয়া বা অনুপযুক্ত চার্ট বেছে নেওয়ার কারণেও সঠিক ডেটা ভুল ধারণা দিতে পারে।

তাই কোনো গ্রাফ সত্যি না মিথ্যা—এই প্রশ্ন দিয়ে শুরু না করে বরং দেখা ভালো: গ্রাফটি যে ধারণা তৈরি করছে, সংখ্যাগুলো আসলে কি সেই একই কথা বলছে?

গ্রাফের আগে অক্ষ পড়ার অভ্যাস করুন

সামাজিক যোগাযোগমাধ্যমে একটি গ্রাফ কয়েক সেকেন্ডের বেশি দেখা হয় না। সেই সুযোগেই নকশা পাঠকের ওপর সবচেয়ে বেশি প্রভাব ফেলে। উজ্জ্বল রং, খাড়া রেখা বা বড় বার আগে চোখে পড়ে; অক্ষের ছোট সংখ্যাগুলো প্রায়ই পড়ে থাকে।

কিন্তু বিভ্রান্তিকর গ্রাফ ধরতে সবচেয়ে বেশি তথ্য পাওয়া যায় ওই অক্ষ থেকেই। বার বা কলাম গ্রাফ হলে প্রথমে দেখুন সংখ্যাগত অক্ষটি শূন্য থেকে শুরু হয়েছে কি না। কারণ বারের দৈর্ঘ্য দিয়েই সেখানে মান বোঝানো হয়। বারের নিচের অংশ কেটে দিলে দৃশ্যমান অনুপাত বদলে যায়।

এ নিয়ম অবশ্য সব চার্টে একভাবে প্রযোজ্য নয়। লাইন গ্রাফে যদি ৯৮ থেকে ১০২-এর মতো ছোট ওঠানামা বোঝানো উদ্দেশ্য হয়, অক্ষ সংকুচিত রাখার যথেষ্ট কারণ থাকতে পারে। সমস্যা তখনই, যখন সেই স্কেল এতটা নাটকীয় ছবি তৈরি করে যে ছোট পরিবর্তনকে বড় ঘটনা বলে মনে হয়।

অক্ষের মাঝের সংখ্যাগুলোও পড়তে হবে। ০, ১০, ২০, ৩০ এবং ১, ১০, ১০০, ১০০০ একই ধরনের স্কেল নয়। দ্বিতীয়টি লগারিদমিক স্কেল হতে পারে। বড় পরিসরের ডেটা বোঝাতে এমন স্কেলের বৈধ ব্যবহার আছে, কিন্তু সেটি পরিষ্কার না হলে সাধারণ পাঠক রেখার ঢাল ভুল বুঝতে পারেন।

অর্থাৎ “শূন্য থেকে শুরু হয়নি” বা “সংখ্যাগুলোর ব্যবধান সমান নয়”—এগুলো দেখেই গ্রাফকে ভুল বলা যাবে না। আসল প্রশ্ন হলো, স্কেল কীভাবে কাজ করছে সেটি পরিষ্কার কি না।

একই ডেটা, আলাদা সময়সীমা, আলাদা গল্প

গ্রাফে বিভ্রান্তি তৈরির জন্য সংখ্যায় হাত দেওয়ারও প্রয়োজন নেই। কখন থেকে ডেটা দেখানো হচ্ছে, সেটি বদলালেই গল্প বদলে যেতে পারে। একটি সূচক পাঁচ বছরে মোটের ওপর বাড়তে পারে, কিন্তু শেষ তিন মাসে কমতে পারে। শুধু শেষ তিন মাসের গ্রাফ দেখালে পতনই চোখে পড়বে। পাঁচ বছরের চিত্রে দেখা যাবে অন্য প্রবণতা।

এখানে দুটি গ্রাফের কোনোটিই সংখ্যাগতভাবে ভুল নয়। তারা আসলে দুটি আলাদা প্রশ্নের উত্তর দিচ্ছে।

এই জায়গাটি সংবাদ, বাজারের তথ্য, জনপ্রিয়তা, জনমত কিংবা অর্থনৈতিক সূচকের গ্রাফ পড়ার সময় বিশেষভাবে খেয়াল করা দরকার। কোনো খুব নাটকীয় উত্থান বা পতন দেখলে আগে শুরু ও শেষের তারিখ দেখুন। গ্রাফটি কি এমন কোনো অস্বাভাবিক সর্বোচ্চ বা সর্বনিম্ন সময় থেকে শুরু করা হয়েছে, যেখানে তুলনা করলে পরের পরিবর্তন স্বাভাবিকের চেয়ে বড় মনে হবে?

