円グラフはなぜ比較しにくいのか？「グラフィカル・パーセプション」で選ぶ伝わるグラフ

会議資料に、売上構成比を示す円グラフがあるとします。A事業は31％、B事業は27％、C事業は24％。作り手は「色分けされていて、割合が一目でわかる」と考えました。しかし聞き手が知りたいのは、AとBの差がどの程度あるのか、次に投資すべき事業はどれかです。視線は扇形を行き来し、凡例の色を照合し、最後には数値ラベルを読み始めます。

このとき問題なのは、聞き手の理解力ではありません。比較という仕事に対して、選ばれた視覚表現が合っていないのです。同じ数字を横棒グラフに置き換え、共通の基準線から長さを比べられるようにすれば、差の方向と大きさをより直接に読めます。

結論から言えば、グラフは「どんなデータか」より先に「聞き手に何を判断してほしいか」で選びます。人は位置、長さ、角度、面積、色の濃さを同じ精度では読み取りません。この違いを扱う研究領域が、グラフィカル・パーセプションです。本稿ではその科学的根拠と限界を整理し、実務で使える伸滋Design独自の「Q-E-V設計」に落とし込みます。

グラフィカル・パーセプションとは何か

グラフィカル・パーセプションとは、グラフ上の視覚的な符号を読み取り、数値や関係を復元する人間の働きを指します。棒の長さ、点の位置、円の角度、四角形の面積などは、いずれも数字を目に見える形へ変換する「視覚符号」です。

統計学者William ClevelandとRobert McGillは1984年、グラフを読む際に使われる基本的な知覚課題を整理し、実験によって精度を比較しました。参加者は二つの要素を見て、小さい方が大きい方の何％かを推定します。その結果を基に、共通尺度上の位置、同一でない尺度上の位置、長さ、方向や角度、面積、体積、色の濃さなどの順序を提案しました。重要なのは、装飾の好みではなく、同じ数値でも符号によって読み取り誤差が変わると実験で示した点です（Cleveland & McGill, 1984）。

とりわけ実務で覚えておきたいのは、「共通の基準にそろった位置」が強いことです。横棒グラフでは、すべての棒が同じゼロから始まります。ドットプロットでも、点は同じ軸上に並びます。聞き手は端点の位置を一つの尺度で比較できます。一方、円グラフでは扇形ごとに始点や向きが変わり、面積や弧を含む複数の手掛かりから割合を推定する必要があります。

1987年にはDavid SimkinとRobin Hastieが、グラフを読むプロセスを情報処理の観点から検討しました。棒グラフ、分割棒グラフ、円グラフの成績は、単純に「この形式が常に優れる」と決まるのではなく、比較する値がどこに配置され、どんな比較課題を求められるかによって変わります（Simkin & Hastie, 1987）。つまり、グラフ形式のランキングを暗記するだけでは足りません。聞き手が実行する比較を設計する必要があります。

位置と長さが、意思決定を速くする理由

人は、同じ軸に並んだ二つの点なら、左右または上下のずれを直接比べられます。棒グラフも、多くの場合は端点の位置と長さの両方を手掛かりにできます。対して、角度や面積は、対象の形全体から量を推定しなければなりません。面積が2倍になるには辺の長さを2倍ではなく別の比率で変える必要があり、見た目の拡大と数値の増加が直感的に一致しにくいのです。

Jeffrey HeerとMichael Bostockは2010年、Clevelandらの比例判断実験をオンラインで再現しました。50人ずつが各グラフを評価した実験では、従来研究とおおむね同じ精度順位が保たれ、位置符号は長さ符号より有意に高い成績でした。また、角度と円の面積は位置より大きな誤差を示しました。研究は矩形面積、グラフの高さ、グリッド線の間隔にも範囲を広げ、表示条件も知覚に影響することを示しています（Heer & Bostock, 2010 PDF、ACM DOI）。

