9 Storytelling com Dados

O termo Storytelling traduz-se literalmente como a arte de contar histórias. No contexto da Ciência de Dados, o Storytelling com Dados refere-se à habilidade de comunicar insights extraídos de dados de maneira clara, engajadora e persuasiva utilizando uma combinação de três elementos fundamentais: dados, narrativa e recursos visuais.

Muitos projetos de Ciência de Dados fracassam não por erros na modelagem estatística ou na programação, mas sim porque os cientistas de dados não conseguem explicar a relevância de suas descobertas para os tomadores de decisão. Este capítulo aborda as principais técnicas e conceitos para transformar dados complexos em histórias compreensíveis e acionáveis, baseando-se na clássica metodologia de Knaflic (2015).

Diferentemente dos capítulos de Visualização de Dados com ggplot2 e de Análise Exploratória de Dados com Python, cujo foco é como construir gráficos, aqui o foco é por que certos gráficos comunicam melhor do que outros. Para isso, recorremos a resultados da psicologia da percepção visual, a estudos experimentais sobre a leitura de gráficos (Cleveland e McGill 1984) e aos princípios de design de informação de Tufte (1983). Combinando três componentes — a teoria da percepção, o design e a narrativa —, chegamos a um método sistemático, ilustrado com exemplos “antes e depois” em R e Python.

Os três pilares do storytelling com dados

Dados + narrativa: explicam ao público o que está acontecendo e por que importa.
Dados + visuais: iluminam padrões que passariam despercebidos em tabelas.
Narrativa + visuais: engajam e prendem a atenção.

Somente a combinação dos três produz uma comunicação capaz de mudar uma decisão.

9.1 Análise Exploratória vs. Análise Explanativa

Antes de começar a construir qualquer gráfico ou relatório, é crucial entender a diferença entre dois momentos fundamentais do trabalho com dados:

Análise Exploratória: É a etapa em que o cientista de dados busca compreender os dados, encontrar padrões, testar hipóteses e descobrir insights. É um processo íntimo de “garimpo”, onde se criam dezenas de gráficos rápidos que muitas vezes só fazem sentido para quem os gerou.
Análise Explanativa: É o momento em que, após descobrir os insights relevantes, o cientista de dados precisa apresentá-los para um público externo. Aqui, a exploração acabou; o objetivo agora é comunicar o que foi encontrado de forma simples e direta, descartando 90% das descobertas irrelevantes para focar na mensagem central.

Um erro comum é tentar apresentar a análise exploratória (o processo) no lugar da explanativa (o resultado). O público não precisa ver todo o caminho percorrido, mas sim a conclusão e a recomendação final.

A distinção remonta a Tukey (1977), que caracterizou a análise exploratória como um “trabalho de detetive” em busca de evidências, em contraste com a análise confirmatória, que julga essas evidências. Na fase exploratória, os gráficos são ferramentas de pensamento: rápidos, numerosos, descartáveis. Na fase explanativa, são ferramentas de comunicação: poucos, cuidadosamente desenhados, cada um com uma única mensagem. A tabela a seguir resume as diferenças:

Aspecto	Exploratória	Explanativa
Público	O próprio analista	Terceiros (gestores, clientes, banca, sociedade)
Objetivo	Descobrir	Comunicar e convencer
Quantidade de gráficos	Dezenas ou centenas	Poucos, selecionados
Acabamento	Padrões do software	Cuidadosamente desenhados
Pergunta central	“O que os dados mostram?”	“O que o público precisa saber e fazer?”

9.2 Fundamentos da Percepção Visual

Por que um gráfico de barras é mais fácil de ler do que um gráfico de pizza? Por que uma única barra colorida em meio a barras cinzas “salta aos olhos”? As respostas vêm da psicologia cognitiva e da psicofísica. Conhecê-las transforma escolhas de design, que pareceriam questão de gosto, em decisões fundamentadas (Ware 2012).

9.2.1 Visão, memória e carga cognitiva

O processamento visual envolve diferentes tipos de memória (Knaflic 2015):

Memória icônica: extremamente rápida (frações de segundo) e inconsciente; é onde operam os atributos pré-atentivos, descritos adiante.
Memória de curto prazo (ou de trabalho): de capacidade muito limitada. Em um artigo clássico, Miller (1956) sugeriu que conseguimos manter cerca de “sete, mais ou menos dois” itens simultaneamente; estudos posteriores indicam que, para blocos de informação visual, o limite prático é ainda menor. Uma legenda com dez cores obriga o leitor a ir e voltar entre o gráfico e a legenda, sobrecarregando essa memória.
Memória de longo prazo: construída ao longo do tempo; uma história bem contada, que combina imagens e narrativa, tem maior chance de ser lembrada.

A teoria da carga cognitiva (Sweller 1988), originalmente formulada para o estudo da aprendizagem, distingue três componentes do esforço mental:

Carga intrínseca: decorrente da complexidade inerente do conteúdo (um modelo hierárquico é intrinsecamente mais difícil que uma média).
Carga estranha (extraneous): causada pela forma de apresentação, e não pelo conteúdo — legendas distantes, eixos confusos, cores sem significado, elementos decorativos.
Carga relevante (germane): o esforço produtivo de compreender e integrar a informação.

Como a capacidade total é limitada, o objetivo do design é minimizar a carga estranha para liberar capacidade para a carga relevante. Toda a discussão sobre “eliminar a desordem” é, no fundo, uma aplicação desse princípio.

9.2.2 Atributos pré-atentivos e a busca visual

Certas propriedades visuais são detectadas pelo sistema visual antes da atenção consciente, em menos de um quarto de segundo, e em paralelo sobre todo o campo de visão. São os atributos pré-atentivos. A teoria da integração de características de Treisman e Gelade (1980) oferece uma explicação: características simples (cor, orientação, tamanho) são registradas automaticamente e em paralelo em “mapas” separados; já a combinação de características (por exemplo, “vermelho e círculo”) exige atenção focada, examinando os itens um a um.

Isso pode ser formalizado em experimentos de busca visual. Seja \(n\) o número de elementos na tela e \(T(n)\) o tempo médio para decidir se um alvo está presente. Empiricamente, observa-se um modelo aproximadamente linear, \[ T(n) \approx a + b\,n, \] em que \(a\) é um tempo fixo de resposta e \(b\) é o custo por elemento examinado:

na busca por característica (alvo vermelho entre distratores azuis), \(b \approx 0\): o alvo “salta” (pop-out), não importa quantos distratores existam;
na busca por conjunção (círculo vermelho entre círculos azuis e quadrados vermelhos), \(b > 0\): o tempo cresce com o número de elementos, pois a busca é serial.

Exemplo numérico. Suponha \(a = 450\) ms e, para a busca por conjunção, \(b = 25\) ms por item. Com \(n = 10\) elementos, \(T \approx 450 + 250 = 700\) ms; com \(n = 40\), \(T \approx 450 + 1000 = 1450\) ms. Na busca por característica (\(b \approx 0\)), o tempo fica próximo de 450 ms em ambos os casos. A lição para o design: codifique a informação mais importante com um único atributo pré-atentivo, e não com combinações.

Os principais atributos pré-atentivos, agrupados por natureza (Ware 2012; Knaflic 2015), são:

Grupo	Atributos	Uso típico em gráficos
Forma	Orientação, comprimento, largura, tamanho, forma, curvatura, marcas adicionadas, cercamento	Destacar uma série, marcar um ponto, agrupar
Cor	Matiz (hue), intensidade (luminosidade/saturação)	Destaque de uma categoria; magnitude em mapas de calor
Posição espacial	Posição 2D, agrupamento espacial	Codificação principal de valores
Movimento	Cintilação, movimento	Painéis interativos (usar com extrema parcimônia)

Nem todos os atributos são igualmente bons para codificar quantidades. Alguns (comprimento, posição) são ordenados e quantitativos: percebemos que uma barra é “duas vezes maior” que outra. Outros (matiz, forma) são categóricos: um círculo não é “maior” que um triângulo, nem o verde “maior” que o laranja. Essa distinção leva diretamente à hierarquia de Cleveland e McGill.

9.2.3 Psicofísica: como percebemos magnitudes

A psicofísica estuda a relação entre a intensidade física de um estímulo e a intensidade percebida. Dois resultados clássicos são relevantes:

Lei de Weber. A menor diferença perceptível \(\Delta I\) em um estímulo de intensidade \(I\) é aproximadamente proporcional a \(I\): \[ \frac{\Delta I}{I} \approx k \quad (\text{constante}). \] Consequência: é fácil perceber a diferença entre barras de 2 cm e 3 cm (50%), mas difícil perceber a diferença entre 20 cm e 21 cm (5%), embora a diferença absoluta seja a mesma. Linhas de grade suaves e rótulos diretos ajudam justamente quando as diferenças relativas são pequenas.

A lei foi formulada pelo fisiologista alemão Ernst Heinrich Weber na década de 1830, a partir de experimentos com pesos levantados pelas mãos, e a constante \(k\) é chamada fração de Weber. A menor diferença perceptível é também conhecida pela sigla inglesa JND (just noticeable difference).

Exemplo resolvido. Suponha, apenas para ilustração, que a fração de Weber para comprimentos de barras seja \(k = 0{,}05\). Para uma barra de 2 cm, a menor diferença perceptível é \(\Delta I = 0{,}05 \times 2 = 0{,}1\) cm; para uma barra de 20 cm, é \(\Delta I = 0{,}05 \times 20 = 1\) cm. Assim, uma diferença de 1 mm é perceptível entre barras curtas, mas uma diferença de 9 mm pode passar despercebida entre barras longas. Por isso, em gráficos com barras muito longas e valores próximos, a comparação deve ser apoiada por rótulos numéricos, por uma linha de referência ou, melhor ainda, por um gráfico das diferenças em relação a uma referência.

Lei de Weber–Fechner. Gustav Fechner, considerado o fundador da psicofísica (Fechner 1860), supôs que cada menor diferença perceptível corresponde a um mesmo incremento \(d\psi\) na sensação. Escrevendo a lei de Weber na forma diferencial, \[ d\psi = K\,\frac{dI}{I}, \] e integrando a partir do limiar absoluto \(I_0\) (a menor intensidade detectável, para a qual \(\psi = 0\)), obtém-se \[ \psi = K \ln\!\left(\frac{I}{I_0}\right). \] A sensação cresce, portanto, com o logaritmo da intensidade: multiplicar o estímulo por 2 acrescenta sempre \(K\ln 2 \approx 0{,}69\,K\) à sensação, qualquer que seja o nível de partida. A lei de Weber–Fechner descreve bem algumas modalidades sensoriais (a escala de decibéis para o som e a escala de magnitudes estelares para o brilho são logarítmicas por esse motivo), mas falha em outras, o que motivou a proposta de Stevens.

Lei de potência de Stevens. Stevens (1957) propôs que a magnitude percebida \(\psi\) de um estímulo de intensidade física \(\phi\) segue uma lei de potência: \[ \psi = c\,\phi^{\beta}, \] em que o expoente \(\beta\) depende do tipo de estímulo. Valores típicos relatados na literatura são \(\beta \approx 1\) para comprimento (percepção praticamente linear), \(\beta \approx 0{,}7\) para área e \(\beta \approx 0{,}6\) para volume. Quando \(\beta < 1\), as grandezas são subestimadas de forma sistemática.

Exemplo resolvido. Considere dois círculos (por exemplo, em um gráfico de bolhas) cujas áreas estão na razão de 4 para 1. A razão percebida é aproximadamente \[ \frac{\psi_1}{\psi_2} = \left(\frac{\phi_1}{\phi_2}\right)^{0{,}7} = 4^{0{,}7} = e^{0{,}7 \ln 4} \approx e^{0{,}970} \approx 2{,}64. \] O leitor percebe o círculo maior como “pouco mais de duas vezes e meia” maior, quando na verdade ele é quatro vezes maior. Para cubos (volume, \(\beta \approx 0{,}6\)) com razão 8, a razão percebida seria \(8^{0{,}6} \approx 3{,}48\). Já para barras (comprimento, \(\beta \approx 1\)), a razão 4 é percebida como aproximadamente 4. Esse é o fundamento quantitativo da recomendação de preferir comprimento e posição a área e volume.

