data-viz

データを正確かつ効率的にエンコードし、歪曲やチャートジャンク、誤解を招く見せ方を避けながら、データのパターンを明らかにします。すべての推奨事項には、根拠となる原則、著者、または実証結果を示します。どのグラフを使うかは好みの問題ではなく、測定可能な正解と不正解があります。

このスキルを使う場面

データを視覚的に表現する方法が問われている場合に、このスキルを使います。

• グラフの種類の選択 — データの関係性（比較、分布、相関、構成、全体に対する部分、時系列、地理、フロー）を最適にエンコードするグラフを選びます。
• チャートジャンクとデータインク — 情報を付加しない装飾要素を取り除き、意味のあるインクが総インクに占める比率を高めます（Tufte、『VDQI』、1983年）。
• 前注意的属性 — 色、サイズ、位置、形状を使い、意識的な処理が始まる前に注意を誘導します（Knaflic、『Storytelling with Data』、2015年；Ware、『Information Visualization』、2004年）。
• ダッシュボードのレイアウトと KPI 設計 — 複数のビューをすばやく理解できるように整理します。Few（『Information Dashboard Design』、2006年）。
• 正確なエンコード — 軸の切り詰め、恣意的な範囲の選択、二重軸、誤解を招く比率によって、グラフが事実を歪めていないかを検出して修正します（Cairo、『How Charts Lie』、2019年）。
• グラフのアクセシビリティ — データ用の色覚多様性に配慮したパレット（ブランドパレットとは別）、グラフの代替テキスト、パターンと色による冗長なエンコード。
• マークとチャネル — どのデータ型をどの視覚チャネルに対応させるかを定める、厳密なエンコードの枠組みです（Munzner、『Visualization Analysis & Design』、2014年）。

ブランドや UI のカラーパレット（コアの color モード）、ページ全体の構成と視覚的階層（コアの audit モード）、または UI の操作パターンとしてのデータ表示テーブル（usability を使用）は対象外です。

ルール

データビジュアライゼーションに関するすべての判断に適用する基本ルールです。手順の中に埋もれないよう、分けて記載しています。

• 原則の出典を示します。 すべての推奨事項で出典を明記します。「データインク比（Tufte、1983年）」「前注意的属性：色は数量ではなくカテゴリを表す（Knaflic、2015年）」「二重軸による誤り（Cairo、2019年）」のように記載します。出典のない意見は述べません。
• データインク比を編集の第一のヒューリスティックとします。 Tufte（『VDQI』）は、データインクが総インクに占める比率を最大化することを提唱しています。情報をエンコードしない要素はすべて取り除き、残った要素ですべての情報をエンコードします。この比率は目指す方向性であり、計算する公式ではありません。
• グラフは装飾ではなく、論証です。 Cairo（『The Functional Art』、2012年）によれば、すべてのグラフは現実についての主張をエンコードします。デザイナーの責任は、たとえ望ましいストーリーと矛盾していても、その主張を正確にエンコードすることです。誤解を招く見せ方は中立ではなく、人々を惑わせます。
• 意識的な注意より前に、前注意的な要素を使います。 Knaflic は、頭で考える前に目が捉えるものに合わせて設計することを提唱しています。グラフごとに使う前注意的属性は1つです（色、サイズ、位置のいずれか。同じエンコード次元に対して、3つすべてを同時に使わないでください）。
• 色覚多様性への配慮は必須です。 男性の約8％、女性の約0.5％に色覚特性があり、赤と緑の組み合わせが最もよくある失敗要因です。色で情報をエンコードするグラフでは、色覚多様性に配慮したパレットを使い、同じ情報を形状またはパターンでも重複してエンコードしてください。
• 生成的なアプローチを維持します。 グラフの種類を提案し、エンコードされるデータの関係性に基づいて理由を説明したうえで、エンコードの判断を示します。チェックリストに照らして監査するのではなく、原則を基準にして提案し、その理由を説明します。
• 引用は下位の分野に限ります。 操作性が重なる場面では、このスキルからユーザビリティの法則を引用します（例：ダッシュボードにおけるゲシュタルト群化 — usability-principles.md）。行動、ジャーニー、コンテンツ設計の上位分野は引用しません。