শুধু দুটি প্রান্ত দেখলেও সমস্যা হতে পারে। প্রথম মান আর শেষ মানের মাঝখানে বড় ওঠানামা থাকলে সেটি বাদ পড়ার সঙ্গে সঙ্গে পুরো সময়ের চরিত্রও হারিয়ে যায়। তাই সময়ভিত্তিক গ্রাফে রেখার ঢাল দেখার আগে সময়সীমা পড়া অনেক বেশি জরুরি।

“২০০% বৃদ্ধি” আসলে কত?

শতাংশ বড় দেখালেই পরিবর্তন বড়—এই ধারণা বহু গ্রাফের ক্ষেত্রে পাঠককে ভুল পথে নেয়। ১টি ঘটনা বেড়ে ৩টি হলে বৃদ্ধি ২০০%। শতাংশটি বড়, কিন্তু মোট ঘটনা মাত্র ২টি বেড়েছে। আবার কয়েক লাখের ভিত্তির ওপর ৫% পরিবর্তন সংখ্যায় অনেক বড় হতে পারে।

এ কারণে কোনো গ্রাফে শুধু শতাংশ দেওয়া থাকলে মূল সংখ্যাটিও খুঁজে দেখা দরকার। শতাংশ এবং শতাংশ-পয়েন্ট গুলিয়ে ফেললেও অর্থ বদলে যায়। কোনো হার ৪০% থেকে ৫০% হলে সেটি ১০ শতাংশ-পয়েন্ট বেড়েছে। আগের ৪০%-এর তুলনায় আপেক্ষিক বৃদ্ধি হয়েছে ২৫%। দুটি হিসাবই সঠিক, কিন্তু তারা একই বিষয় প্রকাশ করে না।

আরেকটি পরিচিত সমস্যা হলো মোট সংখ্যা দিয়ে এমন দুটি জায়গা তুলনা করা, যাদের জনসংখ্যা একেবারেই আলাদা। কোনো শহরে ঘটনার সংখ্যা বেশি হওয়া মানেই যে সেখানকার বাসিন্দাদের জন্য ঘটনার হারও বেশি, তা নয়। প্রশ্নটি যদি জনসংখ্যার তুলনায় ঝুঁকি বা হার নিয়ে হয়, তখন মাথাপিছু হিসাব দরকার হতে পারে। অন্যদিকে হাসপাতালের ওপর মোট চাপ বা কোনো পরিষেবার মোট চাহিদা বোঝার ক্ষেত্রে প্রকৃত সংখ্যাটিই বেশি প্রাসঙ্গিক।

কোন সংখ্যা দেখানো হয়েছে, তার চেয়েও গুরুত্বপূর্ণ কখনো কখনো কেন সেই সংখ্যাটি বেছে নেওয়া হয়েছে।

পাশাপাশি রেখা দেখলেই সম্পর্ক ধরে নেবেন না

একই গ্রাফে দুটি রেখা প্রায় পাশাপাশি উঠছে—দেখতে বেশ বিশ্বাসযোগ্য। এখানেই দ্বৈত অক্ষের গ্রাফ নিয়ে সমস্যা শুরু হয়। একটি অক্ষে টাকা, অন্যটিতে শতাংশ; কিংবা এক পাশে জনসংখ্যা, অন্য পাশে বিক্রির সংখ্যা। দুই অক্ষের সর্বনিম্ন ও সর্বোচ্চ মান আলাদাভাবে নির্ধারণ করা যায়। ফলে একই দুটি ডেটা সিরিজকে কখনো খুব কাছাকাছি, আবার কখনো বেশ আলাদা দেখানো সম্ভব।

এই কারণে এমন চার্ট দেখলে রেখার আকৃতির আগে দুই পাশের সংখ্যা পড়া উচিত। সম্ভব হলে দুটি সিরিজ আলাদা গ্রাফে কেমন দেখায়, সেটিও ভাবুন। আর একটি সতর্কতা এখানে জরুরি: দুটি রেখা একই সময়ে বাড়ছে বলেই একটি অন্যটির কারণ—এ সিদ্ধান্ত নেওয়া যায় না।