この知見は、「棒グラフなら何でも安全」という意味でもありません。Robert Talbot、Vidya Setlur、Anushka Anandによる四つの実験は、棒の配置や目盛線、隣接関係が読み取りに影響することを詳しく調べました。たとえば積み上げ棒グラフでは、途中の区分は共通の基準線を持ちません。各区分の正確な比較が目的なら、値をそろえて置く通常の棒グラフより難しくなります（Talbot, Setlur & Anand, 2014）。

したがって、伝わるグラフの要点は「棒、円、折れ線のどれが正解か」ではありません。聞き手に比較してほしい値を、できるだけ同じ尺度、近い場所、同じ向きに置くことです。視線移動や暗算を減らせれば、会議の時間をグラフの解読ではなく判断に使えます。

円グラフを禁止する必要はない

ここまで読むと、「円グラフは使ってはいけない」と結論づけたくなるかもしれません。しかし、それも研究の単純化です。Drew SkauとRobert Kosaraは2016年、円グラフとドーナツグラフで、弧の長さ、中心角、面積という手掛かりを個別に変えました。二つの実験では、中心角は想定ほど重要な手掛かりではなく、ドーナツグラフも通常の円グラフと同程度の精度でした（Skau & Kosara, 2016）。「人は円グラフの角度だけを読んでいる」という説明では不十分だとわかります。

円グラフが役立つ場面もあります。区分が少なく、「全体の約半分を占める」「残りは小さい」といった大まかな構成を見せたい場合です。100％という全体が円として閉じているため、部分と全体の物語を表現しやすいからです。反対に、次の条件では棒グラフやドットプロットを優先した方がよいでしょう。

• 近い値同士の差を正確に比較したい
• 項目が多く、順位を一目で示したい
• 複数時点や複数グループを横断して比べたい
• 聞き手に特定の基準値との距離を判断してほしい

要するに、円グラフの可否ではなく、目的との適合です。「構成の印象」を伝えるのか、「差の精度」を読ませるのかを決めないまま形式を選ぶことが、本当の問題です。

図解は「情報を減らす道具」ではなく「計算を外に出す道具」

グラフや図解の価値は、文章より視覚的だからというだけではありません。Jill LarkinとHerbert Simonは、図が文章的な表現より有効になる条件を分析しました。図は関連する情報を近接配置し、必要な要素を探す手間を減らし、視覚的な推論を利用できる場合に計算上の利点を持ちます。一方で、図であれば自動的に優れるわけではありません（Larkin & Simon, 1987）。

これは資料制作にも直結します。グラフに数値を置いただけでは、聞き手が頭の中で並べ替え、差分を引き算し、凡例と色を照合しているかもしれません。良い図解は、その内的な計算を紙面や画面の上に移します。並び順、基準線、強調色、注釈によって、「どこを見て、何と何を比べ、どう判断するか」を外在化するのです。

なお、前回の記事で扱った画像優位性効果は、画像が記憶に残りやすい条件を中心にしています。本稿の焦点は、数値の差や順位をどれだけ正確に読み取れるかです。記憶に残ることと、比較を誤らないことは別の設計課題です。さらに、データ可視化がビジネスでどのように発展してきたかは、データ可視化の歴史も併せてご覧ください。

伸滋Design独自の「Q-E-Vグラフ設計」

研究知見を実務に持ち込むために、伸滋Designでは編集上の実務フレームとして、Q-E-Vという3段階でグラフを点検します。これは単独の学術理論名ではなく、複数の知覚研究を資料制作に翻訳した設計手順です。

Q：Question――聞き手に答えてほしい問いを一つにする

最初に、グラフを見た人が答えるべき問いを一文で書きます。「売上を見せる」では曖昧です。「前年差が最大の事業はどれか」「目標未達の幅はいくらか」「市場全体のうち自社は何％か」まで具体化します。