手順

エンジンには2つのモードがあります。ユーザーが必要としている内容に応じて選択します。

A. グラフの種類の選択とエンコーディング

使用するグラフの種類や、特定のデータセットのエンコード方法を尋ねられた場合：

1. references/chart-selection.md を読みます。データの関係性ごとに整理されたグラフの種類の選択表です。
2. ユーザーが伝えたいデータの関係性を特定します。比較、分布、相関、構成、全体に対する部分、時系列、ランキング、偏差、地理、フローのいずれかです。
3. 選択表を使って、関係性に合ったグラフの種類を選びます。グラフを決めるのはデータ形式ではなく、データの関係性です。
4. マークとチャネル（Munzner）を特定します。どの視覚要素がどのデータ次元をエンコードしているかを確認します。共通のスケール上の位置が最も正確で、面積と角度が最も不正確です（Cleveland & McGill、1984年）。
5. データインクの編集を行います。読み取りに役立たないグリッド線、重複する軸、背景の塗りつぶしを削除し、目盛りを必要最小限に減らします。
6. 色が情報をエンコードしている場合は、色覚多様性への配慮を確認します。
7. データの関係性とエンコーディングの根拠を引用し、推奨するグラフの種類を提示します。

B. グラフの監査（正確性と明瞭さ）

既存のグラフやダッシュボードに問題がないか確認する場合：

1. references/viz-principles.md を読みます。なぜそうするのかを解説する資料です。
2. references/chart-selection.md を読みます。Cairoのグラフの誤解を招く表現の分類と、よくある間違いを確認します。
3. グラフの誤解を招く表現を確認します。切り詰められたY軸、二軸による歪み、都合のよい期間の選択、スライスが多すぎる円グラフ、奥行きを表す次元がない3D表現、ゼロから始まらない面積表現などです。
4. データインク比を確認します。チャートジャンク、不要なグリッド線、装飾的な塗りつぶし、2Dデータへの3D効果を調べます。
5. 色覚多様性への配慮を確認します。色覚シミュレーション（Coblis、Viz Palette）でもグラフを正しく読み取れるか、色が唯一のエンコーディング次元になっていないかを確認します。
6. コンテキストを確認します。基準線が見えるか、軸に単位が記載されているか、期間が明確に示されているかを確認します。
7. 原則をそれぞれ引用し、調査結果を 重大度 | 問題 | 重要な理由 | 修正案 の表で提示します。

C. ダッシュボードのレイアウト

複数のグラフで構成されるダッシュボードを設計またはレビューする場合：

1. references/viz-principles.md の前注意的処理とゲシュタルトのセクションを読みます。
2. references/chart-selection.md のFewによるダッシュボードのレイアウトルールを読みます。
3. 概要を先に示し、詳細は必要に応じて提示する原則（Shneiderman、1996年）を適用します。主要なKPIはスクロールせずに見えるようにし、詳細なグラフはスクロールした先、またはドリルダウン表示に配置します。
4. ゲシュタルト群化（Wertheimer）を適用します。関連するグラフは近くに配置するか、共通の領域にまとめ、関連のないグラフは視覚的に分離します。ゲシュタルト群化はレイアウトの原則です（usability-principles.md #gestalt-perception-laws を引用してください）。
5. 視覚的階層を確立します。最も重要な指標を、最も目立つようにします。前注意的注意には限りがあるため、最重要のシグナルに割り当てます。
6. ダッシュボードの誤解を招く表現を確認します。基準値のない指標、推移の文脈がないKPIカード、絶対値の分母が示されない比率などです。

参考資料

参考ファイル	読み込むタイミング
references/viz-principles.md	レイヤーA — なぜそうするのかを解説する資料です。データインク比、チャートジャンクの分類、前注意的属性、マークとチャネル（Munzner）、色覚多様性への配慮、正確なエンコーディングの原則、重要な注意事項を扱います。データ可視化の判断で安定して引用できる参考資料です。
references/chart-selection.md	レイヤーB — グラフの種類の選択表（データの関係性別）、ダッシュボードのレイアウトルール（Few）、Cairoによる誤解を招く表現の分類、よくある間違いを扱います。選択を導く生成エンジンです。