圖表沒造假也會誤導：用 AI 檢查座標軸、分母與雙軸陷阱

原內容日期：2026-09-18。本文為既有教學內容補發；範例依原文標示使用，實際權限與規則請以所屬組織核定資料為準。

正確的數字，也可能帶來錯誤結論

圖表不必修改數字，也能影響讀者判斷。

長條圖從97開始，98與99的差距會看起來極大；兩條沒有直接關係的數據，透過雙軸調整尺度後，可以像是完全同步；本期資料尚未結束，卻與完整月份排在一起，看起來像績效突然下滑。

因此，檢查圖表不能只問「數字對不對」，還要問「這個視覺會讓人以為什麼」。

先定義比較問題，再選圖表

看趨勢、比較類別、觀察分布與分析關係，需要不同圖表。

如果要比較各部門案件數，排序長條圖通常比多片圓餅清楚；若要看等待時間分布，只有平均值可能掩蓋少數極端案件；若要檢查兩個變數是否相關，散點圖通常比雙軸折線更誠實。

圖表類型應服務問題，而不是因為工具預設或看起來熱鬧。

件數與比率可能講出相反故事

問題件數從20增至28，增加40%。如果同期間交易量從500增至1,000，問題率其實從4.0%降至2.8%。

兩個描述都是真的，但回答的問題不同。件數反映工作負荷，比率反映相對發生情況。管理圖表應同時提供分子與分母，避免讀者只看其中一面。

雙軸最容易製造視覺關聯

雙軸圖的兩邊尺度可以分別調整。只要改變起點與最大值，兩條線就能看起來同步、交叉或完全分離。

如果要呈現交易量與問題率，較安全的方式是分成上下兩張圖、共用時間軸，或以散點圖探索關係。即使兩條線形狀相似，也不能直接宣稱交易量造成問題率變化。

累計值看起來漂亮，卻不一定回答本期表現

累計完成數與累計營收大多只會上升。上升曲線本身不能證明本週效率變好。

要判斷本期表現，應補充本期新增量、剩餘量、目標、未結案件及處理時間。目標、預測與實際值也應使用不同線型，避免被當成同一種證據。

缺失不是零，未適用也不是缺失

資料尚未取得、真實結果為零，以及該項目本來就不適用，是三種不同狀態。

若將缺失值填成0，折線會突然下墜；若直接跨過缺口連線，讀者又可能以為中間有連續觀測。圖表需要清楚標示資料缺口及處理方式。

標題應說明觀察，不替資料宣布原因

「新系統大幅改善效率」是一個因果主張。若資料只有上線前後的處理時間差異，還可能受到案件組合、人員熟悉度與工作量影響。

更穩妥的標題是：「試行四週內，平均處理時間由18分降至14分。」副標再說明樣本數與「原因待驗證」。

AI適合做第二雙眼睛

將資料表、指標定義、座標軸、篩選條件、缺失值規則與目前標題提供給AI，可以快速找出視覺風險，並產生最小修正版與替代圖表規格。

但AI不能替你補分母、選擇有利期間或把相關性升級為因果。正式發布前仍需人工核對原始資料，並請未參與製圖的人說出他第一眼理解的結論。

一張可信的圖表，應讓重要差異清楚可見，也讓資料限制同樣清楚可見。

文章CTA： 收藏完整提示詞，下次簡報前把最重要的一張圖交給AI做「反向誤讀檢查」。

逐步操作

步驟 1：先寫出讀者要回答的問題

不要從「我要畫折線圖」開始，而是先問：

• 讀者需要比較什麼？
• 要看趨勢、排名、分布、組成還是關係？
• 看完要做什麼決定？
• 最容易被誤解的地方是什麼？

例如：「新版 MES 上線後，使用者回報問題是否下降？」比「畫一張缺陷趨勢圖」更清楚。

步驟 2：確認資料定義與分母

至少記錄：

• 指標名稱與定義
• 分子與分母
• 統計期間
• 資料來源
• 更新頻率
• 是否去重
• 是否包含取消、重開或測試資料