আইসক্রিম বিক্রি এবং সাঁতারের ঘটনা একই সময়ে বাড়তে পারে। তাই বলে আইসক্রিম বিক্রি সাঁতার বাড়াচ্ছে—এমন সিদ্ধান্তের জন্য গ্রাফে পাশাপাশি ওঠা দুটি রেখা যথেষ্ট নয়। একই মৌসুম বা অন্য কোনো তৃতীয় কারণ উভয়কেই প্রভাবিত করতে পারে।

গ্রাফ সম্পর্ক দেখাতে পারে। কারণ প্রমাণ করতে সাধারণত আরও তথ্য দরকার।

ক্রমসঞ্চিত গ্রাফের একটি স্বাভাবিক ফাঁদ

কিছু গ্রাফে রেখা প্রায় সব সময়ই ওপরের দিকে যায়। সেটি দেখে দ্রুত “বৃদ্ধি অব্যাহত” বললে ভুল হতে পারে। ধরা যাক, চার সপ্তাহে নতুন নিবন্ধন হলো ১০০, ৮০, ৫০ ও ২০। প্রতি সপ্তাহে নতুন নিবন্ধনের সংখ্যা কমছে। কিন্তু মোট নিবন্ধনের রেখা হবে ১০০, ১৮০, ২৩০ এবং ২৫০।

অর্থাৎ মোট এখনও বাড়ছে, কিন্তু বৃদ্ধির গতি কমছে।

ক্রমসঞ্চিত বা cumulative গ্রাফে এ পার্থক্যটি না বুঝলে মোট সংখ্যা এবং নতুন সংযোজনের হার এক হয়ে যায়। কোনো ওয়েবসাইটে “মোট ব্যবহারকারী”, কোনো রোগের “মোট শনাক্ত”, কোনো প্রকল্পের “মোট ব্যয়” বা “এ পর্যন্ত বিক্রি”—এ ধরনের সংখ্যা দেখলে তাই প্রশ্ন করুন: নতুন করে কত যোগ হচ্ছে?

অনেক ক্ষেত্রে ওই দ্বিতীয় সংখ্যাটিই বর্তমান প্রবণতা সম্পর্কে বেশি তথ্য দেয়।

আরও পড়ুন: Learning Management System বা LMS কী: শিক্ষার্থী ও শিক্ষকের জন্য সহজ ব্যাখ্যা

৩ডি চার্ট দেখতে আকর্ষণীয়, তুলনায় দুর্বল

৩ডি পাই চার্টের একটি অংশ সামনে থাকলে সেটি একই আকারের পেছনের অংশের চেয়ে বড় মনে হতে পারে। দৃষ্টিকোণই এই পার্থক্য তৈরি করে। একই সমস্যা ছবির মাধ্যমে সংখ্যা দেখালেও হয়।

ধরা যাক, ১০০ মানুষের পাশে একটি ছোট মানুষের আইকন এবং ২০০ মানুষের পাশে তার দ্বিগুণ উচ্চতার আরেকটি আইকন বসানো হলো। দ্বিতীয় ছবির উচ্চতা দ্বিগুণ করার পাশাপাশি প্রস্থও দ্বিগুণ হলে তার দৃশ্যমান ক্ষেত্রফল প্রায় চার গুণ হয়। সংখ্যাটি দ্বিগুণ হলেও চোখে পার্থক্য তার চেয়ে অনেক বেশি লাগে।

তথ্য বোঝানোই যেখানে মূল কাজ, সেখানে অতিরিক্ত ৩ডি, ছায়া বা বড় হতে থাকা ছবির চেয়ে সাধারণ বার, ডট বা লাইন অনেক সময় ভালো কাজ করে। সুন্দর গ্রাফ এবং পরিষ্কার গ্রাফ একই জিনিস নয়।

কখন সবচেয়ে বেশি সতর্ক হওয়া দরকার

একটি গ্রাফ দেখতে নিখুঁত হতে পারে, অথচ প্রয়োজনীয় কিছু তথ্য না থাকায় সেটি থেকে নির্ভরযোগ্য সিদ্ধান্ত নেওয়া সম্ভব নাও হতে পারে।

