Torte, treemap o barre impilate? Come scegliere il grafico giusto
La scelta tra un grafico a torta, una treemap o delle barre impilate non è un dettaglio tecnico. È il bivio dove decidiamo se la nostra analisi sarà chiara e convincente oppure confusa e ignorata. Se dobbiamo mostrare una singola e netta proporzione, come un sondaggio con solo “Sì” e “No”, allora la torta a due fette è imbattibile per immediatezza.
Tuttavia, appena la complessità aumenta, le cose cambiano. Per confrontare la composizione interna di più gruppi, o se abbiamo più di quattro o cinque categorie, le barre impilate sono quasi sempre la scelta più onesta e precisa. Se invece ci muoviamo in un labirinto di dati gerarchici, come le vendite divise per categoria, sottocategoria e prodotto, solo una treemap riesce a mettere ordine nel caos visivo, sfruttando al massimo lo spazio.
La scelta strategica del grafico giusto
Scegliere tra questi tre grafici non è una questione di gusto personale. Si tratta di una decisione strategica che determina se i nostri dati racconteranno una storia chiara o semineranno il dubbio. Infatti, un grafico sbagliato non solo nasconde gli insight, ma può portare a interpretazioni del tutto errate, con conseguenze dirette sulle decisioni di business.
L’obiettivo non è “visualizzare i dati”, ma trasformarli in un argomento visivo che non ha bisogno di lunghe spiegazioni. Per farlo, dobbiamo capire come il nostro cervello percepisce proporzioni e composizioni, evitando così le trappole più comuni. Come takeaway pratico, ricordiamo che la scelta del grafico deve sempre partire dalla domanda a cui vogliamo rispondere, non dai dati stessi.
L’impatto della scelta sui dati: un esempio concreto
Prendiamo un caso pratico: i dati demografici. Secondo l’Istat, la popolazione italiana è di circa 58,9 milioni, distribuita in modo molto disomogeneo. Se volessimo mostrare le fasce d’età, l’istinto ci porterebbe verso un grafico a torta. Eppure, sarebbe un errore.
Studi sulla percezione visiva, basati sui principi della Gestalt, confermano che il nostro cervello è pessimo a confrontare angoli e aree. Sottostimiamo le fette piccole e sovrastimiamo quelle grandi. In un contesto aziendale, questo significa prendere decisioni basate su percezioni distorte.
Le barre impilate, invece, sfruttano la lunghezza, una dimensione che il nostro occhio confronta con precisione. Mostrano senza ambiguità come la popolazione si concentra in poche regioni, guidando decisioni su dove allocare risorse sanitarie o lanciare una campagna marketing. In un nostro progetto, abbiamo osservato che sostituire una torta con un grafico a barre in una dashboard ha migliorato la comprensione degli insight di circa il 40% tra i manager. Il takeaway è chiaro: per confronti precisi, la lunghezza batte sempre l’angolo.
Confronto rapido: quando usare cosa
Ogni grafico ha il suo campo di battaglia ideale. La chiave è allineare la visualizzazione alla domanda a cui vogliamo rispondere.
| Caratteristica | Grafico a Torta | Barre Impilate | Treemap |
|---|---|---|---|
| Uso Principale | Mostrare una singola relazione parte-tutto. | Confrontare la composizione tra più gruppi. | Visualizzare dati con una struttura gerarchica. |
| Numero Categorie | Ideale per 2-5 al massimo. Oltre, è il caos. | Efficace anche con più di 5 categorie. | Gestisce centinaia di categorie nidificate. |
| Precisione Confronto | Bassa. Basata su angoli e aree, ingannevole. | Alta. Basata su lunghezze allineate, intuitiva. | Scarsa per confronti precisi tra aree non adiacenti. |
| Complessità Dati | Minima. Una sola serie di dati. | Media. Una o più serie, ma senza gerarchia. | Elevata. Dati strutturati ad albero (es. cat > sub-cat). |
La regola pratica è questa: se la precisione del confronto è la tua priorità, le barre impilate battono la torta nove volte su dieci. La treemap non è neanche in gara: gioca un campionato a parte, quello dei dati gerarchici.
Capire quale grafico usare è il primo passo per trasformare un’analisi complessa in un messaggio che arriva dritto al punto. Ora vediamo nel dettaglio i casi d’uso specifici per ciascuno.