• 資料截止時間

「本週 15 件問題」若不知道本週有多少使用者、交易或設備，不能直接判定變好或變壞。

步驟 3：保留原始資料表

圖表旁要能找到至少一份資料表：

期間｜分組｜分子｜分母｜比率｜狀態｜資料來源｜備註

AI 若只看到圖片，可能看不清精確數值、資料缺口或軸線設定。最好同時提供圖表截圖、資料表與製圖規則。

步驟 4：分清楚比較目的

目的	常見選擇	應避免
看時間趨勢	折線圖、點圖	無時間順序的圓餅圖
比較類別	排序長條圖、點圖	3D 長條或大量圓餅
看整體組成	100% 堆疊、有限類別圓餅	類別重疊仍強制合計100%
看分布	直方圖、箱形圖、散點	只報平均值
看兩變數關係	散點圖	只用雙軸折線製造相關
看流程	漏斗、流程階段表	用面積暗示非線性差距

圖表類型沒有絕對答案，但必須符合要比較的關係。

步驟 5：檢查 Y 軸起點與尺度

長條圖使用長度比較，通常應從 0 開始。若因特殊目的截短座標軸，必須：

• 清楚標示起點
• 說明原因
• 避免用長條高度暗示完整比例
• 可搭配實際數值或改用點圖

折線圖可依資料範圍調整，但仍要檢查視覺波動是否被過度放大。

步驟 6：避免雙軸製造假關聯

雙軸圖可以任意調整兩邊尺度，讓兩條線看起來同步、交叉或分離。

如果要比較工作量與失敗率，較安全的方式包括：

• 分成上下兩張、共用時間軸
• 將兩個指標標準化，但清楚說明方法
• 直接用散點圖檢查關係
• 在同一圖中只保留一個主指標，另一個放註解或小圖

不要僅憑兩條線形狀相似就宣稱因果。

步驟 7：分清件數、比率與百分點

假設失敗件數由 20 增加至 28，看似增加 40%；但總作業量由 500 增加至 1,000，失敗率其實由 4% 降為 2.8%。

圖表應同時說清：

• 件數變化
• 正確分母
• 比率變化
• 百分比與百分點的差別

4% 降到 2.8% 是下降 1.2 個百分點，相對下降 30%，兩者不能混寫。

步驟 8：檢查時間範圍與間隔

確認：

• 是否刻意只選有利期間
• 是否漏掉季節性或活動高峰
• 日、週、月是否混用
• X 軸間隔是否與真實時間相符
• 當期是否尚未完整結束
• 比較期間的工作天數是否一致

部分月份資料不能與完整月份直接比較，除非清楚標示並做合理換算。

步驟 9：分開期間值與累計值

累計完成數通常只會上升，不能單靠上升斜率就說明本週效率改善。

建議同時呈現：

• 本期新增量
• 累計量
• 目標或基準
• 剩餘量

實際、預測與目標應使用不同線型或標記。

步驟 10：處理缺失值、0 與未適用

三者意義不同：

• 0： 有觀測，結果為零。
• 缺失： 應有資料但尚未取得。
• 未適用： 該期間或群組不適用。

不要把空白一律轉成 0，也不要用線段跨過長時間缺口而未標示。圖表註腳要說明缺失值的處理方式。

步驟 11：檢查分類是否互斥與完整

圓餅圖或 100% 堆疊圖要求各類別共同組成一個整體。若同一案件可以同時屬於「效能」「介面」「流程」，總和可能超過 100%，此時應改用長條圖呈現提及率。

也要檢查：

• 「其他」是否過大
• 類別定義是否改變
• 同一類別是否在不同月份換名稱
• 排序方式是否刻意突出某一組

步驟 12：檢查視覺面積與裝飾

避免：

• 3D 柱體遮住實際高度
• 用人物、圓形或圖示面積代表一維數字
• 過粗線條掩蓋差異
• 背景、陰影或漸層搶走注意力
• 過多顏色讓讀者找不到重點
• 紅綠成為唯一判斷方式

