На дашборде две временные серии показаны на одной диаграмме с разными шкалами Y. Как проверить, не создаёт ли визуализация ложную корреляцию?
Нужно временно привести серии к общей шкале или показать их раздельно и сравнить выводы. Двойная шкала Y может визуально сближать или разводить линии за счёт независимо выбранных границ, хотя фактической связи между показателями нет.
Двойные шкалы появились как практический способ разместить на одном графике показатели с разными единицами и порядками величин, например выручку и процентную маржу. Это экономит место и позволяет сопоставлять изменения во времени, но не делает сами показатели непосредственно сравнимыми.
Каждая шкала может иметь собственный минимум, максимум и шаг делений. Поэтому одинаковый наклон линий не означает одинаковую динамику, а пересечение линий не доказывает равенство или причинную связь показателей.
Риск особенно велик, когда зритель воспринимает близость или синхронность линий как доказательство корреляции. В результате можно принять решение о влиянии одного KPI на другой, хотя эффект создан только настройкой визуализации.
Сначала нужно проверить, есть ли у серий общий аналитический смысл и сопоставимые единицы измерения. Если показатели можно выразить в одной шкале, предпочтительнее использовать её; если нет, безопаснее применить два отдельных графика с одинаковой временной осью или нормировать значения относительно начального периода.
Для проверки следует:
Нормирование помогает сравнить направление и относительное изменение, но скрывает абсолютный масштаб. Раздельные графики лучше сохраняют честность представления, однако требуют от пользователя сопоставлять панели самостоятельно. Двойная шкала допустима только при ясной маркировке обеих осей, заметном различии единиц и отсутствии утверждения, что геометрическая близость линий означает причинную связь.
На дашборде рядом отображались выручка и доля отменённых заказов. При независимых шкалах линии почти совпадали по форме, и команда решила, что рост выручки сопровождается ростом отмен.
Рассматривались три варианта. Сохранение двойной шкалы было компактным, но оставляло риск ложной интерпретации. Полностью раздельные графики устраняли визуальный эффект, однако сравнение периодов становилось менее быстрым. Нормирование обеих серий к 100% на начало периода показывало относительную динамику, но скрывало абсолютный уровень отмен.
Выбрали два связанных графика: абсолютную выручку и долю отмен с одинаковой временной осью, дополненные отдельной карточкой с абсолютным числом отмен. После этого выяснилось, что доля отмен росла только в одном канале, а общая форма прежней диаграммы была следствием выбора шкал.
Нет. Одинаковый минимум уменьшает один источник искажения, но шкалы всё ещё могут иметь разные диапазоны и шаги. Кроме того, разные единицы измерения сохраняют проблему интерпретации: совпадающий наклон в пикселях не означает совпадающий относительный или абсолютный рост.
Нормирование уместно, когда нужно сравнить относительную динамику показателей с разными единицами, например рост индекса и рост продаж от общего базового периода. Оно вредно, если пользователю важны абсолютные значения, пороги риска или сравнение фактических уровней: после нормирования показатель со значением 10 и показатель со значением 10 000 могут выглядеть одинаково по динамике.
Нет. Совпадение трендов показывает только наблюдаемую совместную динамику и может быть вызвано сезонностью, третьим фактором, общим изменением выборки или случайностью. Для вывода о влиянии нужны как минимум корректный дизайн анализа, контроль альтернативных объяснений и проверка связи на исходных данных, а не только визуальная оценка.