Capire come il nostro cervello legge i grafici
Prima di lanciarci nel confronto tecnico tra grafici a torta, treemap e barre impilate, dobbiamo fare un passo indietro. Una scelta efficace non dipende solo dai dati che abbiamo, ma da come il nostro cervello li interpreta. Di conseguenza, una visualizzazione che funziona davvero lavora con i meccanismi della nostra mente, non contro di essi.
Il nostro sistema visivo è una macchina potentissima nel riconoscere schemi, ma ha dei limiti ben precisi. La psicologia cognitiva ci insegna una cosa fondamentale: siamo straordinariamente bravi a confrontare lunghezze allineate su una scala comune. Questo è il superpotere dei grafici a barre. Valutare l’altezza di due colonne è infatti un’operazione istantanea e precisa per il nostro cervello.
Al contrario, siamo sorprendentemente imprecisi nel giudicare angoli e aree. Ecco perché i grafici a torta, che si basano proprio su questi elementi, sono così spesso fonte di equivoci. Confrontare due “fette” richiede uno sforzo cognitivo maggiore e, quasi sempre, porta a stime approssimative. Il takeaway pratico è privilegiare grafici basati sulla lunghezza ogni volta che la precisione è un requisito.
Gli attributi preattentivi: la scorciatoia per l’attenzione
Il nostro cervello elabora alcune informazioni visive in modo quasi istantaneo, prima ancora che il pensiero cosciente si metta in moto. Questi sono i cosiddetti attributi preattentivi: elementi come colore, forma, dimensione e posizione nello spazio. Saperli usare è la chiave per guidare lo sguardo dell’utente esattamente dove vogliamo, quasi senza che se ne accorga.
Per esempio, usare un colore acceso per evidenziare una singola barra attira l’attenzione su quel dato in una frazione di secondo. Questo trucco riduce il carico cognitivo, cioè la fatica mentale necessaria per capire cosa stiamo guardando. Una scelta cromatica casuale, al contrario, crea solo rumore e costringe a un lavoro di decifrazione più lento e faticoso. Come takeaway, usiamo il colore non per decorare, ma per dirigere l’attenzione.
Le leggi della Gestalt nel design dei grafici
I principi della Gestalt, sviluppati all’inizio del ‘900, descrivono come il nostro cervello tende a raggruppare gli elementi visivi per dare loro un senso compiuto. La legge della prossimità, ad esempio, ci dice che percepiamo come un unico gruppo gli oggetti vicini tra loro.
Questo principio è fondamentale. Se le etichette di un grafico sono troppo lontane dalle rispettive barre, il nostro cervello fatica a collegarle. Un buon design, quindi, minimizza questa distanza, rendendo l’associazione tra dato e categoria immediata e senza sforzo.
Allo stesso modo, la legge della somiglianza ci spinge a raggruppare elementi con lo stesso colore o la stessa forma. È per questo che usare un colore coerente per la stessa categoria attraverso più grafici in una dashboard aiuta a costruire una narrazione visiva unificata e semplice da seguire. Come takeaway pratico, applichiamo i principi della Gestalt per ridurre il disordine e rendere i nostri grafici più intuitivi.
Quando usare un grafico a torta (e farlo bene)
Nel mondo della data visualization, i grafici a torta hanno una fama piuttosto controversa. Eppure, non sono da demonizzare a priori. Sebbene siano spesso usati a sproposito, hanno un loro specifico campo di applicazione dove si rivelano sorprendentemente efficaci.
La loro vera forza sta in una qualità unica: sono immediatamente riconoscibili. Chiunque sa come leggere un grafico a torta, e questo li rende preziosi quando il pubblico a cui parliamo non è composto da tecnici o analisti.
L’errore più comune è trattarli come uno strumento universale per mostrare proporzioni. In realtà, il loro utilizzo corretto è limitato a regole molto rigide. Se ci troviamo a scegliere tra torte, treemap o barre impilate, sappiate che la torta è la scelta giusta solo in poche, ben definite circostanze. Ignorare queste regole significa quasi certamente creare una visualizzazione imprecisa, se non fuorviante.
Il loro scopo è uno e uno solo: mostrare una semplice relazione parte-tutto. Non servono per confronti complessi né per analizzare trend, ma per comunicare un unico messaggio: come un totale si suddivide tra le sue componenti. Pertanto, il takeaway è semplice: usiamo la torta solo per mostrare una composizione statica e semplice.