視覺優先順序應服務訊息，不是服務戲劇性。

步驟 13：讓標題說事實，不偷渡結論

不好的標題：

新系統大幅改善效率

較可靠的標題：

試行四週內，平均處理時間由 18 分降至 14 分；樣本量由 120 件增至 165 件

如果尚未排除案件組合、人員熟悉度或其他因素，副標應寫「原因待驗證」，而不是直接歸因於新系統。

步驟 14：做「反向解讀」測試

請另一位未參與製圖的人回答：

• 你第一眼看到什麼結論？
• 你以為 X 軸、Y 軸和顏色代表什麼？
• 你有注意到分母、樣本數與資料缺口嗎？
• 哪一句話看起來像因果？
• 如果改變時間範圍，結論會不會不同？

讀者的誤讀就是圖表風險，不是讀者不夠仔細。

步驟 15：發布前保留證據鏈

保存：

• 原始資料或可追溯來源
• 指標定義
• 篩選條件
• 圖表設定
• 資料截止時間
• 缺失值處理
• 計算公式
• 製作人與複核人
• 修訂紀錄

AI 可以檢查呈現風險，但正式數字與對外結論仍需人工複核。

可直接複製的完整提示詞

【角色】
你是一位謹慎的資料視覺化與決策溝通審查助理。你的任務是檢查圖表是否忠實呈現資料、是否容易被誤讀，並提出更透明的替代方案。你不能捏造數字、補齊缺失資料、改變統計口徑或把相關性寫成因果。

【任務】
根據我提供的資料表、指標定義、圖表設定、圖表描述與預期訊息：
1. 判斷圖表是否適合目前的比較目的。
2. 檢查座標軸、尺度、分母、時間範圍、分類、缺失值、顏色、標記與註解。
3. 找出可能放大、縮小、隱藏或錯置差異的視覺設計。
4. 分開資料事實、合理解讀、原因假設與不受支持的主張。
5. 提供原圖最小修正版及一個替代圖表方案。
6. 產生可直接使用的事實型標題、副標、註腳與口頭說明。

【圖表背景】
- 圖表用途：[主管簡報／周報／儀表板／對外報告／其他]
- 主要受眾：[角色]
- 要回答的決策問題：[填寫]
- 希望讀者採取的行動：[填寫]
- 資料期間：[開始日期至結束日期]
- 資料截止時間：[日期時間]
- 資料來源：[系統、表單或報表]
- 是否為完整期間：[是／否；若否請說明]

【指標定義】
指標｜定義｜分子｜分母｜單位｜去重方式｜包含｜排除｜更新頻率
[貼上]

【原始資料格式】
期間｜群組｜分子｜分母｜計算值｜狀態（實際／目標／預測）｜資料品質｜備註
[貼上去識別化資料]

【目前圖表設定】
- 圖表類型：[折線／長條／圓餅／堆疊／散點／其他]
- X 軸：[欄位、排序、時間間隔]
- 左 Y 軸：[指標、最小值、最大值、刻度]
- 右 Y 軸：[無／指標、最小值、最大值、刻度]
- 顏色與線型：[填寫]
- 篩選條件：[填寫]
- 缺失值處理：[0／空白／連線／排除／其他]
- 資料標籤：[有／無；內容]
- 目標線或基準：[填寫／無]
- 目前標題：[填寫]
- 目前想傳達的結論：[填寫]

【圖表截圖或文字描述】
[附圖，或描述各系列、刻度、顏色與標記]

