How to spot a misleading graph - Lea Gaslowitz

번역: Seongjae Hwang 검토: Jihyeon J. Kim

A toothpaste brand claims their product will destroy more plaque

한 치약 브랜드가 자기 상품은 여태껏 나온 어떤 치약보다도

than any product ever made.

많은 치석을 제거한다고 주장합니다.

A politician tells you their plan will create the most jobs.

어떤 정치인이 자기 정책이 가장 많은 일자리를 만들 거라고 주장합니다.

We're so used to hearing these kinds of exaggerations

우리는 이런 과장된 광고와 정치에 매우 익숙합니다.

in advertising and politics

that we might not even bat an eye.

그래서 이제는 눈도 깜짝하지 않죠.

But what about when the claim is accompanied by a graph?

하지만 이런 주장이 그래프와 함께라면 어떨까요?

Afterall, a graph isn't an opinion.

어쨌든 그래프는 주관적인 게 아니니까요.

It represents cold, hard numbers, and who can argue with those?

냉정하고 객관적인 숫자들에 누가 반박할 수 있을까요?

Yet, as it turns out, there are plenty of ways graphs can mislead

하지만 그래프는 많은 방법으로 사람들을 호도하고

and outright manipulate.

완전히 조종하는 것으로 보입니다.

Here are some things to look out for.

몇 가지 사례를 살펴보죠.

In this 1992 ad, Chevy claimed to make the most reliable trucks in America

이 1992년 광고는 쉐비가 미국에서 가장 튼튼한 트럭이라고

using this graph.

그래프를 사용해서 주장합니다.

Not only does it show that 98% of all Chevy trucks sold in the last ten years

이 그래프는 지난 10년간 팔린 쉐비 트럭 중 98%가

are still on the road,

아직도 도로를 달린다는 걸 보여줍니다.

but it looks like they're twice as dependable as Toyota trucks.

도요타 트럭보다는 두 배 더 오래가는 것처럼 보입니다.

That is, until you take a closer look at the numbers on the left

왼쪽에 숫자들을 들여다 보고

and see that the figure for Toyota is about 96.5%.

도요타의 수치는 96.5%라는 걸 알기 전까지는 말입니다.

The scale only goes between 95 and 100%.

수치의 범위는 95%에서 100%까지만 있습니다.

If it went from 0 to 100, it would look like this.

0에서 100까지였다면 이렇게 보여야 합니다.

This is one of the most common ways graphs misrepresent data,

이것은 그래프가 정보를 잘못 표현하는 가장 흔한 방법인 범위를 조작하는 방법입니다.

by distorting the scale.

Zooming in on a small portion of the y-axis

y축의 작은 부분을 확대함으로써

exaggerates a barely detectable difference between the things being compared.

비교대상간의 미미한 차이를 과장하는 것입니다.

And it's especially misleading with bar graphs

특히 막대그래프의 경우 효과가 큽니다

since we assume the difference in the size of the bars

우리는 막대의 크기 차이가 곧

is proportional to the values.

수치와 비례한다고 여기기 때문입니다.

But the scale can also be distorted along the x-axis,

하지만 x축 범위를 조작하기도 합니다.

usually in line graphs showing something changing over time.

주로 시간에 따라 변하는 것을 보여줄 때 그렇습니다.

This chart showing the rise in American unemployment from 2008 to 2010

이 차트는 2008년부터 2010년까지 미국의 실업률을 나타내는데

manipulates the x-axis in two ways.

x축을 두 가지 방법으로 조작합니다.

First of all, the scale is inconsistent,

먼저 범위가 일정하지 않습니다.

compressing the 15-month span after March 2009

2009년 3월 이후의 15개월을 압축해서

to look shorter than the preceding six months.

앞의 6개월보다 더 짧아 보이게 했습니다.

Using more consistent data points gives a different picture

데이터를 일정하게 놓으면 다른 그림이 되서

with job losses tapering off by the end of 2009.

