評価コンパスEvalCompass
分析・統合チャート選択評価報告アクセシビリティEvergreen情報伝達

データ可視化

Data Visualization
別名: データビジュアライゼーション、データビズ、評価報告グラフィクス

評価データを読者に正確・効率的に伝えるための図表設計の原則。Stephanie Evergreen らによる評価報告向けのデータビズ原則、チャートタイプの選択、色彩・アクセシビリティへの配慮が実務の要諦。

難易度 初級 ●●●費用 低 ●●●期間 数時間〜数日（データ準備・設計・作図・修正を含む）
データ可視化 チャート選択チェックリストを開く →

概要

データ可視化（Data Visualization）は、数値・関係・変化のパターンを視覚的な図表に変換し、読者の理解を促す実践である。評価報告の文脈では、Stephanie Evergreen（『Effective Data Visualization』2017）と Ann Emery が評価実務者向けのチャート設計原則を体系化し、評価コミュニティでの可視化教育を牽引してきた。また、Edward Tufte の「データインク比（Data-Ink Ratio）の最大化」と「チャートジャンク（装飾的な不要要素）の排除」は、シンプルで誠実なグラフ設計の原則として今日も参照される。

チャートタイプの選択は可視化の出発点であり、「何を見せたいか」によって適切な形式が異なる。比較（グループ間・時系列）には棒グラフ・折れ線グラフ、割合の内訳には積み上げ棒グラフ（円グラフは原則として使わない）、2変数の関係には散布図、分布には箱ひげ図・ヒストグラム、空間分布には地図が基本。評価報告では読者の統計リテラシーを想定し、解釈を助ける注釈・タイトル・軸ラベルの設計が不可欠。色覚多様性（Color Vision Deficiency：CVD）への対応として、Colorbrewer等の配色ツールや色に依存しないパターン・形状の使用がアクセシビリティの観点から求められる。

✓ こんな時に使う

  • 評価報告書・プレゼンテーションで、統計数値を読者が直感的に理解できる形に変換したいとき
  • 複数グループ・時系列での変化のパターンを比較して見せたいとき
  • 地域別・属性別のデータの空間的・カテゴリ的分布を把握・説明したいとき
  • 政策立案者・一般市民など統計リテラシーが異なる多様な読者に向けて結果を伝えたいとき

✕ 向かない場面

  • データ自体の質・信頼性が低い場合 — 見栄えのよいグラフは数値の不確かさを隠蔽する。不確実性の明示が先
  • 少量のデータ（3〜4点の比較）に複雑な可視化を施す場合 — 表の方が正確に伝わる
  • 可視化のための適切なソフトウェア・スキルがなく、誤解を招くグラフを作ってしまうリスクがある場合

実施手順

  1. メッセージの明確化
    このグラフで読者に何を伝えたいかを1文で言えるか確認する。メッセージが不明確なグラフは作り直すか削除する。タイトルはメッセージそのもの（例：「研修後に参加者の自己効力感が有意に向上した」）を示す行動タイトルにする。
  2. 適切なチャートタイプの選択
    比較・割合・関係・分布・推移・空間分布のどれを示したいかに応じてチャートタイプを選ぶ。迷ったときはFinancial Times Visual Vocabulary等のチャート選択ガイドを参照する。円グラフは3つ以上の要素には不向きで積み上げ棒グラフへの代替を検討する。
  3. データインクの最適化
    Tufteの「データインク比の最大化」原則に従い、データを表現しない要素（過剰な枠線・背景グリッド・3D効果・影）を削除する。グラフのシンプル化により、読者の視線をデータそのものに向ける。
  4. 色彩とアクセシビリティの設計
    色覚多様性（CVD）対応として、赤と緑を区別する配色を避け、Colorbrewer等のCVD対応パレットを使う。印刷モノクロ対応として、色だけでなくパターン・形状・ラベルで区別する。コントラスト比はWCAG 2.1のAA基準（4.5:1以上）を目標にする。
  5. 不確実性と注釈の追加
    信頼区間・標準誤差・サンプルサイズを棒グラフのエラーバーや注釈で示す。重要な解釈上の注意点（定義・測定方法・データ収集年・除外条件）はグラフの下部に注を付ける。
  6. レビューとテスト
    評価対象の読者層（想定する最も統計リテラシーが低い読者）に見せ、5秒以内にメッセージが伝わるかをテストする。グラフの読み方を口頭で説明しなければ伝わらない場合は再設計が必要。

長所と限界

長所

  • 数値の羅列より記憶に残り、意思決定者・一般市民への伝達力が高い
  • パターン・外れ値・トレンドが視覚的に瞬時に把握でき、分析の洞察を読者に共有しやすい
  • 適切に設計されたグラフは言語の壁を越え、国際的な文書・多言語コミュニティでも有効
  • インタラクティブ可視化（Tableau・Power BI等）により読者が自ら探索できるデータ体験が可能

限界

  • 誤解を招く可視化（Y軸を0から始めない・縮尺の操作等）が意図的・無意識的に読者の認識を歪める
  • チャートタイプの誤選択（例：カテゴリデータへの折れ線グラフの適用）が誤った解釈を誘導する
  • 可視化は「何が起きているか」は伝えやすいが「なぜ起きているか」の因果的説明には文章との組み合わせが必要
  • インタラクティブ可視化の実装はHTML/JavaScript等の技術的スキルを要する

⚠ よくある落とし穴

  • Y軸を0から始めないトリック — 棒グラフのY軸を0でなく途中から始めると、わずかな差が劇的に見える。棒グラフは必ず0から始める。折れ線グラフは文脈に応じて調整可
  • 円グラフの多用 — 人間は角度の違いの比較が苦手。3つ以上の割合比較には積み上げ棒グラフが圧倒的に読みやすい
  • 装飾優先のチャートジャンク — 3D効果・影・過剰な色・背景画像はデータの読み取りを妨げる。評価報告ではシンプルさが最大の誠実さ