Os expoentes de Stevens foram estimados pelo método de estimação de magnitude: o participante recebe um estímulo de referência associado a um número (por exemplo, 10) e deve atribuir números aos demais estímulos de forma proporcional à sensação. Como \(\log \psi = \log c + \beta \log \phi\), o expoente é a inclinação da reta ajustada no gráfico log-log das respostas contra as intensidades. A tabela a seguir reúne valores aproximados frequentemente citados (Stevens 1957; Ware 2012); eles variam entre estudos e entre pessoas, e devem ser lidos como ordens de grandeza.

Estímulo	Expoente \(\beta\) aproximado	Consequência para gráficos
Comprimento visual	1,0	Percepção praticamente proporcional: barras e posições são fiéis
Área visual	0,7	Bolhas e quadrados subestimam diferenças
Volume visual	0,6	Cubos e esferas 3D subestimam ainda mais
Brilho (luminosidade)	0,33 a 0,5	Escalas de intensidade de cor comprimem grandes diferenças

Exemplo resolvido: compensando a percepção de áreas. Em cartografia, há uma longa discussão sobre “corrigir” o tamanho de símbolos proporcionais para compensar a subestimação. Suponha que um valor seja 3 vezes maior que outro e que queiramos que a razão percebida entre os círculos seja 3. Pela lei de Stevens com \(\beta = 0{,}7\), a razão entre as áreas \(r_A\) deve satisfazer \(r_A^{0{,}7} = 3\), isto é, \[ r_A = 3^{1/0{,}7} = e^{(\ln 3)/0{,}7} \approx e^{1{,}569} \approx 4{,}80. \] Como a área de um círculo é proporcional ao quadrado do raio, a razão entre os raios deve ser \(\sqrt{4{,}80} \approx 2{,}19\), contra \(\sqrt{3} \approx 1{,}73\) no desenho fiel às áreas. A correção, porém, tem dois problemas: o expoente varia muito entre leitores, e o gráfico “corrigido” deixa de ser fiel para quem tentar medi-lo. A recomendação moderna é não corrigir e, quando a comparação precisa importa, trocar a área por comprimento ou posição, ou acrescentar rótulos numéricos.

9.2.4 A hierarquia de precisão perceptual de Cleveland e McGill

Em um dos artigos mais influentes da história da visualização, Cleveland e McGill (1984) realizaram experimentos controlados nos quais participantes deviam estimar a razão entre dois valores codificados de diferentes maneiras (posições, comprimentos, ângulos, áreas etc.). O erro de cada julgamento foi medido por \[ e = \log_2\left(\,\lvert \text{porcentagem julgada} - \text{porcentagem verdadeira} \rvert + \tfrac{1}{8}\,\right), \] em que o logaritmo comprime erros grandes e a constante \(1/8\) evita o logaritmo de zero. A partir desses experimentos e de argumentos teóricos, os autores propuseram uma ordenação das tarefas perceptuais elementares, da mais precisa para a menos precisa:

Posição ao longo de uma escala comum (gráfico de pontos, dispersão, barras alinhadas na base);
Posição ao longo de escalas idênticas, mas não alinhadas (painéis lado a lado com a mesma escala);
Comprimento, direção e ângulo;
Área;
Volume e curvatura;
Sombreamento e saturação de cor.

Princípio de Cleveland e McGill

Codifique a informação mais importante com as tarefas perceptuais mais precisas. Se o objetivo é comparar quantidades com exatidão, use posição em escala comum ou comprimento; reserve área, volume e cor para informações secundárias ou para dar uma impressão geral.

Esse princípio justifica várias recomendações práticas:

Barras em vez de pizza: na pizza, comparamos ângulos e áreas (níveis 3 e 4); nas barras, comprimentos e posições em escala comum (níveis 1 e 3). Nos experimentos, os erros em julgamentos de ângulos foram substancialmente maiores.
Barras agrupadas em vez de empilhadas: em barras empilhadas, apenas o primeiro segmento está alinhado à base; os demais exigem comparar comprimentos não alinhados.
Gráfico de pontos (dot plot): codifica valores pela posição em escala comum, com menos tinta que as barras, e dispensa a origem em zero, já que não depende do comprimento.
Mapas coloridos (coropléticos) são bons para padrões espaciais gerais, mas ruins para comparações precisas entre regiões (nível 6).

Os resultados de Cleveland e McGill foram replicados, mais de duas décadas depois, por Heer e Bostock (2010), em experimentos com centenas de participantes recrutados pela internet. A ordenação geral se manteve: posição em escala comum produziu os menores erros, seguida por comprimento e ângulo, e as codificações por área (círculos e retângulos) os maiores. Esse tipo de replicação é importante porque mostra que a hierarquia não é um artefato de um único laboratório ou de uma amostra pequena.

9.2.5 Variáveis visuais de Bertin e os critérios de Mackinlay

Antes dos experimentos de Cleveland e McGill, o cartógrafo francês Jacques Bertin publicou, em 1967, a Sémiologie Graphique (Bertin 1983), uma das primeiras teorias sistemáticas da representação gráfica. Bertin observou que uma marca no plano (ponto, linha ou área) pode variar em duas dimensões de posição e em seis variáveis visuais “de retina”: tamanho, valor (luminosidade), textura, cor (matiz), orientação e forma. Cada variável tem propriedades diferentes:

Variável visual	Associativa (agrupa)	Seletiva (isola)	Ordenada	Quantitativa
Posição	sim	sim	sim	sim
Tamanho	não	sim	sim	sim
Valor (luminosidade)	não	sim	sim	não
Textura	sim	sim	sim	não
Cor (matiz)	sim	sim	não	não
Orientação	sim	sim	não	não
Forma	sim	não	não	não

A tabela, adaptada de Bertin, deve ser lida como: “a forma permite agrupar elementos semelhantes, mas não permite ordenar nem quantificar”. Daí decorre, por exemplo, que usar formas diferentes de marcadores para representar níveis de uma variável ordinal (renda baixa, média, alta) é um erro de codificação: o leitor não percebe ordem entre um triângulo e um quadrado.

Duas décadas depois, Mackinlay (1986) transformou essas ideias em dois critérios formais para gerar gráficos automaticamente:

Expressividade: uma codificação é expressiva se exprime todos os fatos dos dados e apenas esses fatos. Codificar uma variável nominal (por exemplo, a região) por comprimento viola a expressividade, pois sugere uma ordem e uma proporção que não existem; codificar uma variável quantitativa por matiz viola-a no sentido oposto, pois a ordem dos dados não é transmitida.
Efetividade: entre as codificações expressivas, escolhe-se a que é percebida com maior precisão. Mackinlay estendeu a hierarquia de Cleveland e McGill e mostrou que a ordenação depende do tipo de dado: para dados quantitativos, posição, comprimento e ângulo vêm primeiro; para dados ordinais, posição, luminosidade e saturação são mais efetivas que comprimento; para dados nominais, posição, matiz e textura superam tamanho e luminosidade.

Esses dois critérios são a base teórica de sistemas modernos de recomendação de gráficos e da própria gramática dos gráficos (Wilkinson 2005): ao mapear variáveis em estéticas (aes(x = ..., color = ...) no ggplot2), o analista está, implicitamente, tomando decisões de expressividade e efetividade.

9.3 Os Seis Passos do Storytelling Eficaz

A estruturação de uma comunicação eficaz baseada em dados segue seis etapas fundamentais descritas a seguir.

9.3.1 Entender o Contexto (O Briefing)

Toda boa apresentação começa com um planejamento rigoroso fora do computador. Você deve responder com clareza a três perguntas:

Quem é o público? Qual o nível de familiaridade deles com dados? Eles são executivos seniores que precisam de uma visão estratégica rápida, ou técnicos que querem detalhes?
O que você quer que eles saibam ou façam? Toda história de dados deve conter um apelo à ação (call to action). Se você está apenas informando, a comunicação corre o risco de ser inútil.
Como você apresentará? Será uma apresentação ao vivo (onde você tem o controle da narrativa) ou um relatório enviado por e-mail (que precisa ser autoexplicativo)?

Knaflic (2015) chama atenção para a diferença entre esses dois últimos modos de entrega. Em uma apresentação ao vivo, o apresentador conduz o público e os slides podem ser mais enxutos, já que a fala complementa o visual. Em um documento lido sozinho, o material precisa conter todo o contexto e as conclusões por escrito. Tentar usar o mesmo material para os dois propósitos — o que a autora chama de slideument (meio slide, meio documento) — costuma produzir slides carregados demais para uma apresentação e vagos demais para leitura.

Quanto ao público, evite o “público geral”: tentar comunicar com todos ao mesmo tempo resulta em não comunicar com ninguém. Identifique o tomador de decisão e o que ele valoriza. Uma diretora financeira quer saber o impacto no orçamento; um coordenador de curso quer saber quais disciplinas estão associadas à evasão; um revisor de periódico quer avaliar a validade das inferências.

9.3.1.1 Análise do público

Uma forma estruturada de conhecer o público é cruzar duas dimensões: o domínio técnico (familiaridade com estatística e com os dados) e o poder de decisão (quanto a pessoa influencia a ação que se pretende provocar). O quadro a seguir sugere estratégias para cada combinação:

	Pouco domínio técnico	Muito domínio técnico
Alto poder de decisão	Executivos, gestores públicos: Grande Ideia no início, poucos gráficos simples, linguagem de impacto (custo, prazo, risco), detalhes em apêndice	Diretores técnicos, coordenadores de pesquisa: conclusões primeiro, mas com acesso a premissas, incertezas e métodos
Baixo poder de decisão	Público geral, imprensa: analogias, frequências naturais, ícones, nenhum jargão	Pares, revisores, equipe de dados: método completo, diagnósticos, limitações, código reproduzível

Algumas perguntas complementares ajudam a calibrar a comunicação:

O que o público já acredita? Se a conclusão contraria a crença dominante, será preciso mais evidência e uma antecipação das objeções.
O que o público ganha ou perde com a recomendação? Resistências costumam ser motivadas por consequências, e não por dúvidas sobre os números.
Qual vocabulário é natural para ele? “Intervalo de confiança de 95%” pode ser exato para estatísticos e opaco para gestores; “estimamos entre 120 e 150 alunos; valores fora dessa faixa são pouco compatíveis com os dados” pode ser a tradução adequada, desde que não distorça o significado técnico.
Quanto tempo e atenção estão disponíveis? Uma reunião de dez minutos comporta uma ideia; um relatório técnico comporta várias.

Duas ferramentas ajudam a cristalizar a mensagem antes de abrir qualquer software:

A história em 3 minutos. Se você tivesse apenas três minutos (ou se o seu público só lesse um e-mail), o que diria? Ser capaz de resumir a análise nesse tempo demonstra clareza sobre o que realmente importa e torna o resto da apresentação um desdobramento dessa síntese.

A Grande Ideia (Big Idea). É a mensagem central condensada em uma única frase completa, que deve (i) expressar o seu ponto de vista, (ii) comunicar o que está em jogo e (iii) ser uma frase completa, com sujeito e verbo (Knaflic 2015). Compare:

Fraca	Forte (Grande Ideia)
“Análise da evasão no curso.”	“A reprovação em Cálculo I no primeiro período triplica o risco de evasão; um programa de monitoria pode reter alunos que hoje estamos perdendo.”
“Resultados de vendas do trimestre.”	“As vendas na região Sul caíram após a mudança de transportadora; renegociar os prazos de entrega deve ser prioridade no próximo trimestre.”

Dica: comece pelo fim

Antes de construir o primeiro gráfico explanativo, escreva a Grande Ideia e as frases que serão os títulos de cada slide ou seção. Os gráficos virão depois, como evidências que sustentam essas frases. Se um gráfico não sustenta nenhuma delas, ele provavelmente pertence à análise exploratória, e não à apresentação.

9.3.2 Escolher a Exibição Visual Adequada

Nem todo gráfico serve para qualquer situação. É essencial selecionar o tipo de representação ideal para cada tipo de dado:

Texto Simples: Se você tem apenas um ou dois números importantes a destacar, não use um gráfico. Apresente o número em fonte grande acompanhado de uma frase curta descritiva.
Tabelas: Excelentes para exibição de detalhes ou consulta individual por múltiplos usuários. Em apresentações de slides, devem ser evitadas ou usadas apenas na forma de tabelas térmicas (heatmaps) para direcionar o olhar do público.
Gráficos de Linhas: Ideais para dados contínuos que mostram tendências ao longo do tempo.
Gráficos de Barras (Verticais ou Horizontais): São os gráficos mais fáceis de ler pelo olho humano porque comparam comprimentos. Devem sempre iniciar o eixo y no valor zero para não distorcer visualmente a proporção entre as categorias.
Gráficos de Dispersão (Scatterplots): Excelentes para visualizar a relação entre duas variáveis contínuas.
O que EVITAR: Evite gráficos tridimensionais (3D) porque distorcem a percepção das áreas e alturas, e gráficos de pizza (pie charts), pois o cérebro humano tem dificuldades em comparar ângulos e fatias de tamanho similar.

