Cosa vuoi raccontare? Parti da qui, ma senza automatismi

Parte della serie “Piccola guida essenziale alla dataviz. I dati contano, ma le scelte ancora di più.” • Bibliografia consigliata a fine articolo.

Per scegliere un grafico rispetto a un altro, un buon punto di partenza è pensare a che cosa si vuole comunicare dei propri dati: voglio dare risalto a un cambiamento nel tempo? A una distribuzione spaziale? A una classifica?

Alcune tipologie di grafici saranno più adatte di altre, per esempio un grafico a linee o un grafico a colonne per far emergere un pattern temporale, o una mappa coropletica per dare risalto a una distribuzione spaziale interessante.

La maggior parte delle guide alla scelta dei grafici partono proprio da questo, e offrono una tassonomia delle diverse tipologie di grafici basata proprio sull’angolo narrativo, sulla categoria di messaggio, che si vuole che il grafico riesca a comunicare.

Il Visual Vocabulary del Financial Times

Vediamo un esempio pratico: proviamo a visualizzare i dati EUROSTAT sull’aspettativa di vita in diverse regioni europee tramite Datawrapper, evidenziando come diverse scelte di grafico sono determinate dal messaggio che si vuole comunicare.

Ogni scelta implica una perdita

Ciascuna soluzione grafica ci ha permesso di scoprire qualcosa in più sui dati, ma a scapito di qualcos’altro.

• La tabella è stata una scelta efficace per vedere a colpo d’occhio le regioni con l’aspettativa di vita più alta.
• Il grafico a barre ha facilitato il confronto tra le regioni con l’aspettativa di vita più alta e quelle con l’aspettativa di vita più bassa.
• Anche la mappa coropletica ha permesso un confronto tra le regioni, ma con qualche vantaggio e qualche svantaggio rispetto al grafico a barre o alla tabella. Da un lato, ha permesso di mostrare tutte le regioni, pur occupando lo stesso spazio visivo della tabella o del grafico a barre. Inoltre ha illustrato bene un pattern spaziale (una generale riduzione dell’aspettativa di vita nelle regioni più a est). Tuttavia, questo ha sacrificato la possibilità di cogliere immediatamente la classifica delle regioni o di percepire con precisione il divario tra le prime e le ultime.
• L’istogramma, pur nascondendo i valori puntuali, ha permesso di osservare la distribuzione complessiva, dando risalto ai valori estremi e ai valori più frequenti.
• Infine, il grafico a linee, nella versione semplificata di slope chart, ha permesso di osservare l’evoluzione nel tempo dell’aspettativa di vita nelle diverse regioni, permettendo di constatare sia l’aumento complessivo, che tendenze anomale.

Vuol dire che posso semplicemente affidarmi alle guide per scegliere il grafico ‘giusto’? No. Se hai fatto attenzione, avrai notato che, oltre alla scelta del grafico, in ogni variazione ho dovuto fare molte altre considerazioni, ad esempio quali dati specifici includere nel grafico e come includerli.

Inoltre, è possibile condensare più di un messaggio nello stesso grafico. Per esempio, il seguente density plot è utilizzato per comunicare una distribuzione, come consigliato dalle guide sulla scelta del grafico. Ma, tramite l’inserimento di una seconda curva, comunica anche un cambiamento nel tempo, in una delle tante combinazioni possibili che scardinano le tassonomie più rigidamente basate sulla scelta di un’unica tipologia di messaggio.

Come procedere, quindi?

Le linee guida su come scegliere un grafico semplificano un processo che, in realtà, è tutt’altro che automatico. Anzi rischiano, con le loro tassonomie ben definite, di farci dimenticare quanto siano importanti tutte le altre scelte che garantiscono che un grafico comunichi effettivamente ciò che vogliamo.

Per questo è necessario progettare ciascun grafico tenendo conto dei suoi elementi in maniera olistica. Clicca su ciascuna immagine per aprire l’approfondimento corrispondente.
(Work in progress: al momento non tutti gli approfondimenti sono pronti)

Bibliografia consigliata

Bearfield, Cindy Xiong; van Weelden Lisanne; Waytz Adam; Franconer Steven (2024). Same Data, Diverging Perspectives: The Power of Visualizations to Elicit Competing Interpretations.

Bertini, Enrico (2025). Same Data, Different Charts: How Visuals Shape Data Messages.

Cairo, Alberto (2020). How charts lie: Getting smarter about visual information.

Parrou, Evelina (2024) Modest makeover: Alternative chart design options for a report by the World Bank.

Storytelling with data chart makeovers. Es. A diverging bar chart makeover: how to tackle the challenge of scope creep.

Yau, Nathan (2017). One Dataset, Visualized 25 Ways.

Yau, Nathan (2018). Ask the Question, Visualize the Answer.

Yau, Nathan (2023). Endless Visual Options.