ভালো গ্রাফ-এর নীতি

এটি একটি classic communication-design সমস্যা। চয়েস chart-type একটাই না — গল্প ও দর্শকের উপর নির্ভর।

Default option — line chart:

• সময়ের ধারা দেখানোর জন্য line অপরিহার্য।
• x-axis: ২০২০, ২১, ২২, ২৩, ২৪। y-axis: GDP (BDT trillion)।
• marker (dot) প্রতিটি বছরে — পাঠক exact value পড়তে পারেন।
• y-axis ০ থেকে শুরু — সততা।

বিকল্প — bar chart:

• মাত্র ৫টি বছর — ছোট সংখ্যা hence bar-ও কাজ করে।
• "যত বড় bar — তত বড় economy" — discrete comparison clear।
• কিন্তু "গতি" বা "ত্বরণ" ধরা যায় না — line এতে শ্রেষ্ঠ।

"% growth" দেখাতে চাইলে — column chart:

• প্রতি বছরের growth rate (৫.৫%, ৬.৩%...) — column-এ।
• কিন্তু একই সাথে absolute value হারিয়ে যায়।
• সমাধান: dual chart — line above (absolute), column below (% growth)।

Trade-offs:

• Aspect ratio: চওড়া chart trend flat; লম্বা chart dramatic. Tufte recommend "banking to 45°" — gradient ৪৫°-এর কাছাকাছি।
• Y-axis ০ থেকে? Absolute value হলে অবশ্যই; growth rate হলে ০ optional (negative growth-ও সম্ভব)।
• Inflation adjusted? Nominal GDP misleading — real GDP (inflation-adjusted) দেখান।
• Per-capita? মোট GDP বনাম per-capita ভিন্ন গল্প — population-ও বেড়েছে।
• Comparison context: একা চোখে ৬% growth দ্রুত মনে হতে পারে — কিন্তু ভিয়েতনাম বা ভারতের সাথে compare করলে ছবি বদলে যায়।

Audience-নির্ভর সিদ্ধান্ত:

• CEO presentation: একটি বড় line, minimal text, "৫ বছরে ৩৪% growth" highlight।
• Academic paper: dual line + confidence interval shading।
• Newspaper readers: bar chart with simple labels, growth percent annotated।

মূল উপলব্ধি: "best chart" বলে কিছু নেই — শুধু "best chart for this audience and this question"। আপনার গল্প আগে — chart পরে।

এটি ethics ও practical politics দু'টোরই প্রশ্ন। একটি data professional-এর কর্মজীবনে এই scenario বহুবার আসবে।

সমস্যা কোথায়:

• "৫০% growth" নিজেই বড় খবর — truncate-এর প্রয়োজন নেই।
• Truncation শুধু তখনই দরকার যখন real growth ছোট কিন্তু আপনি বড় দেখাতে চান — অর্থাৎ deceit-এর উদ্দেশ্য।
• Sophisticated audience truncated y-axis ধরে ফেলে — credibility হারায়।
• Internal report ভিন্ন — investor pitch-এ ধরা পড়লে fraud allegation।

আপনার response strategy:

(১) Reframe — Boss-এর intent বুঝুন:

• Boss-ই hopefully "deceitful" না — হয়তো শুধু "impressive" চায়।
• Better alternatives propose: bigger font for "৫০% growth" label, color highlight, before/after comparison।
• "Sir, ৫০% নিজেই dramatic — y-axis ০ থেকে রাখলেও impact অনেক বেশি।"

(২) Educate — ছোট example দিয়ে দেখান:

• একই data দু'টি chart-এ বানান — truncated ও proper।
• দু'টির side-by-side দেখান। Boss চাইলে নিজেই বুঝবেন কোনটা professional।

(৩) Compromise — middle ground:

• Y-axis ০ থেকে; কিন্তু "broken axis" notation দেখান যদি extreme value থাকে।
• "% change" annotation যোগ — actual growth highlighted।
• Reference line — competitor average বা industry benchmark।

(৪) যদি boss জোর দেয়:

• Internal slide: ভিন্ন slide-এ "context" version রাখুন — যাতে কেউ প্রশ্ন করলে সঠিক answer থাকে।
• External (investor/regulator): clearly object। Audit trail-এ আপনার name থাকে।
• Document — email-এ লিখে রাখুন আপনি বিকল্প suggest করেছিলেন।

Real-world cases:

• Apple-র আগের stock split chart-এ truncated y-axis নিয়ে controversy ছিল।
• Bangladesh-এ নির্বাচনী poster-এ প্রায়ই politicians "growth" graph দেখান — আজকের voters more skeptical।

মূল উপলব্ধি: Data professional-এর primary loyalty data-র প্রতি। Boss-এর সাথে diplomacy দিয়ে চলুন, কিন্তু integrity-র উপর compromise নয়। ভাল analyst তিনি — যিনি truth ও clarity-র মধ্যে বাঁচান।

Color-blindness — আসলে "color vision deficiency" — visual perception-এর spectrum। সম্পূর্ণ অন্ধত্ব নয়, বরং কিছু color পার্থক্য করতে অক্ষমতা।

প্রকারভেদ:

• Deuteranopia/Deuteranomaly: green sensitivity কম — সবচেয়ে common (৬% পুরুষ)।
• Protanopia/Protanomaly: red sensitivity কম (~১% পুরুষ)।
• Tritanopia: blue-yellow — খুব rare।
• Achromatopsia: সম্পূর্ণ color-blindness, monochromat — অতি rare।