Uma forma sistemática de escolher é partir da tarefa que o leitor deve realizar (Wilke 2019; Few 2012):

Tarefa / relação	Gráficos recomendados	Observação
Comparar categorias	Barras (horizontais se os rótulos forem longos), pontos	Ordene as barras pelo valor, salvo ordem natural
Evolução temporal	Linhas; barras para poucos períodos discretos	Tempo sempre no eixo horizontal
Parte-todo	Barras empilhadas 100%, barras simples, waffle	Pizza apenas com 2 ou 3 fatias muito diferentes
Distribuição	Histograma, densidade, boxplot, violino	Veja o Capítulo de Análise Exploratória de Dados com Python
Relação entre variáveis	Dispersão, com ou sem curva de tendência	Transparência para muitos pontos
Desvio em relação a uma referência	Barras divergentes	Cor divergente centrada na referência
Ranking	Barras ordenadas, slope chart
Padrões espaciais	Mapas coropléticos, mapas de símbolos	Cuidado: área do território não é o dado

9.3.2.1 Gráficos a evitar e por quê

Pizza 3D. Além do problema dos ângulos, a perspectiva faz com que as fatias na frente pareçam maiores que fatias de mesmo valor no fundo, pois exibem sua “espessura” lateral e são projetadas com mais área. O efeito tridimensional acrescenta, portanto, distorção sem acrescentar nenhuma informação: é o exemplo perfeito de carga cognitiva estranha.

Gráficos de rosca (donut). Removem o centro da pizza, de modo que nem o ângulo central pode ser usado; o leitor precisa comparar comprimentos de arcos, uma tarefa ainda menos precisa.

Barras e colunas 3D. O topo da barra 3D não deixa claro em que ponto se deve ler o valor no eixo (na face frontal ou na traseira?), e a perspectiva introduz erros.

Eixo duplo (dual axis). Dois eixos verticais com escalas diferentes no mesmo gráfico parecem uma forma econômica de mostrar duas séries, mas são perigosos. A escolha das duas escalas é arbitrária, e com ela o analista controla a impressão visual. Formalmente, se a segunda série \(z_t\) é desenhada usando a transformação afim \[ z_t' = \alpha + \gamma\, z_t, \qquad \gamma > 0, \] os dois parâmetros livres \((\alpha, \gamma)\) permitem posicionar quaisquer dois pontos da série \(z\) onde se desejar. Assim, é possível fazer as duas linhas se cruzarem em qualquer data, parecerem paralelas ou parecerem divergir, sem que nada nos dados mude. O leitor tende a interpretar cruzamentos e inclinações como significativos, o que convida a conclusões espúrias (por exemplo, sugerir causalidade entre duas séries que apenas compartilham uma tendência). As alternativas recomendadas são: (i) dois painéis alinhados no eixo do tempo; (ii) um gráfico de dispersão de uma série contra a outra; ou (iii) indexar ambas as séries a um período-base, \(I_t = 100 \cdot y_t / y_{t_0}\), e desenhá-las no mesmo eixo, como mostrado adiante.

Gráficos de radar e gráficos com muitas séries sobrepostas (spaghetti charts) também devem ser usados com cautela; frequentemente, pequenos múltiplos (small multiples, painéis repetidos com a mesma escala, como os produzidos por facet_wrap() no ggplot2) comunicam melhor.

Os pequenos múltiplos merecem destaque. Tufte (1983) os descreve como “uma série de gráficos que mostram as mesmas variáveis, com as mesmas escalas, mudando apenas o recorte dos dados”. Do ponto de vista perceptual, eles transformam uma comparação difícil (distinguir linhas de muitas cores sobrepostas, que exige memorizar uma legenda) em uma comparação fácil de posição em escalas idênticas, mas não alinhadas — o nível 2 da hierarquia de Cleveland e McGill. A condição essencial é que todos os painéis compartilhem a mesma escala; escalas livres (scales = "free") só devem ser usadas quando o objetivo for comparar formas, e não níveis, e isso deve ser dito explicitamente ao leitor.

9.3.2.2 Quando a resposta é uma tabela

Tabelas não são o “plano B” dos gráficos: são a melhor escolha quando o leitor precisa consultar valores exatos, quando há poucas linhas e muitas medidas por linha, ou quando o público combina várias unidades de medida. Ehrenberg (1977), em um artigo clássico sobre a “numeracia” das tabelas, propôs regras que continuam válidas:

Arredonde para dois dígitos efetivos (os dígitos que variam entre as linhas). A memória de curto prazo não compara números como 48.372,15 e 51.906,88, mas compara 48 e 52 com facilidade.
Coloque os números a comparar em colunas, e não em linhas: o olho compara melhor dígitos alinhados verticalmente.
Ordene as linhas pelo tamanho de uma coluna relevante, salvo quando houver ordem natural (tempo, faixas etárias).
Inclua médias ou totais de linha e coluna como referência visual.
Use o espaçamento para guiar o olhar e evite grades: linhas horizontais apenas no cabeçalho e no rodapé (o estilo booktabs do LaTeX) bastam.
Resuma em palavras o padrão principal da tabela, no título ou no texto.

A essas regras acrescentam-se convenções tipográficas: números alinhados à direita (ou pela vírgula decimal), todos com o mesmo número de casas decimais na mesma coluna; texto alinhado à esquerda; unidades no cabeçalho, e não repetidas em cada célula; e destaque (negrito ou cor) apenas na célula que sustenta a mensagem.

Exemplo resolvido. As despesas de custeio (em reais) de três campi foram 48.372,15; 51.906,88 e 9.814,02. Expressas em milhares de reais com dois dígitos efetivos, tornam-se 48; 52 e 9,8. O total, 110.093,05, torna-se 110. A comparação que antes exigia leitura cuidadosa passa a ser imediata: os dois primeiros campi gastam valores parecidos (cerca de 50 mil cada) e o terceiro gasta aproximadamente um quinto disso. A perda de precisão é irrelevante para a decisão e o ganho de compreensão é enorme; os valores exatos podem ficar em um apêndice.

Em R, o pacote gt permite aplicar essas regras de forma declarativa:

library(gt)
library(dplyr)

custeio <- tibble(
  campus  = c("Recife", "Caruaru", "Vitória"),
  despesa = c(48372.15, 51906.88, 9814.02)
)

custeio |>
  arrange(desc(despesa)) |>
  mutate(despesa = despesa / 1000) |>
  gt() |>
  tab_header(
    title = "Caruaru e Recife concentram 91% do custeio",
    subtitle = "Despesas de custeio por campus, em R$ mil (dados fictícios)"
  ) |>
  cols_label(campus = "Campus", despesa = "Despesa (R$ mil)") |>
  fmt_number(columns = despesa, n_sigfig = 2, dec_mark = ",", sep_mark = ".") |>
  cols_align(align = "right", columns = despesa) |>
  tab_source_note("Fonte: dados fictícios para ilustração.")

O percentual do título é \((48{,}372 + 51{,}907)/110{,}093 \approx 0{,}911\).

9.3.3 Eliminar a Desordem (Clutter)

Nosso cérebro tem uma capacidade de processamento limitada (carga cognitiva). Elementos visuais desnecessários disputam a atenção do leitor e causam fadiga mental. Para eliminar a desordem dos gráficos, aplicamos as Leis da Gestalt de Percepção Visual:

Proximidade: Elementos próximos são vistos como pertencentes a um mesmo grupo.
Semelhança: Elementos com cores ou formas semelhantes são associados.
Enclausuramento: Desenhar um contorno ou fundo cinza ao redor de alguns dados os destaca imediatamente como um grupo distinto.
Conexão: Linhas que ligam pontos fazem o cérebro interpretá-los como um fluxo contínuo.

Boas práticas para limpar gráficos: Remova bordas desnecessárias, suavize as linhas de grade cinzas, remova marcadores redundantes de dados nos eixos se os valores já estiverem rotulados diretamente nas barras, e evite o uso excessivo de cores.

9.3.3.1 As Leis da Gestalt em detalhe

A psicologia da Gestalt (palavra alemã para “forma” ou “configuração”) foi desenvolvida na Alemanha no início do século XX por Max Wertheimer, Wolfgang Köhler e Kurt Koffka. Sua tese central é que percebemos padrões e estruturas inteiras, e não elementos isolados: “o todo é diferente da soma das partes”. Os princípios da Gestalt descrevem como o sistema visual agrupa elementos automaticamente, e cada um deles tem aplicação direta em gráficos (Knaflic 2015; Ware 2012):

Princípio	Enunciado	Aplicação em gráficos
Proximidade	Objetos próximos são percebidos como grupo	Em barras agrupadas, o espaçamento entre grupos deve ser maior que dentro do grupo; aproxime rótulos dos dados que descrevem
Similaridade	Objetos com mesma cor, forma ou tamanho são associados	Use a mesma cor para a série e para o texto que a comenta, dispensando a legenda
Cercamento (enclosure)	Objetos dentro de uma mesma região delimitada formam um grupo	Sombreamento suave para destacar um período (por exemplo, uma recessão ou o período de previsão)
Fechamento (closure)	Tendemos a completar formas incompletas	Gráficos não precisam de bordas nem de fundo cinza: o leitor percebe a área do gráfico sem elas
Continuidade	Tendemos a seguir o caminho mais suave	Barras alinhadas à mesma base dispensam o traço do eixo; o olho segue o alinhamento
Conexão	Objetos ligados por linhas são vistos como grupo, com força maior que cor ou forma	Linhas ligando pontos indicam ordem ou continuidade (use-as apenas se houver ordem, como o tempo)

Os princípios do fechamento e da continuidade justificam a remoção de molduras, eixos e grades: o sistema visual “completa” a estrutura sozinho. A similaridade justifica a substituição de legendas por rótulos diretos coloridos. A conexão explica por que nunca devemos ligar por linhas categorias sem ordem natural (por exemplo, estados brasileiros em ordem alfabética): o leitor inferiria uma continuidade inexistente.

9.3.3.2 A razão dados-tinta e o chartjunk

Tufte (1983) formalizou a ideia de eliminar a desordem com o conceito de razão dados-tinta (data-ink ratio): \[ \text{razão dados-tinta} = \frac{\text{tinta usada para representar dados}}{\text{tinta total usada no gráfico}} = 1 - \text{proporção de tinta que pode ser apagada sem perda de informação}. \] O princípio de Tufte é maximizar a razão dados-tinta, dentro do razoável: apagar a tinta que não representa dados e a tinta redundante.

Exemplo numérico. Suponha que, em um gráfico de barras padrão, a “tinta” (área de pixels desenhados) se distribua assim: barras 40 unidades; fundo cinza 25; grade 15; moldura 5; efeito 3D e sombras 10; rótulos e títulos 5 (total: 100). A razão dados-tinta é \(40/100 = 0{,}40\). Removendo fundo, moldura e efeito 3D e suavizando a grade (que passa a ocupar 5 unidades), a tinta total cai para \(40 + 5 + 5 = 50\), e a razão sobe para \(40/50 = 0{,}80\), sem nenhuma perda de informação.

Tufte também cunhou o termo chartjunk (“lixo gráfico”) para designar elementos decorativos que não comunicam dados: texturas e hachuras chamativas, efeitos 3D, ícones e ilustrações dentro do gráfico, grades pesadas. O conceito deve ser aplicado com bom senso: elementos não-dados que ajudam a leitura (um título informativo, uma anotação que explica um pico, uma linha de referência) não são lixo, mas parte da história.

Tufte propôs ainda uma medida complementar, a densidade de dados (data density): \[ \text{densidade de dados} = \frac{\text{número de entradas na matriz de dados}}{\text{área do gráfico}}. \] Um gráfico de dispersão com 200 pontos (cada um com duas coordenadas, logo 400 entradas) desenhado em uma área de \(10 \times 8 = 80\) cm² tem densidade de \(400/80 = 5\) números por cm². Já um gráfico de barras com três valores ocupando meia página (cerca de 300 cm²) tem densidade de \(3/300 = 0{,}01\) número por cm²: muita área para pouca informação. Gráficos de baixa densidade não são necessariamente errados, mas devem levantar a pergunta: “um texto com os três números não seria mais eficiente?”. Tufte também sugere o princípio do encolhimento: muitos gráficos podem ser reduzidos sem perda de legibilidade, liberando espaço para pequenos múltiplos ou para texto.