代表的な比較タスクは、差、順位、推移、構成、分布、関係です。一つのグラフに複数の問いを背負わせるほど、色、凡例、軸、注釈が増えます。まず主たる問いを一つに絞り、別の問いは別グラフか補足に分けます。

E：Encoding――問いに合う視覚符号を選ぶ

正確な差や順位なら、共通尺度上の位置を使うドットプロットや、共通基準線から伸びる棒グラフが第一候補です。時系列の方向や変化率なら、横軸を時間に統一した折れ線グラフが適します。大まかな構成なら円グラフや100％積み上げ棒も候補になりますが、区分をまたいだ精密比較には向きません。

形式を選んだら、比較対象を近くに置き、並び順に意味を持たせます。ランキングなら値順、業務の流れなら工程順、時系列なら時間順です。強調色は結論に関わる1系列へ絞り、その他は低彩度にします。色だけで差を伝えず、ラベルや形、位置も併用します。

V：Verification――3秒、誤読、説明なしの三つで検証する

最後に、完成したグラフを作り手以外の人が見るつもりで検証します。3秒見て、主役がわかるか。凡例を往復せずに比較できるか。ラベルを隠しても大小関係を誤らないか。口頭説明がなくても、タイトルと注釈だけで問いへの答えがわかるか。

「正確な値はラベルを読めばよい」という反論もあります。しかし、すべての判断を数字ラベルに依存するなら、グラフ自体が比較を助けていない可能性があります。ラベルは精密値の確認、形は関係の把握という役割分担をさせるのが有効です。

実務例：同じデータでも、問いが変わればグラフが変わる

例1：事業別の売上構成

問いが「全体の半分を占める事業はあるか」なら、区分を4つ程度に抑えた円グラフでも目的を果たせます。問いが「A事業とB事業の差は何ポイントか」なら、値順に並べた横棒グラフの方が比較しやすくなります。構成というデータ形式が同じでも、問いが違えば選択は変わります。

例2：部門別の目標達成率

各部門の実績と100％の距離を見せたいなら、目標線を共通にしたドットプロットや棒グラフが有効です。ゲージを部門ごとに並べると、曲線上の位置や色の割合を個別に読む必要が生じ、部門間比較が難しくなります。全員が同じ基準線を共有する配置に変えるだけで、未達部門と不足幅を同時に把握できます。

例3：顧客満足度の推移

月ごとの変化を見せるなら折れ線グラフが自然です。ただし、縦軸を途中から始めると小さな差が極端に見えることがあります。逆に常にゼロ始まりにすると、重要な変化が潰れる場合もあります。軸の範囲は「ゼロ始まりが絶対」という規則ではなく、変化を誤解させないか、値の絶対量も同時に判断する必要があるかで決め、途中から始める場合は明示します。

例4：商品別・月別の売上

商品構成と月間合計を同時に見せたいなら、積み上げ棒グラフは有効です。しかし、各商品の月次変化を正確に比べたいなら、基準線がそろうのは最下段だけです。商品ごとの折れ線、小さな複数グラフ、通常の集合棒などへ分ける方が、比較課題に忠実です。何を捨て、何を読ませるかを決めることが、デザインの中心になります。

科学的根拠の限界

グラフィカル・パーセプションの研究は強力な出発点ですが、実務へ機械的に当てはめてはいけません。第一に、多くの実験は単純化した図を短時間で比較し、比率推定の誤差を測っています。実際の経営会議には、業界知識、議題、利害、説明者の言葉、事前情報が加わります。

第二に、精度だけがグラフの価値ではありません。注意を引く、全体像を覚えてもらう、探索を促すといった目的もあります。位置符号が精密だからといって、あらゆる情報をドットプロットにすればよいわけではありません。聞き手の慣れ、掲載媒体、画面サイズ、色覚特性、利用時間も考慮が必要です。