【限制與審查規則】
1. 僅根據提供的資料與設定判斷，不假裝看見未提供的原始檔或互動狀態。
2. 每個問題必須引用資料欄位、圖表元素或設定作為證據。
3. 圖表沒有造假不等於不會誤導；同時檢查視覺比例與讀者可能解讀。
4. 分開件數、比率、百分比、百分點、平均數、中位數、累計值與期間值。
5. 所有比率必須確認分子與分母；分母未知時不得產生百分比。
6. 長條圖若不從 0 開始，列為高風險疑點並說明替代方式；其他圖表依比較目的判斷。
7. 雙軸圖必須檢查尺度是否可任意製造同步或交叉；優先提出分面或替代方案。
8. 檢查時間範圍是否完整、間隔是否等距、當期是否尚未結束，以及是否存在選擇有利期間的風險。
9. 缺失、0 與未適用必須分開，不得自行補值或插值。
10. 目標、預測與實際值必須視覺區分，不得混為同一系列。
11. 分類若非互斥，不得用圓餅圖或暗示合計為100%的圖表。
12. 檢查3D、面積、圖示大小、陰影與透視是否扭曲差異。
13. 檢查顏色對比、紅綠依賴、字級、圖例、直接標記及灰階可讀性。
14. 標題不得把同時發生寫成因果，也不得用「大幅」「全面」「顯著」等詞，除非有明確定義與證據。
15. 主動尋找會改變結論的替代時間範圍、分組方式、基準或分母。
16. 不得刪除不利資料、改變指標定義或建議隱藏反例。
17. 不得因圖表好看而優先保留裝飾；資料可讀性優先。
18. 若資料涉及財務、醫療、法規、安全、品質或人事，標示需領域專家複核。
19. 所有修正版需保留資料來源、截止時間、分母與必要註腳。
20. 使用繁體中文，語氣專業、具體、中立。

【輸出格式】

一、資料與圖表完整性
- 實際讀取的期間、群組及資料列數
- 缺少的指標定義或圖表設定
- 是否可驗證分母、時間間隔與缺失值
- 目前不能回答的問題

二、主管摘要
限180字，說明圖表是否支持目前結論、前三項誤讀風險，以及最優先修正內容。若證據不足，必須明說。

三、圖表意圖對照
| 決策問題 | 比較目的 | 目前圖表類型 | 適合程度 | 原因 | 建議類型 |

四、視覺誤導風險
| 編號 | 圖表元素 | 發現 | 證據 | 可能誤讀 | 風險等級 | 修正方式 |
風險等級限：高／中／低；必須附判斷理由。

五、數據口徑檢查
| 指標 | 分子 | 分母 | 單位 | 期間值／累計值 | 實際／目標／預測 | 疑點 |

六、座標軸與尺度
| 軸線 | 目前設定 | 疑點 | 對視覺的影響 | 建議設定 | 必要註解 |

七、時間與選擇範圍
| 檢查項目 | 目前做法 | 可能偏誤 | 會改變結論的替代範圍 | 建議 |

八、缺失值與資料品質
| 位置／期間 | 0／缺失／未適用 | 目前呈現 | 風險 | 建議呈現 |

九、事實與主張分離
| 目前文字 | 類型（事實／解讀／假設／因果主張） | 資料支持程度 | 建議改寫 |

十、最小修正版
列出保留目前圖表類型時，最少需要修改的軸線、顏色、標記、標題、註腳與資料標籤。

十一、替代圖表方案
- 圖表類型
- X軸與Y軸
- 分組與排序
- 顏色與線型
- 必要標記
- 為何更適合

十二、可直接使用的文案
- 事實型標題1則
- 副標1則
- 資料來源與截止時間註腳
- 缺失值／口徑註腳
- 30秒口頭說明
- 面對主管追問「所以是什麼原因？」的謹慎回答

十三、反向解讀測試
提供5個問題，交給未參與製圖者測試是否容易誤讀。

十四、發布前人工確認清單
列出數據、指標、圖表、文字、無障礙與核准事項。

建議使用方式

第一輪提供資料表與圖表設定，要求 AI 只做「完整性檢查、誤導風險與五個追問」。補齊缺口後，第二輪再產生最小修正版與替代方案。不要只貼一張低解析度圖表就要求判定所有問題。

實際教學範例

情境：MES 上線後問題回報趨勢

專案團隊要向主管說明「MES 上線品質持續改善」，準備了最近四週資料：

週次	使用交易數	回報問題件數	問題率	已關閉件數	累計關閉件數
W1	500	20	4.0%	8	8
W2	650	24	3.7%	13	21
W3	800	26	3.25%	18	39
W4	1,000	28	2.8%	24	63

原圖設計

• 長條圖顯示問題件數：20、24、26、28
• Y 軸從 18 開始
• 折線圖使用右 Y 軸顯示累計關閉件數
• 標題：「問題暴增，但團隊處理能力同步大幅提升」
• 沒有顯示交易數與問題率