É importante registrar que a recomendação de minimalismo extremo não é consensual. Estudos experimentais posteriores mostraram que ilustrações e elementos “decorativos” relacionados ao conteúdo podem melhorar a memorização de um gráfico sem prejudicar a precisão da leitura. A síntese razoável é: elementos que não codificam dados devem ser julgados pelo papel que cumprem na comunicação, e não eliminados por princípio.

9.3.4 Focar a Atenção (Atributos Pré-atentivos)

O olho humano é treinado para detectar rapidamente quebras de padrão no ambiente. Na visualização de dados, utilizamos atributos pré-atentivos (características visuais percebidas instantaneamente pelo subconsciente) para guiar o leitor:

Cor: Use cores cinzas ou neutras para 90% do seu gráfico e aplique uma única cor vibrante (como azul ou vermelho) apenas no ponto ou barra que contém o insight principal.
Tamanho: Fontes maiores ou espessuras de linha maiores indicam maior importância.
Posição: O público lê de cima para baixo e da esquerda para a direita (em padrão Z). Posicione os títulos mais importantes e as conclusões no topo esquerdo do layout.

Algumas diretrizes adicionais:

Um destaque por vez. Se tudo estiver destacado, nada estará. Cada atributo pré-atentivo usado em excesso perde seu poder de pop-out (lembre-se da busca por conjunção).
O teste “onde seus olhos vão primeiro?” Feche os olhos, abra-os diante do gráfico e anote para onde o olhar foi atraído. Se não for para o ponto que sustenta a Grande Ideia, redesenhe.
Texto também tem atributos pré-atentivos. Em um parágrafo, negrito, cor e tamanho guiam a leitura, e o mesmo vale para os títulos dos gráficos.
Títulos de ação. Substitua títulos descritivos (“Vendas por região, 2024”) por títulos que enunciam a conclusão (“Região Sul foi a única com queda nas vendas em 2024”). O título é o lugar de maior destaque do gráfico e deve carregar a mensagem.

9.3.5 Pensar como um Designer

A estética é importante. Gráficos bonitos e organizados geram mais credibilidade e são mais aceitos pelo público.

Acessibilidade: Certifique-se de que o contraste das cores é suficiente e que a apresentação pode ser lida por pessoas daltônicas (evitando, por exemplo, combinar vermelho e verde para indicar positivo e negativo sem outra pista visual como formas ou ícones).
Alinhamento: Mantenha todos os textos e caixas alinhados de forma consistente para passar uma sensação de ordem e profissionalismo.

Pensar como designer significa também respeitar as affordances (as pistas de uso de um objeto): destacar o que é importante, eliminar distrações e criar uma hierarquia visual clara de informação (título, depois os dados destacados, depois o contexto). Os princípios de espaço em branco (não preencher todo o espaço disponível) e de consistência (as mesmas cores representam as mesmas coisas ao longo de toda a apresentação) completam o conjunto.

9.3.5.1 O uso da cor

A cor é o atributo mais poderoso e mais abusado. Um modelo útil descreve cada cor por três dimensões: matiz (hue: vermelho, azul, verde), luminosidade (lightness: clara ou escura) e saturação (chroma: intensa ou acinzentada). Matiz é essencialmente categórico; luminosidade e saturação são ordenadas. Daí decorrem três tipos de paletas (Harrower e Brewer 2003; Wilke 2019):

Tipo de paleta	Quando usar	Construção	Exemplos
Qualitativa (categórica)	Categorias sem ordem (regiões, produtos)	Matizes diferentes, luminosidade semelhante	Okabe-Ito, `Set2`, `Dark2` (ColorBrewer)
Sequencial	Valores ordenados de baixo a alto (renda, taxa)	Um matiz (ou poucos), luminosidade variando monotonicamente	`Blues`, `viridis`
Divergente	Valores com um ponto central significativo (zero, média, meta)	Dois matizes nos extremos, cor neutra clara no centro	`RdBu`, `PuOr`

Regras práticas:

Limite o número de cores categóricas a cerca de seis a oito; além disso, o leitor não distingue as cores nem as memoriza. Agrupe categorias menores em “Outros” ou use pequenos múltiplos.
Evite a paleta arco-íris (rainbow/jet) para dados ordenados: ela não é perceptualmente uniforme (faixas como o amarelo e o ciano parecem fronteiras nítidas que não existem nos dados), não tem ordem intuitiva e é problemática para daltônicos. Paletas como viridis foram projetadas para variar de luminosidade de forma uniforme e monótona.
Use cores com significado consistente e, quando possível, culturalmente intuitivo (por exemplo, azul para temperaturas baixas e vermelho para altas), mas nunca dependa apenas da cor para transmitir uma informação essencial.

9.3.5.2 Daltonismo e acessibilidade

A deficiência na visão de cores (daltonismo) afeta cerca de 8% dos homens e 0,5% das mulheres de ascendência norte-europeia; em uma turma ou plateia de algumas dezenas de pessoas, é provável que ao menos uma delas tenha alguma forma de daltonismo. Os tipos mais comuns envolvem a dificuldade de distinguir vermelho e verde (protanopia/protanomalia, ligada aos cones sensíveis a comprimentos de onda longos, e deuteranopia/deuteranomalia, ligada aos cones de comprimentos médios); a tritanopia (azul-amarelo) é rara. Recomendações:

use paletas seguras, como a de Okabe-Ito (#E69F00, #56B4E9, #009E73, #F0E442, #0072B2, #D55E00, #CC79A7, #000000) ou a família viridis;
combine azul e laranja em vez de vermelho e verde para contrastes binários;
use codificação redundante: além da cor, diferencie por forma, tipo de linha, rótulo direto ou posição;
simule o gráfico como seria visto por um daltônico (por exemplo, com o pacote colorblindr no R ou com simuladores online).

Outro aspecto da acessibilidade é o contraste de luminância entre texto e fundo. As diretrizes de acessibilidade para a web (WCAG) definem a luminância relativa de uma cor sRGB, com componentes \(R, G, B \in [0,1]\), como \[ L = 0{,}2126\,R_\ell + 0{,}7152\,G_\ell + 0{,}0722\,B_\ell, \qquad c_\ell = \begin{cases} c / 12{,}92, & c \le 0{,}04045,\\ \left(\dfrac{c + 0{,}055}{1{,}055}\right)^{2{,}4}, & c > 0{,}04045, \end{cases} \] e a razão de contraste entre duas cores com luminâncias \(L_1 \geq L_2\) como \[ \text{contraste} = \frac{L_1 + 0{,}05}{L_2 + 0{,}05} \in [1, 21]. \] Os pesos refletem a maior sensibilidade do olho humano ao verde. Para texto de tamanho normal, recomenda-se contraste mínimo de \(4{,}5:1\).

Exemplo resolvido. Texto cinza #777777 sobre fundo branco. Cada componente vale \(c = 119/255 \approx 0{,}4667 > 0{,}04045\), logo \[ c_\ell = \left(\frac{0{,}4667 + 0{,}055}{1{,}055}\right)^{2{,}4} = 0{,}4945^{2{,}4} = e^{2{,}4 \ln 0{,}4945} \approx e^{-1{,}690} \approx 0{,}1845. \] Como os três componentes são iguais, \(L = (0{,}2126 + 0{,}7152 + 0{,}0722)\times 0{,}1845 = 0{,}1845\). O branco tem \(L = 1\), e o contraste é \((1 + 0{,}05)/(0{,}1845 + 0{,}05) \approx 4{,}48\), ligeiramente abaixo do mínimo de 4,5. Um cinza um pouco mais escuro, como #595959, já atende com folga. Esse cálculo mostra que o “cinza elegante” muito claro, comum em gráficos minimalistas, pode tornar o texto ilegível em projetores.

9.3.6 Contar uma História (A Estrutura Narrativa)

Estruture a sua apresentação contendo uma narrativa coerente que envolva o público:

Introdução (O Contexto): Apresente o cenário atual, o problema de negócio ou a pergunta de pesquisa.
Desenvolvimento (A Jornada): Mostre os dados relevantes de suporte que descrevem o problema, aprofundando o entendimento e mostrando o que causou o problema.
Clímax (O Insight): Apresente a descoberta principal da análise estatística de forma marcante.
Resolução (A Ação): Recomende as ações concretas que devem ser tomadas com base nos dados apresentados.

9.3.6.1 A estrutura em três atos

Essa sequência é uma adaptação da estrutura dramática clássica, que remonta à Poética de Aristóteles e que o cinema consagrou como estrutura em três atos:

Ato I — Preparação (setup): apresenta o cenário, os “personagens” (o cliente, o curso, a cidade) e o conflito — a tensão que justifica a atenção do público. Sem conflito não há história: “as vendas estão estáveis” não é uma história; “as vendas estão estáveis, mas a concorrente cresceu 20% no mesmo período” é.
Ato II — Confronto: desenvolve a tensão com evidências, explora causas, descarta explicações alternativas e mostra o que acontecerá se nada for feito.
Ato III — Resolução: apresenta a conclusão e a chamada à ação: o que o público deve fazer e por quê.

Duarte (2010), ao analisar discursos memoráveis, descreve um padrão de alternância entre “o que é” (a situação atual) e “o que poderia ser” (o futuro desejado), terminando com uma visão do “novo normal” que se alcança com a ação proposta. Essa alternância cria tensão e a resolve repetidamente, mantendo o engajamento.

9.3.6.2 A pirâmide de Freytag

O dramaturgo alemão Gustav Freytag, ao analisar tragédias gregas e peças de Shakespeare, descreveu a estrutura dramática como uma pirâmide de cinco partes (Freytag 1863):

Exposição: o cenário e os personagens são apresentados;
Ação ascendente: um conflito surge e a tensão cresce;
Clímax: o ponto de maior tensão, em que a situação se decide;
Ação descendente: as consequências do clímax se desdobram;
Desfecho: o conflito é resolvido e uma nova ordem se estabelece.

A tradução para uma apresentação de dados é direta. Em uma análise sobre evasão: a exposição apresenta o curso e a taxa histórica de evasão; a ação ascendente mostra que a evasão cresceu nos últimos anos e investiga possíveis causas (renda, distância, desempenho); o clímax revela o achado central (a reprovação em Cálculo I no primeiro período é o fator mais fortemente associado à evasão); a ação descendente discute a robustez do achado e o que acontece se nada for feito (projeção de perda de alunos); o desfecho traz a recomendação (programa de monitoria) e o plano para medir o seu efeito. Note que a pirâmide coloca o clímax no meio, e não no fim: depois dele ainda é preciso dar tempo para o público digerir a descoberta e aceitar a ação.

9.3.6.3 Situação–Complicação–Resolução e o princípio da pirâmide

No mundo da consultoria, a estrutura narrativa mais difundida é o princípio da pirâmide de Minto (2009), desenvolvido na consultoria McKinsey. Ele tem dois componentes:

Introdução SCR (Situation–Complication–Resolution): a Situação é um fato aceito pelo público, sem controvérsia (“a UFPE recebe cerca de 400 ingressantes por ano no curso X”); a Complicação é a mudança que cria um problema ou uma oportunidade (“nos últimos três anos, a evasão no primeiro ano dobrou”); essa complicação faz surgir, na mente do leitor, uma Pergunta (“o que devemos fazer?”); e a Resolução é a resposta, isto é, a Grande Ideia (“criar um programa de monitoria em Cálculo I”).
Estrutura em pirâmide: a resposta vem no topo; abaixo dela, de três a cinco argumentos que a sustentam; abaixo de cada argumento, os dados e gráficos que o comprovam. Cada nível resume o nível inferior, e os argumentos de um mesmo nível devem ser mutuamente exclusivos e coletivamente exaustivos (o princípio MECE, na sigla em inglês): não se sobrepõem e, juntos, cobrem a questão.

Exemplo. Para a recomendação de monitoria, a pirâmide poderia ser:

Topo (resposta): “Um programa de monitoria em Cálculo I deve reduzir a evasão no primeiro ano.”
- Argumento 1: “A reprovação em Cálculo I é o principal fator associado à evasão” (tabela de razões de chances; gráfico de barras com a taxa de evasão de aprovados e reprovados).
- Argumento 2: “Alunos que frequentaram monitorias em outras disciplinas reprovaram menos” (comparação entre turmas, com intervalos de confiança).
- Argumento 3: “O custo do programa é menor que a perda de receita e de vagas causada pela evasão” (tabela de custos).

