图表会骗人：三个常见阅读陷阱

看图表的第一反应，往往是看线条朝哪走。但线条的方向，很多时候是画图的人替你选好的。 举个简单的例子。某平台日活跃用户从1000万降到980万，降幅2%。如果把纵轴从0到1200万拉满，这条线几乎是平的；如果把纵轴截成960万到1000万，同样两个点连起来，看上去像悬崖。数据没变，走势没变，变的是你被允许看到多大的落差。 这不是造假，是选择。问题在于，大多数读者不会去核对纵轴起点。

纵轴截断是最常见的一类。柱状图尤其敏感——柱子的长度本身就在表达比例，起点不是零，比例关系就失真了。折线图稍微宽容一些，因为折线主要看趋势而不是绝对量，但截断幅度过大，同样会把2%的波动渲染成20%的观感。 一个可操作的判断：先看纵轴的第一个刻度是不是0。如果不是，再心算一下当前波动占整个纵轴区间的比例。如果区间只有实际数据范围的两倍以内，那这张图对变化的呈现基本是可信的；如果区间被压得很窄，就得留个心眼。

第二类是把增速当规模。 某品类一季度销售额从100万涨到150万，增速50%；另一品类从1亿涨到1.2亿，增速20%。如果只看增速排行，前者遥遥领先。但放进整体盘子，前者多出来的50万，只是后者的一个零头。 增速图容易让人兴奋，因为它天然带斜率。但增速高的小基数，和增速低的大基数，在业务上的含义完全不同。读这类图表时，至少要做一次换算：把百分比还原成绝对量，或者问一句——这个增速是在多大的分母上发生的。

第三类是样本量被藏起来。 一张图显示某地区用户满意度从82%升到91%，看上去改善明显。但如果样本从2000份掉到80份，后面那个91%的置信区间可能宽到没有参考价值。百分比在分母很小的时候，波动会非常剧烈：10个人里有6个满意是60%，有7个满意就是70%，一个受访者的差别就是10个百分点。 这类图表通常不会主动标出n值。看到比例、比率、占比这类指标，先找样本量。找不到，就把它当成一个待验证的观察，而不是结论。

还有一种更隐蔽的情况：把预测线画得和实际线一样实。 历史数据用实线，未来推断用虚线，这是行业惯例。但有些图为了视觉简洁，两段用同样的粗细和颜色，只在图例里小字标注。读者一眼扫过去，会把推断当成已经发生的事实。 预测本身没有问题，问题在于它和已发生的数据共享了同样的视觉权重。读图时看到时间轴延伸到当前日期之后，就要主动区分：哪一段是记录，哪一段是假设。

把这几类问题串起来，其实是一个固定的阅读顺序：先看坐标轴和刻度，再看单位是绝对值还是百分比，然后找样本量，最后才看走势本身。 这个顺序不复杂，但多数人是从最后一步开始的——先看线往哪走，再决定要不要细看。顺序反过来，误判的概率会低很多。 图表是一种压缩，压缩必然有取舍。读者能做的不多，但至少可以问三个问题：纵轴从哪开始，数字是量还是率，分母有多大。这三个问题答不上来的时候，那个看起来很明确的走势，暂时只能算一个观察。