2009년 말부터 실업이 감소합니다.

And if you wonder why they were increasing in the first place,

그리고 애초에 실업률이 왜 증가하는지 궁금하시다면

the timeline starts immediately after the U.S.'s biggest financial collapse

미국에 대공황 이후 최대의 금융 위기가 닥친 직후부터

since the Great Depression.

시간대가 시작하기 때문입니다.

These techniques are known as cherry picking.

이런 기술은 체리 피킹(Cherry Picking) 이라고 합니다.

A time range can be carefully chosen to exclude the impact of a major event

범위 밖에서 벌어진 중대한 사건의 효과를 배제하려고

right outside it.

신중하게 골라낸 시간대인겁니다.

And picking specific data points can hide important changes in between.

그리고 특정한 점만을 선택해서 그 사이의 중요한 변화들을 감춥니다.

Even when there's nothing wrong with the graph itself,

그래프 자체에는 아무 문제가 없지만

leaving out relevant data can give a misleading impression.

관련있는 정보를 제외하는 것은 잘못된 인상을 심어 줄 수 있습니다.

This chart of how many people watch the Super Bowl each year

이 차트는 매년 얼마나 많은 사람들이 수퍼볼(Super Bowl)을 보는지 알려줍니다.

makes it look like the event's popularity is exploding.

경기의 인기가 폭발적으로 늘어나는 것처럼 보입니다.

But it's not accounting for population growth.

하지만 사실은 인구 증가를 고려하지 않았습니다.

The ratings have actually held steady

미식축구 팬들이 늘어나기는 했지만

because while the number of football fans has increased,

전체 시청자 중에서 차지하는 비율은 늘어나지 않았기 때문에

their share of overall viewership has not.

시청률은 일정합니다.

Finally, a graph can't tell you much

마지막으로, 여러분이 그래프 위의

if you don't know the full significance of what's being presented.

각 수치가 얼마나 큰 것인지 모를 때는 그래프가 의미 없을 수 있습니다.

Both of the following graphs use the same ocean temperature data

중앙 기구와 환경 정보국에서 내놓은 두 그래프 모두

from the National Centers for Environmental Information.

같은 해양 온도 데이터를 보여주고 있습니다.

So why do they seem to give opposite impressions?

그런데 어째서 서로 반대의 결과를 보여줄까요?

The first graph plots the average annual ocean temperature

첫 번째 그래프는 1880년부터 2016년까지

from 1880 to 2016,

연간 평균 수온을 보여주는데

making the change look insignificant.

변화는 그다지 크지 않아 보입니다.

But in fact, a rise of even half a degree Celsius

하지만 사실은 0.5도의 온도 증가만으로도

can cause massive ecological disruption.

대규모의 생태계 혼란을 가져올 수 있습니다.

This is why the second graph,

이 점 때문에

which show the average temperature variation each year,

연간 온도 변화를 보여주는 두 번째 그래프가

is far more significant.

더 중대한 결과로 보이는 것입니다.

When they're used well, graphs can help us intuitively grasp complex data.

잘만 사용한다면 그래프는 복잡한 데이터를 직관적으로 이해할 수 있게 해줍니다.

But as visual software has enabled more usage of graphs throughout all media,

하지만 시각화 소프트웨어가 온갖 매체에서 그래프를 사용할 수 있게 해 주면서

it's also made them easier to use in a careless or dishonest way.

그래프를 정직하지 못하거나 부주의하게 사용하기도 쉬워졌습니다.

So the next time you see a graph, don't be swayed by the lines and curves.

그러니 다음에 그래프를 보게 되면 직선과 곡선에 흔들리지 마세요.

Look at the labels,

표시와

the numbers,

숫자

the scale,

눈금

and the context,

문맥을 보시고

and ask what story the picture is trying to tell.

그림이 전하려는 말이 무엇인지를 질문하세요.