A diferença em relação à pirâmide de Freytag é de ordem: Minto coloca a resposta no início (ordem dedutiva, adequada a executivos com pouco tempo), enquanto Freytag constrói a tensão até o clímax (ordem indutiva, adequada a públicos que precisam ser convencidos passo a passo).

9.3.6.4 Estruturas de narrativa visual

Com a difusão de visualizações interativas na imprensa, Segel e Heer (2010) analisaram dezenas de exemplos e identificaram três estruturas recorrentes, que diferem no equilíbrio entre a condução pelo autor e a exploração pelo leitor:

Taça de martíni (martini glass): a “haste” é uma sequência linear conduzida pelo autor (algumas telas com anotações que contam a história principal); ao final, a “taça” se abre e o leitor pode explorar livremente os dados.
Apresentação interativa (interactive slideshow): uma sequência de telas, como slides, mas em cada uma o leitor pode interagir um pouco antes de avançar.
Aprofundamento (drill-down): o autor apresenta um tema geral e o leitor escolhe quais detalhes abrir (por exemplo, clicar em um estado do mapa para ver a série temporal correspondente).

Para relatórios estáticos e apresentações, a estrutura linear (dirigida pelo autor) é a regra. Para painéis e páginas interativas, a taça de martíni costuma ser a melhor escolha: primeiro a mensagem, depois a exploração.

9.3.6.5 Ordem lógica versus ordem cronológica

Uma escolha importante é a ordem de apresentação. A ordem cronológica (contexto → método → resultados → conclusão) é natural para quem fez a análise e adequada a públicos que precisam avaliar o processo (como uma banca ou revisores). Para tomadores de decisão, frequentemente é melhor começar pela conclusão e pela ação recomendada e, só depois, apresentar as evidências — o que jornalistas chamam de pirâmide invertida. Em ambos os casos, verifique:

Lógica horizontal: lendo apenas os títulos dos slides (ou das seções) em sequência, a história completa deve ser compreendida.
Lógica vertical: tudo o que está em um slide (gráfico, texto, anotações) deve sustentar o seu título.
Repetição: diga o que vai dizer, diga, e diga o que disse. A repetição ajuda a transferir a mensagem da memória de curto para a de longo prazo.

9.3.6.6 O storyboard

Antes de produzir os slides, esboce a sequência da história em papel ou em notas adesivas, uma ideia por nota, e reorganize-as até a narrativa fluir. Esse storyboard, técnica emprestada do cinema, é barato de alterar e evita o apego prematuro a gráficos já prontos.

9.4 Gráficos Enganosos e Ética na Visualização

Gráficos podem enganar por descuido ou intencionalmente, como mostram os clássicos de Huff (1954) e Cairo (2019). O cientista de dados tem a responsabilidade ética de representar os dados com fidelidade. Para quantificar a distorção, Tufte (1983) propôs o fator de mentira (lie factor): \[ \text{fator de mentira} = \frac{\text{tamanho do efeito mostrado no gráfico}}{\text{tamanho do efeito nos dados}}, \qquad \text{tamanho do efeito} = \frac{\lvert \text{valor final} - \text{valor inicial} \rvert}{\text{valor inicial}}. \] Um gráfico fiel tem fator de mentira próximo de 1; Tufte considerou distorções substanciais valores fora do intervalo aproximado de \(0{,}95\) a \(1{,}05\).

9.4.1 Eixos truncados

Exemplo resolvido. A taxa de aprovação de uma disciplina passou de 50% para 55%. O aumento relativo nos dados é \((55 - 50)/50 = 0{,}10\), ou seja, 10%. Se esses valores forem desenhados como barras com o eixo vertical começando em 48%, as alturas visíveis serão \(50 - 48 = 2\) e \(55 - 48 = 7\) unidades. O aumento mostrado é \((7 - 2)/2 = 2{,}5\), ou 250%. Logo, \[ \text{fator de mentira} = \frac{2{,}5}{0{,}10} = 25. \] A segunda barra parece 3,5 vezes maior que a primeira, quando o valor é apenas 1,1 vez maior.

Barras começam no zero; linhas não precisam

Em gráficos de barras, o valor é codificado pelo comprimento, e o comprimento só é proporcional ao valor se a base estiver em zero. Já em gráficos de linhas e de pontos, o valor é codificado pela posição, e o interesse costuma estar nas variações; truncar o eixo pode ser legítimo (por exemplo, temperatura corporal entre 35 °C e 42 °C), desde que o eixo esteja claramente rotulado. Em qualquer caso, a escolha deve servir para mostrar o padrão relevante, e não para exagerá-lo.

9.4.2 Outras distorções comuns

Ícones e áreas escaladas em duas dimensões. Se um valor dobra e o ícone que o representa tem largura e altura dobradas, a área é multiplicada por 4. O efeito mostrado (em área) é \((4 - 1)/1 = 3\), contra \((2 - 1)/1 = 1\) nos dados: fator de mentira 3. Combinado à lei de Stevens, o leitor nem sequer perceberá o fator 4 corretamente — a percepção será aproximadamente \(4^{0{,}7} \approx 2{,}64\) —, mas a impressão continuará exagerada e imprecisa.
Manipulação da razão de aspecto. Esticar ou achatar o gráfico altera a inclinação aparente das linhas: um crescimento modesto parece explosivo num gráfico alto e estreito. Cleveland sugeriu escolher a razão de aspecto de modo que as inclinações relevantes fiquem próximas de 45°.
Seleção conveniente do período (cherry picking): escolher a janela temporal que favorece a tese (começar a série no ponto mais baixo para exagerar um crescimento).
Ausência de denominador: comparar números absolutos entre grupos de tamanhos muito diferentes (por exemplo, número de casos por estado sem dividir pela população).
Eixo invertido ou não linear sem aviso: uma escala logarítmica é legítima e útil, mas precisa estar claramente indicada.
Eixo duplo, discutido anteriormente, e gráficos 3D, cujas distorções foram explicadas pela perspectiva.
Omissão da incerteza: apresentar uma estimativa pontual como se fosse exata. Sempre que pertinente, mostre intervalos de confiança ou faixas de previsão.

9.4.3 Dois resultados formais sobre distorções

O fator de mentira de ícones escalados. Generalizando o caso anterior, suponha que um valor passe de \(v\) para \(r\,v\), com \(r > 1\), e que o ícone tenha largura e altura multiplicadas por \(r\). O efeito nos dados é \((rv - v)/v = r - 1\); a área do ícone passa de \(A\) para \(r^2 A\), de modo que o efeito mostrado é \(r^2 - 1\). Logo, \[ \text{fator de mentira} = \frac{r^2 - 1}{r - 1} = \frac{(r-1)(r+1)}{r-1} = r + 1. \] A distorção cresce com o próprio efeito: dobrar o valor (\(r = 2\)) gera fator 3; triplicar (\(r = 3\)) gera fator 4. Se o ícone for tridimensional (volume escalado por \(r^3\)), o fator passa a \((r^3 - 1)/(r - 1) = r^2 + r + 1\), igual a 7 para \(r = 2\). A forma honesta de usar ícones é repeti-los (um ícone para cada unidade de medida, como nos gráficos de ícones discutidos adiante) ou escalá-los em apenas uma dimensão.

A razão de aspecto e o “banking” a 45°. Cleveland, McGill, e McGill (1988) mostraram experimentalmente que julgamos melhor a diferença entre as inclinações de dois segmentos quando elas estão próximas de 45°. Isso leva a um método objetivo para escolher a razão de aspecto \(\alpha = h/w\) (altura sobre largura da área de plotagem). Se \(R_x\) e \(R_y\) são as amplitudes dos dados nos eixos e um segmento tem inclinação \(s = \Delta y/\Delta x\) nas unidades dos dados, sua inclinação na tela é \[ s_{\text{tela}} = \frac{\Delta y / R_y \cdot h}{\Delta x / R_x \cdot w} = \alpha\, s\, \frac{R_x}{R_y}. \] O critério da mediana das inclinações absolutas escolhe \(\alpha\) de forma que a mediana de \(\lvert s_{\text{tela}} \rvert\) seja 1 (isto é, 45°): \[ \alpha = \frac{1}{\operatorname{mediana}_i \big(\lvert s_i \rvert\, R_x / R_y\big)}. \]

Exemplo resolvido. Uma série tem os valores \(10, 12, 11, 15, 14, 18, 17, 22\) nos instantes \(0, 1, \dots, 7\). As amplitudes são \(R_x = 7\) e \(R_y = 22 - 10 = 12\). As inclinações dos sete segmentos são \(2, -1, 4, -1, 4, -1, 5\); em valor absoluto e ordenadas, \(1, 1, 1, 2, 4, 4, 5\), com mediana 2. Então \[ \alpha = \frac{1}{2 \times 7/12} = \frac{12}{14} \approx 0{,}86. \] Um gráfico com 14 cm de largura deveria ter cerca de 12 cm de altura. Um gráfico “achatado” de 14 cm por 4 cm (\(\alpha \approx 0{,}29\)) esconderia as oscilações; um gráfico alto e estreito exageraria a tendência. O método não é uma regra absoluta, mas oferece um ponto de partida objetivo, menos sujeito à manipulação.

9.5 Comunicando Incerteza e Risco

Estatísticos sabem que toda estimativa vem acompanhada de incerteza; o público, em geral, não. Quando a incerteza é omitida, a comunicação parece mais “limpa”, mas transmite uma falsa precisão que pode levar a decisões ruins e, quando a previsão falha, à perda de credibilidade. Por outro lado, quando a incerteza é comunicada em linguagem técnica (valores-\(p\), intervalos de confiança, probabilidades condicionais), ela frequentemente é mal interpretada. Esta seção reúne resultados da psicologia do raciocínio probabilístico que ajudam a resolver esse dilema (Gigerenzer 2002; Spiegelhalter, Pearson, e Short 2011).

9.5.1 Frequências naturais

Em uma série de experimentos, Gigerenzer e Hoffrage (1995) mostraram que pessoas leigas, e até médicos, erram sistematicamente problemas de probabilidade condicional apresentados em porcentagens, mas acertam muito mais quando o mesmo problema é apresentado em frequências naturais: contagens de casos em uma população de referência.

Exemplo resolvido: o problema da mamografia

Considere as seguintes informações sobre o rastreamento de câncer de mama em uma população: a prevalência da doença é de 1%; se a mulher tem câncer, a mamografia dá positivo com probabilidade 80% (sensibilidade); se não tem, dá positivo com probabilidade 9,6% (taxa de falsos positivos). Uma mulher teve resultado positivo. Qual a probabilidade de que ela tenha câncer?

Em probabilidades. Pelo teorema de Bayes, \[ P(C \mid +) = \frac{P(+ \mid C)\,P(C)}{P(+ \mid C)\,P(C) + P(+ \mid \bar{C})\,P(\bar{C})} = \frac{0{,}80 \times 0{,}01}{0{,}80 \times 0{,}01 + 0{,}096 \times 0{,}99} = \frac{0{,}008}{0{,}10304} \approx 0{,}078. \]

Em frequências naturais. Pense em 1.000 mulheres. Dez têm câncer, e oito delas terão mamografia positiva. Das 990 sem câncer, cerca de 95 também terão resultado positivo (\(990 \times 0{,}096 \approx 95\)). Portanto, das \(8 + 95 = 103\) mulheres com resultado positivo, apenas 8 têm câncer: \(8/103 \approx 7{,}8\%\).

O resultado é o mesmo, mas a segunda formulação torna o cálculo quase óbvio e evita o erro mais comum, que é responder algo próximo de 80% (confundindo \(P(+ \mid C)\) com \(P(C \mid +)\)). Nos experimentos de Gigerenzer e Hoffrage, a proporção de respostas corretas aumentou substancialmente com o formato de frequências.