যেমন, কোনো জরিপের ফল দেখানো হয়েছে কিন্তু কতজন উত্তর দিয়েছেন তা নেই। “বিক্রি বেড়েছে” বলা হয়েছে, কিন্তু কোন সময়ের সঙ্গে তুলনা করা হচ্ছে তা বোঝা যাচ্ছে না। দুটি অনুমানভিত্তিক মান পাশাপাশি দেওয়া, অথচ সেই অনুমানের অনিশ্চয়তার পরিসর নেই।

এগুলো নকশার সমস্যা নয়। সমস্যাটি তথ্যের প্রেক্ষাপটে।

গ্রাফে অন্তত এই বিষয়গুলো খুঁজে দেখুন: ডেটা কোথা থেকে এসেছে, কী সময়ের তথ্য, কোন এলাকা বা জনগোষ্ঠী অন্তর্ভুক্ত, একক কী এবং সংখ্যা কীভাবে তৈরি হয়েছে।

জরিপ বা নমুনা থেকে করা অনুমানের ক্ষেত্রে সামান্য পার্থক্য বিশেষ সতর্কতার দাবি রাখে। একটি সংখ্যা ৪৯ এবং আরেকটি ৫১ হলেই যে বাস্তবে দ্বিতীয়টি নিশ্চিতভাবে বেশি, এমন নাও হতে পারে। অনিশ্চয়তার পরিসর দেওয়া থাকলে সেটিও দেখতে হবে।

রঙের ব্যবহারও নিরপেক্ষ নয়। একটি বার বা রেখা উজ্জ্বল করে অন্য সবকিছু ফিকে রাখলে চোখ স্বাভাবিকভাবেই উজ্জ্বল অংশটির দিকে যায়। এটি স্বাভাবিক নকশা-কৌশল। তবে শিরোনাম, রং এবং নির্বাচিত ডেটা যদি একই দিকে অতিরিক্ত জোর দেয়, তখন সংখ্যার সঙ্গে গল্পটির মিল আরও সতর্কভাবে দেখা দরকার।

একটি গ্রাফ যাচাই করতে পুরো ডেটাসেট বিশ্লেষণ করতে হয় না

সব গ্রাফ দেখে বিশদ পরিসংখ্যান বিশ্লেষণ করা বাস্তবসম্মত নয়। বেশির ভাগ ক্ষেত্রে কয়েকটি প্রশ্নই প্রথম বাছাইয়ে যথেষ্ট। গ্রাফটি ঠিক কী দাবি করছে, সেটি আগে নিজের ভাষায় এক বাক্যে বলুন। তারপর অক্ষ ও একক পড়ুন। সময়সীমা দেখুন। শতাংশ থাকলে মূল সংখ্যা খুঁজুন। আর দাবিটি গুরুত্বপূর্ণ হলে মূল প্রতিবেদন বা ডেটাসেটে ফিরে যান।

সেখানে অনেক সময় এমন তথ্য পাওয়া যায়, যা ছোট গ্রাফে ছিল না—দীর্ঘ সময়সীমা, বাদ পড়া কোনো বিভাগ, নমুনা সম্পর্কে ব্যাখ্যা কিংবা হিসাবের সীমাবদ্ধতা।

এটাই সম্ভবত misleading graphs শনাক্ত করার সবচেয়ে বাস্তব পদ্ধতি: ছবিকে নয়, প্রথমে দাবিটিকে পরীক্ষা করা। ডেটা বোঝার এই ভিত্তিগুলো আরও বিস্তারিতভাবে ব্যাখ্যা করা হয়েছে Editorialge Bangla-এর ডেটা লিটারেসি কী: চার্ট দেখে ভুল সিদ্ধান্ত এড়ানোর উপায় নিবন্ধে।

এই দক্ষতা শুধু ডেটা অ্যানালিস্টদের জন্য নয়

একজন শিক্ষার্থী গবেষণাপত্রে একটি গ্রাফ উদ্ধৃত করতে পারেন। সাংবাদিক কোনো জরিপ থেকে শিরোনাম তৈরি করতে পারেন। বিপণন বিভাগ ড্যাশবোর্ড দেখে পরের মাসের বাজেট ঠিক করতে পারে। একজন সাধারণ পাঠক সামাজিক যোগাযোগমাধ্যমে শেয়ার হওয়া একটি চার্ট দেখে কোনো বিষয় সম্পর্কে মত তৈরি করেন।