第三に、研究間で課題や刺激が異なります。Clevelandらの順位は重要な目安ですが、Heerらの結果でも長さと角度の単純な優劣が理論どおりに出ない部分がありました。Skauらの研究は円グラフの読み取りが中心角だけでは説明できないことを示しています。したがって本稿では「絶対順位」ではなく、比較対象を共通尺度にそろえ、実際の問いで検証するという設計原則として扱います。

公開前チェックリスト

• このグラフを見た人に答えてほしい問いを、一文で言えるか
• 差、順位、推移、構成、分布、関係のうち、主目的を一つ選んだか
• 正確に比べたい値が、共通の軸や基準線にそろっているか
• 比較対象が離れすぎず、視線を何度も往復させないか
• 凡例とグラフの色を照合し続けなくても読めるか
• 項目順に意味があり、結論に関わる系列が見つけやすいか
• 3D表現、過度な装飾、不要なグリッド線が量の判断を歪めていないか
• 色だけに頼らず、位置、形、ラベルでも違いを示しているか
• タイトルが「売上推移」のような名詞だけでなく、読み取るべき結論を示しているか
• 3秒で主役がわかり、説明なしでも誤読しにくいか

スライド全体の情報量については、「1スライド1メッセージ」の最適文字数という幻想も参考になります。グラフ単体だけでなく、見出し、余白、本文との役割分担まで含めて設計することで、伝達ロスを減らせます。

まとめ：グラフの目的は、数字を飾ることではなく判断を助けること

グラフはデータの容器ではありません。聞き手が行う比較を支えるインターフェースです。共通尺度上の位置や長さは精密比較に強く、角度や面積は大まかな構成を示す場面で役立ちます。どの形式も、問いを定めずに使えば伝達ロスを生みます。

まずQuestionで問いを決め、Encodingで知覚に合う符号へ変換し、Verificationで実際の読み取りを確かめる。Q-E-Vの順で考えれば、「いつも円グラフだから」「テンプレートにあったから」という選び方から抜け出せます。

経営資料や提案書で、「数字は合っているのに判断につながらない」「グラフが多いほど説明が長くなる」と感じる場合は、見た目より先に比較課題を診断してみてください。伸滋Designでは、経営者・専門家の複雑な情報を、相手が判断できる構造へ変える資料設計を支援しています。まずは3分でできる伝達ロス診断で、どこに読み取り負荷が生じているかを確認できます。支援内容は経営者・専門家向けサービスをご覧ください。

参考文献

1. Cleveland, W. S., & McGill, R. (1984). Graphical Perception: Theory, Experimentation, and Application to the Development of Graphical Methods. Journal of the American Statistical Association, 79(387), 531–554. https://doi.org/10.1080/01621459.1984.10478080
2. Simkin, D., & Hastie, R. (1987). An Information-Processing Analysis of Graph Perception. Journal of the American Statistical Association, 82(398), 454–465. https://doi.org/10.1080/01621459.1987.10478448
3. Heer, J., & Bostock, M. (2010). Crowdsourcing Graphical Perception: Using Mechanical Turk to Assess Visualization Design. Proceedings of CHI 2010, 203–212. https://doi.org/10.1145/1753326.1753357
4. Talbot, J., Setlur, V., & Anand, A. (2014). Four Experiments on the Perception of Bar Charts. IEEE Transactions on Visualization and Computer Graphics, 20(12), 2152–2160. https://doi.org/10.1109/TVCG.2014.2346320
5. Skau, D., & Kosara, R. (2016). Arcs, Angles, or Areas: Individual Data Encodings in Pie and Donut Charts. Computer Graphics Forum, 35(3), 121–130. https://doi.org/10.1111/cgf.12888
6. Larkin, J. H., & Simon, H. A. (1987). Why a Diagram is (Sometimes) Worth Ten Thousand Words. Cognitive Science, 11(1), 65–100. https://doi.org/10.1111/j.1551-6708.1987.tb00863.x