"Datu vizualizācija ir veids, kā kvantitatīvus lielumus izteikt vizuāli. Piemēram, garāks stabiņš vai lielāks laukums aplim vai taisnstūrim nozīmē lielāku vērtību, vai lielāks slīpums uz augšu vai leju nozīmē lielāku kritumu vai kāpumu," skaidroja Aleksejeva. 

Viņa norādīja, ka ļoti svarīgi ir zināt, kā šīs diagrammas pareizi izmantot, piemēram, kurus datus var attēlot kā stabiņus, kurus – kā līnijas, jo katrai diagrammai ir savs pielietojuma mērķis. 

Piemēram, pīrāga diagramma jāizmanto tad, ja runājam par vienu veselumu, kas dalās divās daļās, – dažkārt pieļauj atkāpi trešajai daļai, bet tas ir maksimums. Bez šīm zināšanām datu vizualizācijas var neatbilst tam, ko patiesībā satur dati. 

Tāpat viņa atzina, ka manipulācija jebkurā datu vizualizācijā zināmā mērā ir klātesoša, sākot ar to, ka jebkura datu vizualizācija jau ir kādu mērījumu vai skaitļojumu rezultāts.

"Jau kaut kāda informācija ir pazudusi tulkojumā, jo ne visu mēs varam nomērīt viens pret viens, kā ir realitātē, kā arī mūsu skaitļojumi nav tik precīzi, lai kaut kas tajos nepazustu, tad nāk trešais līmenis – vizualizācija un viss konteksts, kas tai ir apkārt," norādīja Aleksejeva.

Izplatīta un neviennozīmīgi vērtēta prakse, ja runā tieši par stabiņu veida grafikiem, ir sākt Y asi (to, kas parasti ir kreisajā pusē vertikāli) nevis no nulles, bet no kādas lielākas vērtības. Atšķirības starp stabiņiem tā kļūst izteiktākas, agresīvākas, atkarībā no tā, par ko ir stāsts, – arī biedējošākas. 

"2017. gadā, kad bija pašvaldību vēlēšanas, Rīgas dome nopublicēja savos sociālajos tīklos stabiņu diagrammu ar apkures cenu tarifiem, kur ass nesākās no nulles, bet no 35, un izskatījās, ka Rīgā ir četras reizes mazāks apkures tarifs nekā Cēsīs.

Lai gan klāt bija pierakstīti arī īstie skaitļi un atšķirība bija tikai par vienu piektdaļu, vizuāli izskatījās vismaz četras reizes," piemēru minēja Aleksejeva. 

Pētniece skaidroja, ka maldinošu priekšstatu var radīt arī nepareiza krāsu izvēle, jo arī tas ietekmē mūsu uztveri, kā mēs kaut ko redzam, kam pievēršam uzmanību. 

"Ja izmantojam gatavās paletes, tur mēdz būt ieliktas septiņas krāsas, desmit. Ja ir stabiņu veida diagramma, un tā ir gara, sanāk, ka ik pēc 10 vērtībām sāk atkārtoties krāsas un ir grūti izšķirt,"  skaidroja Aleksejeva. 

Runājot par krāsām, laba prakse ir neizmantot pārāk daudz krāsu bez vajadzības. Ja ir nepieciešams parādīt atšķirības vai uzsvērt kāda sektora svarīgumu, tad var visu iekrāsot, piemēram, zilos toņos, bet to vienu, kam cilvēkiem jāpievērš uzmanība, oranžu vai sarkanu. 

"Tas pievērš uzmanību tieši tam aspektam, lai arī jūs parādāt citus datus, tāpēc jautājums ir, vai liekat pareizos akcentus? Jebkurām vizuālajām rāmēšanām nāk līdzi arī atbildība. 

No vienas puses, jūs esat stāstnieks, no otras puses, šajā stāstā, ja tikai izliekaties, ka rādāt datus, kādi tie ir, jūs varat radīt maldīgu priekšstatu. Cilvēks paļaujas, ka esat objektīvs, lai gan patiesībā jau dodat lasītājam kaut kādu zināmu priekšstatu," vērtēja Aleksejeva. ''Visam pamatā ir cilvēka lēmums un izpratne par to, kas ir manā rīcībā esošie dati, kāpēc es ar tiem strādāju un kādam mērķim izmantoju. Ir dati, kurus vieglāk uztvert ir, tos vienkārši aprakstot ar vārdiem, nevis veidojot diagrammas.'' 

Jebkurā gadījumā vienmēr jābūt pievienotai atsaucei, no kuras šie dati iegūti. Jāsaprot arī, kā šie dati ir iegūti, piemēram, ja ar stabiņiem attēlota aptauja, jābūt norādītam, cik cilvēku aptaujāti. Jābūt uzmanīgiem, kad tiek publicēti salīdzinoši dati starp dažādām valstīm, jo bieži vien katra valsts izmanto citas metodes datu iegūšanai un apkopošanai, kas savā starpā nav salīdzināmas.