সব ক্ষেত্রেই একই ঝুঁকি আছে: সংখ্যাটি দেখা হয়েছে, কিন্তু সংখ্যাটি কীভাবে দেখানো হয়েছে সেটি খেয়াল করা হয়নি।

ডেটা অ্যানালিস্টদের জন্য বিষয়টি আরও সরাসরি। সঠিক হিসাব করাই যথেষ্ট নয়; সেই হিসাব এমনভাবে দেখাতে হয়, যাতে পাঠক দৃশ্যের কারণে সংখ্যার চেয়ে বড় বা ছোট কোনো সিদ্ধান্তে না পৌঁছান।

এই দক্ষতার জন্য প্রথমেই জটিল সফটওয়্যার শেখার দরকার নেই। একটি গ্রাফ দেখার সময় অক্ষ, সময়সীমা, একক এবং উৎস পড়ার অভ্যাস তৈরি করাই বেশি কাজে দেয়।

কোনো গ্রাফ খুব নাটকীয় মনে হলে সেটিই যাচাই শুরু করার ভালো সংকেত। কয়েক সেকেন্ড বেশি সময় নিয়ে সংখ্যাগুলো পড়ুন। অনেক misleading graph সেখানেই ধরা পড়ে।

প্রায়শ জিজ্ঞাসিত প্রশ্ন

Misleading graph আর ভুল graph কি একই জিনিস?

না। ভুল গ্রাফে ডেটা, হিসাব বা লেবেলেই ত্রুটি থাকতে পারে। Misleading graph-এ সংখ্যাগুলো সঠিক হলেও স্কেল, সময়সীমা, চার্টের ধরন বা তথ্য বাছাই এমন হতে পারে, যাতে পাঠকের কাছে বিভ্রান্তিকর ধারণা তৈরি হয়।

একটি গ্রাফ বিশ্বাস করার আগে সবচেয়ে আগে কী দেখব?

প্রথমে এক্সিস, একক ও সময়সীমা দেখুন। এরপর গ্রাফটি কী দাবি করছে এবং সেই দাবির পক্ষে মূল সংখ্যা বা উৎস আছে কি না যাচাই করুন। বিশেষ করে খুব নাটকীয় উত্থান-পতন দেখালে বেসলাইন ও স্কেল পরীক্ষা করা জরুরি।

Y-axis শূন্য থেকে শুরু না করলে কি সব সময় সমস্যা?

না। বার ও কলাম গ্রাফে শূন্য বেসলাইন সাধারণত গুরুত্বপূর্ণ, কারণ বারের দৈর্ঘ্য দিয়ে সংখ্যার অনুপাত বোঝানো হয়। তবে লাইন গ্রাফে ছোট পরিবর্তন স্পষ্ট করতে সংকুচিত স্কেল ব্যবহার করা যেতে পারে, যদি সেটি পরিষ্কারভাবে দেখানো হয় এবং পরিবর্তনকে অযথা অতিরঞ্জিত না করে।

সামাজিক যোগাযোগমাধ্যমে শেয়ার করা গ্রাফ কীভাবে যাচাই করব?

শুধু ছবিটি দেখে সিদ্ধান্ত নেবেন না। গ্রাফের উৎস খুঁজুন, মূল প্রতিবেদন বা ডেটাসেট পাওয়া যায় কি না দেখুন এবং একই তথ্য দীর্ঘ সময়সীমা বা অন্য মেট্রিকে কেমন দেখায় তা যাচাই করুন। উৎসই না থাকলে গুরুত্বপূর্ণ দাবি গ্রহণের ক্ষেত্রে সতর্ক থাকা ভালো।

দুটি রেখা একইভাবে উঠলে কি তাদের মধ্যে সম্পর্ক আছে?

একই সময়ে দুটি রেখা ওঠা বা নামা একটি সম্পর্কের ইঙ্গিত দিতে পারে, কিন্তু সেটি কারণ প্রমাণ করে না। একই তৃতীয় কারণ দুই পরিবর্তনকেই প্রভাবিত করতে পারে। বিশেষ করে dual-axis graph-এ স্কেল বদলে রেখাগুলোকে আরও কাছাকাছি দেখানো সম্ভব।