Een tandpastamerk beweert dat zijn product meer plak verwijdert dan eender welk product ooit gemaakt. Een politicus vertelt je dat zijn plan de meeste banen creëert. We zijn zo gewend geraakt aan dit soort overdrijvingen in reclames en de politiek dat we er niet eens van opkijken. Maar wat als de claim door een grafiek wordt ondersteund? Een grafiek is immers geen mening. Ze representeert onverbloemde getallen, en wie kan die tegenspreken? Toch blijken er vele manieren te zijn waarop een grafiek je kan misleiden of ronduit manipuleren. Hier zijn enkele punten om op te letten. In deze advertentie uit 1992 beweerde Chevrolet dat zij de degelijkste trucks in Amerika maakten, gebruik makend van deze grafiek. Ze toont niet alleen dat 98% van de in de laatste tien jaar verkochte Chevrolettrucks nog steeds rijdt, maar ze lijken twee keer zo degelijk te zijn als Toyotatrucks. Althans, totdat je de getallen op de Y-as nader beschouwt en ziet dat Toyota's percentage ongeveer 96,5% is. De schaalverdeling loopt van 95% tot 100%. Als ze van 0% tot 100% liep, zou de grafiek er als volgt uitzien. Dit is een veelgebruikte methode om data verkeerd voor te stellen: de schaalverdeling vervormen. De focus op een klein deel van de Y-as overdrijft een amper op te merken verschil tussen de vergeleken data. En het is vooral bij staafdiagrammen misleidend, daar we aannemen dat het hoogteverschil van de staven evenredig aan de waarden is. Maar een schaalverdeling kan ook langs de X-as worden vervormd, wat vaak voorkomt bij lijngrafieken, die veranderingen over een periode tonen. Deze grafiek, die toont hoe de werkloosheid in Amerika tussen 2008 en 2010 steeg, is op twee manieren langs de X-as gemanipuleerd. Ten eerste is de schaalverdeling niet consequent, doordat de vijftien maanden na maart 2009 dichter bij elkaar zijn gezet om zo korter te lijken dan de voorgaande zes maanden. Een consequentere schaalverdeling laat zien dat de afname van banen tegen het einde van 2009 stagneert. En mocht je je afvragen waarom het aantal banen eerst afnam: de tijdlijn begint direct na de grootste financiële krach in Amerika sinds de depressie van de jaren 30. Deze techniek staat bekend als selectief winkelen. Men kan een tijdspanne nauwgezet kiezen om zo een invloedrijke gebeurtenis buiten beschouwing te laten. En het kiezen van specifieke data kan belangrijke tussentijdse veranderingen verhullen. Zelfs als er met de grafiek op zichzelf niets mis is, kan het verhullen van relevante data een valse impressie wekken. Deze grafiek van de jaarlijkse Super Bowl-kijkcijfers laat het lijken alsof de populariteit van het evenement snel stijgt. Maar ze houdt geen rekening met de bevolkingsgroei. De populariteit bleef eigenlijk gelijk: hoewel het aantal footballfans is toegenomen, is het percentage footballfans gelijk gebleven. Een grafiek kan je veel wijsmaken als je niet weet wat de waarde van het getoonde is. Onderstaande grafieken gebruiken dezelfde data van de 'National Centers for Environmental Information'. Waarom wekken ze dan toch tegenovergestelde indrukken? De eerste grafiek toont de oceaantemperatuur per jaar van 1880 tot en met 2016, en laat de verandering onbeduidend lijken. Maar zelfs een verandering van slechts 0,5 graden Celsius kan grote ecologische verstoringen teweegbrengen. Daarom is de tweede grafiek, die het jaarlijkse gemiddelde van de temperatuurvariatie toont, veel gewichtiger. Correct ingezet, kunnen grafieken ons helpen om complexe data intuïtief te begrijpen. Maar hoewel software het gebruik van grafieken in media heeft bevorderd, is het eveneens gemakkelijker geworden om grafieken te misbruiken. Dus als je weer eens een grafiek ziet, vertrouw dan niet op de lijnen en curves. Kijk naar de labels, de getallen, de schaalverdeling en de context, en vraag je af wat ze je willen laten geloven.