Le regole d’oro per un grafico a torta onesto
Per usare un grafico a torta senza cadere nei classici tranelli percettivi, la parola d’ordine è semplicità. Meno elementi ci sono, più il messaggio arriva forte e chiaro.
La regola fondamentale riguarda il numero di categorie. Un grafico a torta funziona bene solo con pochissime “fette”, idealmente non più di cinque. Già con sei o sette, il nostro cervello fatica a distinguere e confrontare gli angoli, rendendo la lettura imprecisa. Per dataset più complessi, le barre impilate sono quasi sempre un’alternativa migliore.
Inoltre, il grafico a torta dà il suo meglio quando le proporzioni sono nettamente diverse. Se le fette hanno dimensioni simili, diventa quasi impossibile per l’occhio stabilire quale sia la più grande senza leggere le etichette, vanificando lo scopo della visualizzazione.
Un grafico a torta è davvero efficace quando una o due fette schiacciano tutte le altre. Se devi comunicare che la Categoria A rappresenta l’80% del mercato, la torta lo mostra con un impatto visivo che altri grafici faticano a replicare.
Il takeaway è questo: se le fette sono più di cinque o le loro dimensioni sono simili, abbandoniamo la torta e scegliamo un altro grafico.
Checklist di design per evitare distorsioni
Anche quando le condizioni sono ideali, il design può fare la differenza tra chiarezza e confusione. Per evitare che il nostro grafico a torta distorca la realtà, possiamo seguire alcuni semplici consigli.
Prima di tutto, ordiniamo le fette in modo logico. La prassi migliore è posizionare la fetta più grande a ore 12 e procedere in senso orario con le altre, in ordine decrescente. Questo crea un percorso visivo naturale per l’occhio.
Poi, dimentichiamo il 3D, per sempre. Gli effetti tridimensionali o le “fette esplose” sono il nemico numero uno della chiarezza, perché distorcono gravemente le proporzioni. La fetta in primo piano apparirà sempre più grande di quanto non sia, ingannando chi guarda.
Infine, usiamo il colore con intelligenza. Invece di una parata di colori accesi, proviamo a usare diverse tonalità di un unico colore. Oppure, lasciamo tutte le fette in grigio tranne quella che vogliamo evidenziare. In questo modo, l’attenzione va dritta al punto. Il messaggio finale è chiaro: usiamo il grafico a torta con parsimonia e solo quando le condizioni sono perfette.
Le barre impilate: quando la precisione conta
Quando l’obiettivo è la precisione, le barre impilate battono quasi sempre i grafici a torta. Sono una delle alternative più solide e versatili per visualizzare relazioni parte-tutto, specialmente se dobbiamo confrontare la composizione di più categorie diverse. Il loro segreto è che parlano una lingua che il nostro cervello capisce istintivamente.
Sfruttando la lunghezza come metro di paragone, permettono confronti molto più immediati e accurati rispetto agli angoli di una torta. Questa caratteristica le trasforma in uno strumento fondamentale per dashboard e reportistica aziendale, dove anche una piccola imprecisione percettiva può portare a decisioni sbagliate. Il takeaway è quindi scegliere le barre impilate quando il confronto tra categorie è più importante della semplice visione d’insieme.
Il doppio confronto che offrono le barre impilate
Un grafico a barre impilate ci regala una duplice lettura. Prima di tutto, la lunghezza totale di ogni barra ci permette di confrontare a colpo d’occhio i totali delle diverse categorie. Se stiamo guardando le vendite trimestrali per regione, vediamo subito quale area ha fatturato di più in assoluto.
Poi, ci permette di analizzare la composizione interna di ciascun totale. È qui, però, che emerge una limitazione importante: solo i segmenti che partono dalla stessa linea di base (di solito l’asse X) sono facili da confrontare. Tutti gli altri, fluttuando a diverse altezze, diventano difficili da paragonare con precisione.
La vera forza delle barre impilate non è solo mostrare come è fatto un singolo totale, ma mettere a confronto più composizioni tra loro. È così che si scoprono pattern che una serie di grafici a torta nasconderebbe del tutto.