9.5.2 Gráficos de ícones

As frequências naturais têm uma tradução visual direta: o gráfico de ícones (icon array), uma grade de, por exemplo, 100 ou 1.000 pequenos símbolos, cada um representando uma pessoa, coloridos de acordo com o desfecho. Diferentemente de um ícone escalado em área, cada símbolo representa uma unidade, de modo que o fator de mentira é exatamente 1 e a contagem é possível. O código a seguir produz o gráfico de ícones do problema da mamografia:

import numpy as np
import matplotlib.pyplot as plt

# 1.000 mulheres: 8 com câncer e teste positivo (VP), 2 com câncer e teste
# negativo (FN), 95 sem câncer e teste positivo (FP), 895 sem câncer e negativas (VN)
categorias = ["VP"] * 8 + ["FN"] * 2 + ["FP"] * 95 + ["VN"] * 895
cores = {"VP": "#D55E00", "FN": "#E69F00", "FP": "#0072B2", "VN": "#D9D9D9"}

linhas, colunas = 25, 40
xs, ys = np.meshgrid(np.arange(colunas), np.arange(linhas))
xs, ys = xs.ravel(), ys.ravel()[::-1]          # preenche de cima para baixo

fig, ax = plt.subplots(figsize=(9, 6))
for cat in ["VN", "FP", "FN", "VP"]:
    idx = [i for i, c in enumerate(categorias) if c == cat]
    ax.scatter(xs[idx], ys[idx], s=40, color=cores[cat], marker="s")
ax.set_axis_off()
ax.set_title("De 103 mulheres com mamografia positiva, apenas 8 têm câncer",
             loc="left", fontsize=12, fontweight="bold")
plt.show()

O gráfico mostra visualmente o que a fórmula de Bayes esconde: a mancha azul dos falsos positivos é muito maior que a mancha laranja dos verdadeiros positivos, porque a doença é rara.

9.5.3 Risco relativo, risco absoluto e número necessário para tratar

Uma das formas mais comuns de exagero (involuntário ou não) é comunicar apenas o risco relativo. Se um efeito adverso de um medicamento passa de 1 em 7.000 para 2 em 7.000 usuários, o risco relativo é \(2\): “o risco dobra”. O aumento absoluto, porém, é de \(1/7.000 \approx 0{,}00014\), ou 1,4 caso a cada 10.000 pessoas. Ambas as afirmações são verdadeiras, mas causam reações muito diferentes: manchetes do tipo “risco dobra” podem levar pessoas a abandonar tratamentos cujo benefício é muito maior que o risco adicional. Gigerenzer (2002) discute em detalhe como riscos relativos, apresentados sem os absolutos, exageram benefícios e danos na comunicação médica.

A recomendação é sempre comunicar riscos absolutos, de preferência em frequências naturais e com o mesmo denominador para os dois grupos (“1 em cada 7.000” contra “2 em cada 7.000”). Para benefícios, uma medida útil é o número necessário para tratar (NNT): \[ \text{NNT} = \frac{1}{\text{redução absoluta do risco}} = \frac{1}{p_{\text{controle}} - p_{\text{tratamento}}}. \] Se uma intervenção reduz a proporção de alunos que evadem de 10% para 7%, a redução absoluta é de 3 pontos percentuais e \(\text{NNT} = 1/0{,}03 \approx 33\): é preciso incluir cerca de 33 alunos no programa para evitar uma evasão. Já a redução relativa seria de \(3/10 = 30\%\), um número mais impressionante, mas menos informativo para quem precisa decidir se o custo do programa compensa.

9.5.4 Intervalos, barras de erro e uma armadilha comum

Barras de erro são a forma mais comum de mostrar incerteza, mas são ambíguas: podem representar um desvio padrão, um erro padrão ou um intervalo de confiança, que têm larguras muito diferentes. A legenda deve sempre dizer qual delas é mostrada.

Uma armadilha frequente é julgar a significância de uma diferença pela sobreposição dos intervalos de confiança de cada grupo (Schenker e Gentleman 2001).

Exemplo resolvido. Dois grupos têm médias estimadas \(\bar{x}_1 = 10\) e \(\bar{x}_2 = 13\), ambas com erro padrão 1, e as estimativas são independentes. Os intervalos de 95% são \(10 \pm 1{,}96 = [8{,}04;\ 11{,}96]\) e \(13 \pm 1{,}96 = [11{,}04;\ 14{,}96]\), que se sobrepõem. No entanto, a diferença \(\bar{x}_2 - \bar{x}_1 = 3\) tem erro padrão \(\sqrt{1^2 + 1^2} = \sqrt{2} \approx 1{,}414\), e \[ z = \frac{3}{1{,}414} \approx 2{,}12, \qquad \text{valor-}p = 2\,[1 - \Phi(2{,}12)] \approx 0{,}034. \] A diferença é significativa ao nível de 5%, embora os intervalos se sobreponham. A razão é que o erro padrão da diferença, \(\sqrt{2}\,\text{EP}\), é menor que a soma das semiamplitudes, \(2 \times \text{EP}\). Quando o objetivo é comparar grupos, a melhor solução é mostrar diretamente a estimativa da diferença com o seu intervalo.

9.5.5 Outras formas de mostrar incerteza

Gráficos de leque (fan charts): faixas sombreadas de intensidade decrescente em torno de uma previsão, representando intervalos de 50%, 80% e 95%, usados por bancos centrais para previsões de inflação (Spiegelhalter, Pearson, e Short 2011).
Gráficos de densidade, violino ou “olho” (eye plots): mostram a distribuição completa da estimativa, e não apenas dois extremos, evitando a falsa impressão de que todos os valores dentro do intervalo são igualmente plausíveis e os de fora, impossíveis.
Múltiplos cenários simulados: desenhar várias trajetórias possíveis (por exemplo, 20 simulações de uma previsão) ou animar resultados hipotéticos ajuda o leitor a perceber a variabilidade como algo concreto.
Linguagem verbal calibrada: expressões como “provável” ou “improvável” são interpretadas de formas muito diferentes por pessoas distintas; quando usadas, devem vir acompanhadas do número (“provável, cerca de 70%”).

Regras práticas para comunicar risco

Use frequências naturais (“8 em cada 1.000”) em vez de probabilidades condicionais.
Informe riscos absolutos, não apenas relativos, e use o mesmo denominador nas comparações.
Mostre a incerteza visualmente (intervalos, leques, gráficos de ícones) e diga na legenda o que ela representa.
Compare grupos mostrando a diferença e o seu intervalo, não apenas os intervalos de cada grupo.
Diga explicitamente o que não se sabe: limitações dos dados, premissas e cenários.

9.6 Painéis (Dashboards) versus Relatórios

Um painel (dashboard) é, segundo Few (2006), “uma exibição visual das informações mais importantes necessárias para atingir um ou mais objetivos, consolidadas e organizadas em uma única tela, de modo que possam ser monitoradas de relance”. Painéis e relatórios explanativos atendem a necessidades diferentes:

Aspecto	Painel	Relatório ou apresentação explanativa
Objetivo	Monitorar uma situação continuamente	Explicar um achado e recomendar uma ação
Frequência	Atualizado automaticamente (diário, em tempo real)	Produzido uma vez, para um momento de decisão
Pergunta	“Está tudo dentro do esperado?”	“O que aconteceu, por quê e o que fazer?”
Narrativa	Fraca ou ausente; o leitor procura o que lhe interessa	Forte, conduzida pelo autor
Conteúdo	Indicadores-chave (KPIs), metas, tendências recentes	Grande Ideia, evidências, recomendação
Risco típico	Excesso de indicadores e de cores (“árvore de Natal”)	Excesso de detalhes da análise exploratória

Princípios para painéis eficazes (Few 2006):

Uma tela só. Se é preciso rolar a página ou trocar de aba para ver o essencial, o painel perde a capacidade de ser lido de relance.
Contexto para cada número. Um indicador isolado (“evasão: 12%”) não diz se a situação é boa ou ruim; compare-o com uma meta, com o período anterior ou com uma faixa histórica. Gráficos compactos, como os gráficos de bala (bullet graphs) propostos por Few e as minilinhas (sparklines) de Tufte, foram criados justamente para isso.
Cor apenas para exceções. Em um painel, quase tudo deve estar em tons neutros; a cor de alerta é reservada para os indicadores fora da faixa esperada, aplicando o princípio do pop-out.
Hierarquia espacial. Os indicadores mais importantes ficam no canto superior esquerdo, onde o olhar começa (padrão Z).

Para painéis interativos, o “mantra da busca visual de informação” de Shneiderman (1996) resume a ordem recomendada das interações: visão geral primeiro, zoom e filtro, depois detalhes sob demanda (overview first, zoom and filter, then details-on-demand). Ferramentas como Shiny (R), Dash e Streamlit (Python) e painéis em Quarto permitem construir painéis seguindo esses princípios, e o mesmo cuidado com a percepção visual discutido neste capítulo se aplica a eles.

9.7 Exemplos Antes e Depois

Nesta seção aplicamos os princípios do capítulo a exemplos completos. Os dados são fictícios, criados apenas para ilustração. Os códigos usam os recursos de ggplot2 e matplotlib apresentados nos capítulos anteriores.

9.7.1 Exemplo 1: gráfico de barras com foco (ggplot2)

Contexto. Uma loja virtual quer reduzir o número de reclamações. A analista identificou que os atrasos na entrega são o principal motivo e quer convencer a diretoria a renegociar com a transportadora.

Antes. O gráfico padrão apresenta as categorias em ordem alfabética, com rótulos sobrepostos no eixo horizontal, uma cor diferente para cada barra (o que exige uma legenda redundante, pois os nomes já estão no eixo), fundo cinza e título genérico. O leitor precisa ler todas as barras para descobrir qual é a maior, e nenhuma conclusão é sugerida.

library(ggplot2)
library(dplyr)
library(forcats)

reclamacoes <- tibble(
  motivo = c("Atraso na entrega", "Produto danificado", "Cobrança indevida",
             "Atendimento", "Troca/devolução", "Outros"),
  n = c(412, 128, 305, 96, 151, 58)
)

# ANTES: padrões do software, sem foco
ggplot(reclamacoes, aes(x = motivo, y = n, fill = motivo)) +
  geom_col() +
  labs(title = "Reclamações por motivo", x = "motivo", y = "n")

Depois. Aplicamos, em sequência: (i) barras horizontais, que acomodam rótulos longos; (ii) ordenação decrescente, que torna o ranking imediato; (iii) cinza para todas as barras, exceto a do insight; (iv) rótulos diretos, que tornam o eixo horizontal e a grade dispensáveis (razão dados-tinta maior); (v) título de ação com a conclusão; (vi) subtítulo com o contexto (unidade, período, fonte).

total <- sum(reclamacoes$n)                       # 1150 reclamações
prop_atraso <- 412 / total                        # 0,358 -> 36%

reclamacoes_plot <- reclamacoes |>
  mutate(destaque = motivo == "Atraso na entrega",
         motivo = fct_reorder(motivo, n))

ggplot(reclamacoes_plot, aes(x = n, y = motivo, fill = destaque)) +
  geom_col(width = 0.7) +
  geom_text(aes(label = n, color = destaque), hjust = -0.25, size = 4,
            fontface = "bold") +
  scale_fill_manual(values = c(`TRUE` = "#0072B2", `FALSE` = "gray75"),
                    guide = "none") +
  scale_color_manual(values = c(`TRUE` = "#0072B2", `FALSE` = "gray45"),
                     guide = "none") +
  scale_x_continuous(expand = expansion(mult = c(0, 0.12))) +
  labs(
    title = "Atrasos na entrega respondem por 36% das reclamações",
    subtitle = "Número de reclamações por motivo, 1º trimestre (dados fictícios)",
    x = NULL, y = NULL
  ) +
  theme_minimal(base_size = 13) +
  theme(
    panel.grid = element_blank(),
    axis.text.x = element_blank(),
    axis.text.y = element_text(color = "gray25"),
    plot.title = element_text(face = "bold"),
    plot.title.position = "plot"
  )

Observe como cada alteração corresponde a um princípio: a ordenação usa a posição (nível 1 de Cleveland e McGill), a cor única é um atributo pré-atentivo, a remoção da grade e do eixo aplica a razão dados-tinta e o fechamento da Gestalt, e o título enuncia a Grande Ideia. O cálculo da porcentagem no título (\(412/1150 \approx 0{,}358\)) poderia, num documento dinâmico, ser feito por código inline, como visto no Capítulo de Documentos Dinâmicos com Markdown e RMarkdown.

9.7.2 Exemplo 2: do “espaguete” à história (matplotlib)

Contexto. Uma empresa acompanha o tempo médio de entrega (em dias) em cinco regiões. Em julho, a região Nordeste passou a ser atendida por uma nova transportadora.