Bangladesh-এ scale:

• ~৫% পুরুষ + ~০.৫% নারী = প্রায় ৪৫-৫০ লক্ষ মানুষ।
• আপনার dashboard যদি color-blind unsafe হয় — এই বিশাল audience excluded।
• Employer/customer দু'ক্ষেত্রেই হতে পারে।

সাধারণ ভুলগুলো:

• Red/green pairing: profit (green), loss (red) — color-blind-এ একই দেখায়।
• Rainbow palette (jet): matplotlib-এর পুরনো default — perceptually non-uniform। Same color difference ≠ same value difference।
• Hue-only encoding: shape ও pattern না দিয়ে শুধু color দিয়ে category — bad accessibility।

Viridis কেন superior:

২০১৫-তে Stéfan van der Walt ও Nathaniel Smith viridis develop করেন। নীতি:

• Perceptually uniform: equal numeric step = equal perceptual step।
• Monotonic in luminosity: grayscale-এও pattern টিকে থাকে (printing, photocopy)।
• Color-blind safe: deuteranopia/protanopia simulator-এ test করা।
• Aesthetic: পার্পল → নীল → সবুজ → হলুদ — beautiful gradient।

Family of palettes:

• viridis — purple/yellow।
• plasma — purple/pink/yellow।
• inferno — black/orange/yellow।
• cividis — explicitly designed for color-blind first।

Accessibility checklist:

• Color-blind simulator দিয়ে test (Sim Daltonism, Coblis)।
• Color + shape/pattern combination — redundant encoding।
• Direct labels (chart-এর উপর label, না legend-এ alone)।
• High contrast text — WCAG AA standard।

Tools-এ default এখন:

• matplotlib 2.0+ — viridis default।
• seaborn — viridis সমর্থিত।
• Tableau — colorblind-safe palette built-in।
• Power BI — accessibility checker theme available।

মূল উপলব্ধি: Accessibility "nice to have" না — moral & business imperative। পৃথিবীর ৮% audience exclude করা মানে সম্ভাব্য customer/employee হারানো।

এটি real-world feedback সিচুয়েশন — চমৎকার teaching moment।

সমস্যা চিহ্নিতকরণ:

(১) Pie চয়েস ভুল:

• মানুষ angle তুলনায় দুর্বল — ৫ ক্যাটেগরির উপরে pie প্রায় অপাঠ্য।
• ৭টি ক্যাটেগরি — কোনটা বড় কোনটা ছোট চোখে ধরা পড়ে না।

(২) 3D effect ক্ষতিকর:

• Perspective-এর কারণে সামনের slice অযৌক্তিকভাবে বড় দেখায়।
• Tufte-র "lie factor" বাড়ে।
• Data-ink ratio হ্রাস — extra ink data বহন করে না।

(৩) Color choice সম্ভবত সমস্যা:

• ৭টি rainbow color — adjacent slices অনেক সময় indistinguishable।
• Color-blind unfriendly likely।

Redesign — step by step:

Step ১: Goal পরিষ্কার করা

• "Which categories are top sellers?" — sorted bar।
• "Total কীভাবে split?" — ১০০% stacked bar।
• "Trend over time per category?" — small multiples line chart।

Step ২: Sorted bar chart (most likely best)

• X-axis: bar (vertical) বা y-axis: bar (horizontal — long category names-এ ভাল)।
• Sorted descending — top category প্রথমে।
• একটি single color (highlight color) — সব bar একই রঙ। focus data-এ, সাজসজ্জায় না।
• Direct value labels চাই থাকলে — bar শেষে।

Step ৩: Aspect ratio

• ৭টি bar — horizontal layout সম্ভবত ভালো (category name বড় হলে readable)।
• Width:height ≈ ১.৫:১।

Step ৪: Chartjunk বাদ

• Top ও right spine মুছে দিন।
• Gridline subtle (alpha=0.3, dashed)।
• Background pure white।
• Title clear, no title-shadow।

Step ৫: Annotation

• Top-3 category-র উপরে percentage label (যেমন "Mobile: ৩২%")।
• "Total revenue: ৪৫০ কোটি টাকা" — chart-এর কোণে।
• Source: "Daraz Q4 2025 internal data"।

Code skeleton:

import matplotlib.pyplot as plt
cats = ['Mobile','Fashion','Beauty','Home','Books','Sports','Toys']
sales = [320, 240, 180, 150, 110, 90, 60]
pairs = sorted(zip(sales, cats))
s, c = zip(*pairs)
fig, ax = plt.subplots(figsize=(8, 5))
ax.barh(c, s, color='#2563eb')
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.set_xlabel('বিক্রি (কোটি টাকা)')
ax.set_title('পণ্য-শ্রেণিভিত্তিক বিক্রি — Q4 2025')
plt.tight_layout()

Feedback delivery কৌশল:

• "3D pie খারাপ" বলবেন না — "এই data-এ sorted bar আরও clear হবে কেন বলে দিচ্ছি" বলুন।
• একটি ভাল alternative dekhao — co-author hisabe থাকুন।
• Tufte-র বই বা viz-resources share করুন follow-up-এ।

মূল উপলব্ধি: Visualization team-skill। কেউ একা শেখে না — team-এর constructive critique-এ গড়ে। আপনি যখন কাউকে redesign suggest করেন — পুরো team-ই বেটার হয়।