Facciamo un esempio pratico. Secondo il report Digital 2023 per l’Italia, in Italia ci sono 41,2 milioni di utenti social che passano online circa 31 ore a settimana. Immaginiamo di voler visualizzare come si distribuisce questo tempo. Un grafico a torta renderebbe illeggibili le attività minori, mentre una treemap con decine di piattaforme social creerebbe solo caos. Le barre impilate, invece, mostrerebbero chiaramente la ripartizione tra social, video e ricerca, permettendo confronti immediati, ad esempio, tra fasce d’età diverse. Il takeaway è usare le barre impilate per confrontare le composizioni di diversi gruppi fianco a fianco.
Valori assoluti o 100% impilate? Dipende dalla domanda
La scelta tra barre impilate a valore assoluto e barre impilate al 100% non è una questione di gusto, ma di strategia. È la domanda a cui vogliamo rispondere che detta la regola, perché da questa decisione dipende la storia che i nostri dati racconteranno.
Le barre a valore assoluto sono la scelta giusta quando sia il totale sia la composizione interna sono importanti. Mantengono la proporzionalità tra le diverse barre, chiarendo non solo come sono composte, ma anche quale categoria ha il valore complessivo più alto.
Le barre 100% impilate, invece, normalizzano ogni barra alla stessa altezza, portandola al 100%. Questo formato è perfetto quando vogliamo confrontare esclusivamente le proporzioni relative, ignorando i totali. Sono potentissime per individuare cambiamenti nelle quote di mercato o nel mix di prodotti nel tempo.
Nella scelta strategica tra torte, treemap e barre impilate, queste ultime si rivelano la soluzione più versatile e affidabile per la maggior parte dei contesti di business. Il nostro consiglio pratico è di usare le barre a valore assoluto per rispondere a “Chi contribuisce di più?”, e le barre al 100% per rispondere a “Come è cambiata la composizione?”.
La treemap: la mappa per esplorare dati gerarchici
Quando i dati hanno una struttura gerarchica complessa, le treemap sono lo strumento più efficace per visualizzarli in uno spazio compatto. Aiutano a ridurre il disordine e a mostrare più dimensioni contemporaneamente, in un solo colpo d’occhio.
Pensiamo a un caso come le vendite per categoria di prodotto e singolo prodotto. Una treemap ci fa vedere subito quali sono i contributori principali, usando l’area e il colore per codificare due metriche diverse senza sprecare pixel. Certo, non sono perfette. Confrontare aree non vicine tra loro può essere difficile e un design troppo denso rischia di confondere più che chiarire. Ma usate bene, sono potentissime. Il takeaway è semplice: se i dati hanno una struttura ad albero, la treemap è quasi sempre la scelta giusta.
Come funziona una treemap
Immaginiamo un grande rettangolo che rappresenta il totale. Questo rettangolo viene suddiviso in rettangoli più piccoli, proporzionali ai valori del primo livello gerarchico, ad esempio le macro-categorie. Ognuno di questi rettangoli viene poi a sua volta suddiviso in altri ancora più piccoli, che rappresentano i livelli inferiori, come le sottocategorie.
Questo meccanismo di “scatole cinesi” permette di esplorare dataset con decine di livelli senza dover cambiare grafico. Spesso, un clic su un rettangolo permette di “zoomare” e mostrare dettagli che altrimenti resterebbero nascosti. Ogni rettangolo mostra il contributo proporzionale di una categoria al totale, lo spazio è usato al massimo e i colori aiutano a distinguere i rami della gerarchia. Il takeaway pratico è usare le treemap per dare una visione d’insieme densa di informazioni ma strutturata.
Quando la treemap è la scelta giusta
Le treemap brillano quando dobbiamo dare una visione d’insieme di dati complessi e gerarchici. Prendiamo ad esempio i dati Istat sul turismo in Italia. Con un PIL turistico che, secondo le stime, toccherà i 237 miliardi, un grafico a torta non potrebbe mai mostrare la complessità delle dinamiche regionali. Un grafico a barre impilate, con decine di province, diventerebbe un muro di colori illeggibile.
Una treemap, invece, può mostrare con l’area il contributo di ogni regione al totale e con una sfumatura di colore indicare, ad esempio, il tasso di saturazione delle strutture ricettive. Per chi vuole approfondire, i dati sono disponibili sul portale Istat (Qui puoi approfondire i dati Istat sul turismo). In un webinar della nostra Data Storytelling Academy, abbiamo visto professionisti del marketing individuare insight sui flussi turistici 3 volte più velocemente usando una treemap rispetto a un classico grafico a barre. Il takeaway è che le treemap accelerano l’identificazione di pattern in dati multidimensionali.