Antes. Cinco linhas coloridas com marcadores, legenda em caixa, grade completa e título genérico: o leitor precisa decodificar a legenda, comparar cores e, sozinho, descobrir que algo aconteceu com uma das séries.

import numpy as np
import matplotlib.pyplot as plt

rng = np.random.default_rng(42)
meses = np.arange(1, 13)
rotulos_meses = ["Jan", "Fev", "Mar", "Abr", "Mai", "Jun",
                 "Jul", "Ago", "Set", "Out", "Nov", "Dez"]
base = {"Norte": 5.0, "Nordeste": 4.4, "Centro-Oeste": 4.8,
        "Sudeste": 3.6, "Sul": 4.0}
tempo = {r: b + rng.normal(0, 0.2, 12) for r, b in base.items()}
tempo["Nordeste"] = tempo["Nordeste"] + np.where(meses >= 7, 1.6, 0.0)  # salto em julho

# ANTES
fig, ax = plt.subplots(figsize=(8, 4.5))
for regiao, serie in tempo.items():
    ax.plot(meses, serie, marker="o", label=regiao)
ax.set_title("Tempo médio de entrega por região")
ax.set_xlabel("Mês")
ax.set_ylabel("Dias")
ax.grid(True)
ax.legend()
plt.show()

Depois. Todas as regiões em cinza (contexto), Nordeste em destaque (foco), rótulos diretos no fim das linhas (similaridade de cor substitui a legenda), uma faixa sombreada indicando o período após a troca (cercamento), anotação explicativa e título de ação.

DESTAQUE = "#D55E00"   # laranja da paleta Okabe-Ito
CINZA = "#A6A6A6"

fig, ax = plt.subplots(figsize=(8, 4.5))

for regiao, serie in tempo.items():
    cor = DESTAQUE if regiao == "Nordeste" else CINZA
    largura = 2.8 if regiao == "Nordeste" else 1.4
    ax.plot(meses, serie, color=cor, linewidth=largura)
    ax.text(12.2, serie[-1], regiao, color=cor, va="center",
            fontsize=10, fontweight="bold" if regiao == "Nordeste" else "normal")

# Cercamento: período após a troca de transportadora
ax.axvspan(6.5, 12, color="#F2F2F2", zorder=0)
ax.annotate("Nova transportadora\nno Nordeste (julho)",
            xy=(7, tempo["Nordeste"][6]), xytext=(2.0, 6.4),
            fontsize=10, color="#404040",
            arrowprops=dict(arrowstyle="->", color="#404040"))

# Limpeza: remove molduras e grade, mantém apenas o essencial
for lado in ["top", "right", "left"]:
    ax.spines[lado].set_visible(False)
ax.spines["bottom"].set_color("#BFBFBF")
ax.tick_params(axis="y", length=0, colors="#595959")
ax.tick_params(axis="x", colors="#595959")
ax.set_xticks(meses, rotulos_meses)
ax.set_xlim(1, 13.5)
ax.set_ylim(0, 7)                 # linhas não exigem zero, mas aqui ele dá escala
ax.set_ylabel("Dias (média mensal)", color="#595959")

fig.suptitle("Após a troca de transportadora, o prazo no Nordeste subiu cerca de 1,5 dia",
             x=0.02, ha="left", fontsize=13, fontweight="bold")
ax.set_title("Tempo médio de entrega por região, em dias (dados fictícios)",
             loc="left", fontsize=10, color="#595959")
plt.tight_layout()
plt.show()

9.7.3 Exemplo 3: da pizza ao gráfico de barras

Considere a participação de mercado de cinco empresas: A = 23%, B = 21%, C = 20%, D = 19% e E = 17%. Em um gráfico de pizza, as fatias têm ângulos de \(0{,}23 \times 360^\circ = 82{,}8^\circ\), \(75{,}6^\circ\), \(72^\circ\), \(68{,}4^\circ\) e \(61{,}2^\circ\): diferenças de poucos graus que o olho não ordena com segurança. Em barras ordenadas com rótulos, a ordem e as diferenças são imediatas.

mercado <- tibble(
  empresa = c("A", "B", "C", "D", "E"),
  share = c(0.23, 0.21, 0.20, 0.19, 0.17)
)

# ANTES: pizza (ângulos e áreas: níveis 3 e 4 de Cleveland e McGill)
ggplot(mercado, aes(x = "", y = share, fill = empresa)) +
  geom_col(width = 1) +
  coord_polar(theta = "y") +
  theme_void()

# DEPOIS: barras ordenadas (posição em escala comum: nível 1)
ggplot(mercado, aes(x = share, y = fct_reorder(empresa, share))) +
  geom_col(fill = "gray60", width = 0.6) +
  geom_text(aes(label = scales::percent(share)), hjust = -0.2) +
  scale_x_continuous(labels = scales::percent,
                     expand = expansion(mult = c(0, 0.1))) +
  labs(title = "Mercado pulverizado: nenhuma empresa passa de 25%",
       x = NULL, y = NULL) +
  theme_minimal() +
  theme(panel.grid = element_blank(), axis.text.x = element_blank())

9.7.4 Exemplo 4: o efeito do eixo truncado

O código a seguir desenha lado a lado os dados do exemplo resolvido do fator de mentira (50% e 55%), com o eixo começando em 48% e em 0%.

import matplotlib.pyplot as plt

turmas = ["2023", "2024"]
aprovacao = [50, 55]

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(9, 4))

ax1.bar(turmas, aprovacao, color="#0072B2")
ax1.set_ylim(48, 56)
ax1.set_title("Eixo truncado em 48%:\naumento parece enorme")

ax2.bar(turmas, aprovacao, color="#0072B2")
ax2.set_ylim(0, 100)
ax2.set_title("Eixo a partir de 0%:\naumento modesto (+5 p.p.)")

for ax in (ax1, ax2):
    ax.set_ylabel("Taxa de aprovação (%)")
    ax.spines[["top", "right"]].set_visible(False)

plt.tight_layout()
plt.show()

# Fator de mentira do gráfico da esquerda
efeito_dados = (55 - 50) / 50                       # 0,10
efeito_grafico = ((55 - 48) - (50 - 48)) / (50 - 48)  # 2,5
print(efeito_grafico / efeito_dados)
#> 25.0

9.7.5 Exemplo 5: substituindo o eixo duplo por índices

Para comparar a evolução de duas séries com unidades e escalas diferentes (por exemplo, número de matrículas e orçamento em reais), em vez de um eixo duplo, indexamos ambas ao primeiro período: \(I_t = 100\, y_t / y_{t_0}\). Assim, as duas séries passam a ter a mesma unidade (variação percentual em relação à base) e podem compartilhar um único eixo honesto.

library(tidyr)

series <- tibble(
  ano = 2018:2024,
  matriculas = c(820, 845, 790, 760, 805, 860, 900),
  orcamento_mil = c(1500, 1480, 1390, 1350, 1420, 1500, 1610)
)

indices <- series |>
  mutate(across(-ano, ~ 100 * .x / first(.x))) |>
  pivot_longer(-ano, names_to = "serie", values_to = "indice")

ggplot(indices, aes(ano, indice, color = serie)) +
  geom_hline(yintercept = 100, color = "gray70", linetype = "dashed") +
  geom_line(linewidth = 1.2) +
  geom_text(data = filter(indices, ano == max(ano)),
            aes(label = serie), hjust = -0.1, show.legend = FALSE) +
  scale_color_manual(values = c(matriculas = "#0072B2",
                                orcamento_mil = "#E69F00"),
                     guide = "none") +
  scale_x_continuous(expand = expansion(mult = c(0.02, 0.2))) +
  labs(title = "Matrículas e orçamento evoluíram de forma semelhante",
       subtitle = "Índice (2018 = 100), dados fictícios",
       x = NULL, y = "Índice") +
  theme_minimal()

Por exemplo, para as matrículas em 2024, \(I = 100 \times 900/820 \approx 109{,}8\) (alta de 9,8% sobre 2018), e para o orçamento, \(I = 100 \times 1610/1500 \approx 107{,}3\).

9.8 Um Roteiro de Verificação

Antes de apresentar ou enviar um material, percorra a lista a seguir:

Consigo enunciar a Grande Ideia em uma frase? Ela está visível (no título ou na primeira frase)?
Cada gráfico tem uma mensagem e um título de ação?
O tipo de gráfico usa a tarefa perceptual mais precisa possível para a comparação principal?
Barras começam no zero? Há eixo duplo, 3D ou pizza que possam ser substituídos?
Removi bordas, fundos, grades e legendas desnecessários? Os rótulos estão próximos dos dados?
A cor é usada com propósito (destaque ou codificação), é segura para daltônicos e tem contraste suficiente?
As fontes, unidades, períodos e a incerteza estão indicados?
Lendo apenas os títulos em sequência, a história completa é compreendida?
Está claro o que o público deve fazer depois de ver o material?
Riscos estão expressos em termos absolutos e, quando possível, em frequências naturais? As barras de erro dizem o que representam?
As tabelas usam arredondamento adequado, números alinhados à direita e poucas linhas de grade?
A razão de aspecto dos gráficos de linhas foi escolhida conscientemente, e não deixada no padrão do software?

9.9 Conclusão

Dominar a arte do Storytelling com Dados permite que as análises técnicas da Ciência de Dados ultrapassem as barreiras da programação e alcancem impacto real de negócios e acadêmico. Lembre-se sempre: os dados apenas fornecem os fatos, mas é a história que inspira a ação.

9.10 Resumo do Capítulo

A análise exploratória serve para descobrir; a explanativa, para comunicar. Apresentações devem conter a segunda, não a primeira.
A capacidade da memória de curto prazo é limitada; o design deve minimizar a carga cognitiva estranha (Sweller 1988).
Atributos pré-atentivos (cor, tamanho, posição, orientação etc.) são processados em paralelo e de forma automática; um único atributo de destaque produz pop-out, enquanto conjunções exigem busca serial (Treisman e Gelade 1980).
A lei de Stevens mostra que áreas e volumes são subestimados; a hierarquia de Cleveland e McGill ordena as codificações da mais precisa (posição em escala comum) à menos precisa (cor e sombreamento) (Cleveland e McGill 1984).
As leis da Gestalt (proximidade, similaridade, cercamento, fechamento, continuidade, conexão) explicam como agrupamos elementos e justificam a remoção de bordas, grades e legendas.
A razão dados-tinta e o conceito de chartjunk (Tufte 1983) orientam a eliminação da desordem; o fator de mentira quantifica distorções como eixos truncados e ícones escalados em área.
Paletas qualitativas, sequenciais e divergentes atendem a tipos diferentes de dados; acessibilidade exige paletas seguras para daltônicos, codificação redundante e contraste adequado.
Uma boa história de dados tem público definido, uma Grande Ideia, uma estrutura narrativa (contexto, conflito, resolução) e uma chamada à ação.
A lei de Weber (\(\Delta I / I \approx k\)) explica por que diferenças pequenas entre barras longas passam despercebidas; a lei de Weber–Fechner (\(\psi = K\ln(I/I_0)\)) dá uma relação logarítmica entre estímulo e sensação, depois refinada pela lei de potência de Stevens.
As variáveis visuais de Bertin e os critérios de expressividade e efetividade de Mackinlay mostram que a melhor codificação depende do tipo de dado (nominal, ordinal ou quantitativo).
Ícones escalados em área têm fator de mentira \(r + 1\); a razão de aspecto pode ser escolhida objetivamente pelo banking a 45°.
Estruturas narrativas úteis incluem os três atos, a pirâmide de Freytag, a introdução SCR e o princípio da pirâmide de Minto (resposta primeiro), e, para visualizações interativas, a taça de martíni.
Tabelas bem desenhadas arredondam para poucos dígitos efetivos, organizam as comparações em colunas e evitam grades.
A incerteza e o risco devem ser comunicados com frequências naturais, riscos absolutos, gráficos de ícones e intervalos claramente rotulados; a sobreposição de intervalos de confiança não é um teste de significância.
Painéis servem para monitorar; relatórios, para explicar e recomendar. Painéis eficazes cabem em uma tela, dão contexto a cada indicador e seguem o mantra “visão geral primeiro, zoom e filtro, detalhes sob demanda”.