原圖的問題

1. 截短 Y 軸放大件數差異

問題件數由 20 增至 28，但 Y 軸從 18 開始，28 的長條視覺高度可能是 20 的五倍。這會放大「暴增」感受。

2. 件數缺少工作量分母

交易數由 500 增至 1,000。問題件數增加 40%，但問題率由 4.0% 降至 2.8%。只畫件數會漏掉系統使用量翻倍的背景。

3. 累計值與期間值混在雙軸

累計關閉件數只會持續增加，與每週問題件數放在可調尺度的雙軸上，容易製造「同步」印象。

4. 標題同時過度放大與暗示因果

「暴增」沒有定義；「處理能力提升」不能只由累計關閉數證明，還需要未結案件、平均處理時間、重開率及案件難度。

建議的修正版

主圖：問題率折線圖

• X 軸：W1～W4
• Y 軸：0%～5%
• 直接標示每週問題率
• 在資料點旁附問題件數／交易數，例如 28／1,000
• 標題：「交易量增加期間，回報問題率由4.0%降至2.8%」
• 副標：「問題件數由20增至28；原因及長期趨勢仍需更多週資料驗證」

輔助圖：每週新增與關閉件數並列長條圖

• 不使用累計值
• 同一 Y 軸從 0 開始
• 顯示每週新增與關閉件數
• 另列期末未結案件數

謹慎的口頭說明

四週內交易量從500增至1,000，回報問題件數從20增至28；以交易數為分母，問題率由4.0%降至2.8%。同期間每週關閉件數由8增至24，但目前尚未控制案件難度、重開率與延遲回報，因此可以說觀察到改善訊號，尚不能直接歸因於某一項措施。

AI 不應做的事

• 只看四週就宣布長期趨勢成立。
• 把問題率下降直接歸因於新版功能。
• 用雙軸調整到兩條線剛好交叉。
• 隱藏問題件數增加的事實。
• 把尚未完整的 W4 與完整週直接比較。
• 未提供分母時自行計算問題率。
• 用「顯著改善」暗示已有統計檢定。

常見錯誤、隱私與使用注意事項

常見錯誤

• 先決定故事再挑資料： 容易只選支持結論的期間。
• 只給AI圖片： 無法確認精確值、分母與缺失資料。
• 長條圖截短軸線： 小差距被放大成巨大落差。
• 濫用雙軸： 任何兩條線都能被調成看似相關。
• 件數取代比率： 工作量改變時結論可能相反。
• 比率沒有樣本數： 1／2與500／1,000都是50%，可信度不同。
• 累計值證明本期表現： 累計通常只升不降。
• 缺失值填0： 把沒有資料誤畫成實際為零。
• 分類重疊還畫圓餅： 讀者誤以為各類合計100%。
• 3D與面積裝飾： 視覺大小不再對應實際數值。
• 標題偷渡因果： 資料只支持同時發生。
• 只有平均值： 尾端、分布與極端值被隱藏。
• 未完成期間直接比較： 當月數字看似突然下降。
• 紅綠判讀： 色覺差異者可能無法辨識。

資料隱私

• 對外圖表避免顯示小到能識別個人的群組。
• 移除姓名、客戶、供應商、員工編號與機密專案名稱。
• 財務、人事、健康、申訴與績效資料需依組織規範處理。
• 地區、職級、日期等欄位交叉後可能重新識別個人。
• 上傳 AI 前優先使用匿名化資料與必要欄位。
• 圖表截圖也可能包含工作表分頁、檔名或內部網址，發布前需裁切檢查。

使用注意事項

• AI 可以指出誤讀風險，但不一定看得到互動式圖表的篩選狀態。
• 生成的替代圖表規格仍需在實際工具中重建與驗證。
• 圖表美觀不能取代資料定義與勾稽。
• 因果結論需要研究設計、對照或更多證據，不由圖形外觀決定。
• 高風險領域需要統計、財務、法規或品質專家複核。
• 對外發布前應由未參與製圖者做反向解讀測試。