9.11 Exercícios Propostos

Explique, com base na hierarquia de Cleveland e McGill, por que um gráfico de barras agrupadas permite comparações mais precisas que um gráfico de barras empilhadas. Qual segmento de uma barra empilhada pode ser comparado com precisão?
Usando a lei de Stevens com \(\beta = 0{,}7\), calcule a razão percebida entre dois círculos cujas áreas estão na razão 2:1 e 10:1. Se você quisesse que a razão percebida fosse 4, qual deveria ser a razão real das áreas?
Uma taxa de desemprego passou de 8,0% para 8,4%. Um gráfico de barras mostra esses valores com o eixo começando em 7,8%. Calcule o fator de mentira. Qual deveria ser o início do eixo para que o fator fosse 1?
Calcule a razão de contraste entre texto preto (#000000) e fundo branco, e entre texto #999999 e fundo branco. O segundo atende à recomendação mínima de 4,5:1?
Em um experimento de busca visual, obteve-se \(T(10) = 620\) ms e \(T(30) = 1020\) ms. Estime os parâmetros \(a\) e \(b\) do modelo linear. A busca parece ser pré-atentiva ou serial? Justifique.
Dê um exemplo de aplicação em gráficos de cada um dos seis princípios da Gestalt estudados.
Classifique o tipo de paleta adequado (qualitativa, sequencial ou divergente) para: (a) taxa de analfabetismo por município; (b) partido político de deputados; (c) variação percentual do PIB por estado em relação ao ano anterior; (d) diferença entre a nota de cada aluno e a média da turma.
Mostre algebricamente que, em um gráfico de eixo duplo, é sempre possível escolher \(\alpha\) e \(\gamma > 0\) de modo que duas séries quaisquer (com valores distintos no início e no fim) coincidam visualmente no primeiro e no último período. Discuta as implicações.
Escreva a “Grande Ideia” e uma “história em 3 minutos” para uma análise que você tenha feito em outra disciplina (ou para os dados mtcars ou iris).
Reproduza o Exemplo 1 em Python (matplotlib ou seaborn) e o Exemplo 2 em R (ggplot2), mantendo todos os princípios de design.
Escolha um gráfico publicado na imprensa ou em redes sociais que considere enganoso. Identifique o problema (eixo truncado, área, período, denominador etc.), estime o fator de mentira quando possível e redesenhe-o.
Usando o conjunto gapminder (pacote gapminder no R), construa um gráfico explanativo que destaque a evolução da expectativa de vida do Brasil em relação aos demais países da América do Sul, com título de ação, rótulo direto e cores com propósito.
Monte o storyboard (de 5 a 7 “slides” descritos em uma frase cada) de uma apresentação sobre a evasão em um curso de graduação, garantindo que a leitura sequencial dos títulos conte a história completa (lógica horizontal).
Simule, com o pacote colorblindr ou um simulador online, como um gráfico com a paleta padrão do ggplot2 é visto por pessoas com deuteranopia. Refaça-o com a paleta de Okabe-Ito e compare.
A partir da lei de Weber na forma diferencial, \(d\psi = K\,dI/I\), deduza a lei de Weber–Fechner. Se a sensação de brilho segue essa lei, quantas vezes a intensidade física deve ser multiplicada para que a sensação aumente em \(3K\)?
Em um experimento de estimação de magnitude, estímulos de área \(\phi = 1, 4, 16\) e \(64\) receberam respostas médias \(\psi = 10, 26, 68\) e \(180\). Ajuste a reta \(\log \psi = \log c + \beta \log \phi\) por mínimos quadrados e estime o expoente de Stevens. O resultado é compatível com o valor típico para áreas?
Mostre que, se um ícone tridimensional tem as três dimensões multiplicadas por \(r\) quando o valor é multiplicado por \(r\), o fator de mentira é \(r^2 + r + 1\). Calcule-o para \(r = 1{,}5\) e compare com o caso bidimensional.
Uma série mensal tem valores \(5, 9, 6, 10, 7, 12\). Calcule a razão de aspecto sugerida pelo critério da mediana das inclinações absolutas (banking a 45°) e o tamanho de um gráfico de 15 cm de largura que siga essa razão.
Um teste rápido para uma infecção tem sensibilidade de 90% e especificidade de 95%, e a prevalência na população testada é de 2%. Calcule a probabilidade de infecção dado um resultado positivo usando o teorema de Bayes e, depois, refaça o raciocínio em frequências naturais para 10.000 pessoas. Construa o gráfico de ícones correspondente.
Um programa reduziu a taxa de reprovação de 25% para 20%. Calcule a redução absoluta, a redução relativa e o NNT, e escreva duas manchetes, uma com cada tipo de redução. Qual delas você usaria em um relatório para a reitoria e por quê?
Dois grupos têm médias 50 e 54, com erros padrão 1,5 e 1,5 (estimativas independentes). Calcule os intervalos de confiança de 95% de cada grupo e verifique se eles se sobrepõem. Calcule o intervalo de 95% para a diferença e conclua.
Reescreva a introdução de um relatório de sua escolha na estrutura Situação–Complicação–Pergunta–Resolução de Minto e organize os argumentos em uma pirâmide com três argumentos MECE.
Classifique como expressiva ou não expressiva, segundo Mackinlay, cada codificação: (a) região do Brasil codificada pela altura de barras; (b) renda média codificada por matiz em uma paleta qualitativa; (c) faixa etária (ordinal) codificada pela luminosidade; (d) espécie de pinguim codificada pela forma do marcador.
Esboce um painel de uma única tela para a coordenação de um curso de graduação acompanhar, ao longo do semestre, a frequência, as notas parciais e o risco de evasão. Indique quais indicadores teriam metas ou faixas de referência e onde a cor de alerta seria usada.
Usando o pacote gt (R) ou o Styler do pandas (Python), monte uma tabela com a população e o PIB per capita dos estados do Nordeste, aplicando as regras de Ehrenberg (dois dígitos efetivos, ordenação, alinhamento, título de ação).

9.12 Leituras Recomendadas

Knaflic (2015) — Storytelling with Data: o guia prático que inspira a estrutura deste capítulo, com muitos exemplos antes e depois.
Tufte (1983) — The Visual Display of Quantitative Information: clássico sobre excelência gráfica, razão dados-tinta, chartjunk e fator de mentira.
Cleveland e McGill (1984) — o artigo experimental que fundamenta a hierarquia de precisão perceptual.
Ware (2012) — Information Visualization: Perception for Design: texto aprofundado sobre a percepção visual aplicada à visualização.
Wilke (2019) — Fundamentals of Data Visualization: guia moderno e didático, com ótimos capítulos sobre cores e gráficos a evitar (disponível gratuitamente online).
Healy (2018) — Data Visualization: A Practical Introduction: une teoria e prática com ggplot2.
Munzner (2014) — Visualization Analysis and Design: arcabouço teórico de tarefas, dados e codificações visuais.
Few (2012) — Show Me the Numbers: escolha de tabelas e gráficos para comunicação empresarial.
Huff (1954) e Cairo (2019) — como gráficos e estatísticas podem enganar, e como se defender.
Duarte (2010) — estrutura narrativa de apresentações memoráveis.
Bertin (1983) — Semiology of Graphics: a primeira teoria sistemática das variáveis visuais.
Mackinlay (1986) — critérios de expressividade e efetividade e a ordenação das codificações por tipo de dado.
Heer e Bostock (2010) — replicação, em larga escala, dos experimentos de percepção gráfica de Cleveland e McGill.
Cleveland, McGill, e McGill (1988) — fundamentos experimentais do banking a 45° para a escolha da razão de aspecto.
Gigerenzer (2002) — Calculated Risks: como comunicar riscos de forma transparente, com frequências naturais.
Gigerenzer e Hoffrage (1995) — o artigo experimental sobre frequências naturais e raciocínio bayesiano.
Spiegelhalter, Pearson, e Short (2011) — revisão sobre as formas de visualizar a incerteza sobre o futuro.
Minto (2009) — The Pyramid Principle: a estrutura SCR e a organização lógica de argumentos.
Segel e Heer (2010) — tipologia das narrativas visuais, incluindo a estrutura de taça de martíni.
Few (2006) — Information Dashboard Design: princípios para painéis que podem ser lidos de relance.
Ehrenberg (1977) — regras para tabelas numéricas legíveis.

Bertin, Jacques. 1983. Semiology of Graphics: Diagrams, Networks, Maps. Madison: University of Wisconsin Press.

Cairo, Alberto. 2019. How Charts Lie: Getting Smarter about Visual Information. W. W. Norton & Company.

Cleveland, William S., Marylyn E. McGill, e Robert McGill. 1988. “The Shape Parameter of a Two-Variable Graph”. Journal of the American Statistical Association 83 (402): 289–300.

Cleveland, William S., e Robert McGill. 1984. “Graphical Perception: Theory, Experimentation, and Application to the Development of Graphical Methods”. Journal of the American Statistical Association 79 (387): 531–54.

Duarte, Nancy. 2010. Resonate: Present Visual Stories that Transform Audiences. John Wiley & Sons.

Ehrenberg, A. S. C. 1977. “Rudiments of Numeracy”. Journal of the Royal Statistical Society. Series A (General) 140 (3): 277–97.

Fechner, Gustav Theodor. 1860. Elemente der Psychophysik. Leipzig: Breitkopf und Härtel.

Few, Stephen. 2006. Information Dashboard Design: The Effective Visual Communication of Data. Sebastopol, CA: O’Reilly Media.

———. 2012. Show Me the Numbers: Designing Tables and Graphs to Enlighten. 2º ed. Analytics Press.

Freytag, Gustav. 1863. Die Technik des Dramas. Leipzig: S. Hirzel.

Gigerenzer, Gerd. 2002. Calculated Risks: How to Know When Numbers Deceive You. New York: Simon & Schuster.

Gigerenzer, Gerd, e Ulrich Hoffrage. 1995. “How to Improve Bayesian Reasoning Without Instruction: Frequency Formats”. Psychological Review 102 (4): 684–704.

Harrower, Mark, e Cynthia A. Brewer. 2003. “ColorBrewer.org: An Online Tool for Selecting Colour Schemes for Maps”. The Cartographic Journal 40 (1): 27–37.

Healy, Kieran. 2018. Data Visualization: A Practical Introduction. Princeton University Press.

Heer, Jeffrey, e Michael Bostock. 2010. “Crowdsourcing Graphical Perception: Using Mechanical Turk to Assess Visualization Design”. Em Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (CHI 2010), 203–12. ACM.

Huff, Darrell. 1954. How to Lie with Statistics. W. W. Norton & Company.

Knaflic, Cole Nussbaumer. 2015. Storytelling with Data: A Data Visualization Guide for Business Professionals. John Wiley & Sons.

Mackinlay, Jock. 1986. “Automating the Design of Graphical Presentations of Relational Information”. ACM Transactions on Graphics 5 (2): 110–41.

Miller, George A. 1956. “The Magical Number Seven, Plus or Minus Two: Some Limits on Our Capacity for Processing Information”. Psychological Review 63 (2): 81–97.

Minto, Barbara. 2009. The Pyramid Principle: Logic in Writing and Thinking. 3º ed. Harlow: Pearson Education.

Munzner, Tamara. 2014. Visualization Analysis and Design. CRC Press.

Schenker, Nathaniel, e Jane F. Gentleman. 2001. “On Judging the Significance of Differences by Examining the Overlap Between Confidence Intervals”. The American Statistician 55 (3): 182–86.

Segel, Edward, e Jeffrey Heer. 2010. “Narrative Visualization: Telling Stories with Data”. IEEE Transactions on Visualization and Computer Graphics 16 (6): 1139–48.

Shneiderman, Ben. 1996. “The Eyes Have It: A Task by Data Type Taxonomy for Information Visualizations”. Em Proceedings of the IEEE Symposium on Visual Languages, 336–43. IEEE.

Spiegelhalter, David, Mike Pearson, e Ian Short. 2011. “Visualizing Uncertainty About the Future”. Science 333 (6048): 1393–1400.

Stevens, Stanley S. 1957. “On the Psychophysical Law”. Psychological Review 64 (3): 153–81.

Sweller, John. 1988. “Cognitive Load During Problem Solving: Effects on Learning”. Cognitive Science 12 (2): 257–85.

Treisman, Anne M., e Garry Gelade. 1980. “A Feature-Integration Theory of Attention”. Cognitive Psychology 12 (1): 97–136.

Tufte, Edward R. 1983. The Visual Display of Quantitative Information. Cheshire, CT: Graphics Press.

Tukey, John W. 1977. Exploratory data analysis. Addison-Wesley.

Ware, Colin. 2012. Information Visualization: Perception for Design. 3º ed. Morgan Kaufmann.

Wilke, Claus O. 2019. Fundamentals of Data Visualization. O’Reilly Media.

Wilkinson, Leland. 2005. The grammar of graphics. Springer Science & Business Media.