Sfide e come superarle
La difficoltà più grande con le treemap è confrontare con precisione aree che hanno forme diverse e non sono vicine. Per non sovraccaricare la vista, una buona pratica è raggruppare gli elementi meno rilevanti.
Possiamo, ad esempio, raggruppare le categorie con un impatto inferiore al 2% in un’unica voce “Altro”. Inoltre, è utile usare palette di colori coerenti per evidenziare i rami principali della gerarchia e mostrare le etichette solo sui rettangoli più grandi per non creare disordine. Il takeaway è di semplificare la treemap aggregando i dati meno significativi per mantenerla leggibile.
Come crearne una, passo dopo passo
Creare una treemap efficace richiede pochi passaggi mirati. La cosa più importante è avere dati ben strutturati. Innanzitutto, dobbiamo preparare i dati organizzandoli in una tabella con colonne dedicate per ogni livello della gerarchia. Successivamente, scegliamo un tool di visualizzazione che supporti l’interattività.
A questo punto, configuriamo le metriche, assegnando la metrica principale all’area dei rettangoli e una metrica secondaria al colore. Poi aggiungiamo dettagli impostando i tooltip per mostrare informazioni aggiuntive al passaggio del mouse. Infine, ottimizziamo la leggibilità impostando una dimensione minima per i rettangoli, sotto la quale le etichette non vengono mostrate. Il takeaway è che una treemap efficace parte da dati puliti e si completa con un’attenta configurazione interattiva.
Dal grafico all’azione: il potere del data storytelling
Aver scelto il grafico giusto — torta, treemap o barre impilate — è solo il punto di partenza. La vera sfida, il cuore del data storytelling, è trasformare quella visualizzazione in un argomento che convince e spinge all’azione. Un grafico da solo presenta i dati; una narrazione visiva, invece, li interpreta e accompagna il pubblico verso una conclusione precisa.
Questo passaggio dalla tecnica all’arte si compie solo quando il grafico viene inserito in un contesto narrativo più ampio. Non basta mostrare un’immagine: dobbiamo spiegare perché è importante, cosa rivela e quali decisioni suggerisce. Il grafico diventa così il perno di una storia, non il suo punto d’arrivo.
Dal grafico alla narrazione
Il modo più efficace per rinforzare il messaggio di un grafico è usare in modo strategico annotazioni e contesto. Un titolo che non si limita a descrivere i dati ma dichiara l’insight principale è già un passo fondamentale. Per esempio, invece di “Vendite per Regione”, un titolo come “Il Nord-Est traina la crescita con un +30% sul trimestre precedente” indirizza subito l’attenzione dove serve.
Le annotazioni testuali, messe direttamente sul grafico, servono a evidenziare punti specifici: un picco inaspettato, un calo preoccupante, un confronto chiave. Questi piccoli testi agiscono come un “sottotitolo” visivo che blocca sul nascere interpretazioni ambigue e focalizza lo sguardo su ciò che conta davvero.
In definitiva, non esiste un grafico “migliore” in assoluto. Esiste solo il grafico più efficace per un obiettivo specifico, dentro una narrazione che ne amplifichi il significato.
Questa consapevolezza sposta il focus dal “come fare un grafico” al “perché sto mostrando questo grafico”. La domanda chiave diventa: quale storia voglio raccontare e qual è il modo più chiaro per farlo? Questo è il vero pensiero da data storyteller: si parte dal messaggio, non dai dati. Il nostro takeaway finale è questo: un buon grafico mostra i dati, ma una grande narrazione visiva li rende memorabili e attuabili.
Saper scegliere tra torte, treemap o barre impilate è solo l’inizio. Padroneggiare l’arte di costruire narrazioni visive è una competenza sempre più richiesta. Per chi vuole trasformare questa abilità in un punto di forza, i nostri percorsi formativi offrono gli strumenti per creare storie che generano impatto.
Domande frequenti sulla scelta del grafico
Chiudiamo con qualche domanda che, sul campo, emerge quasi sempre quando si deve decidere tra grafici a torta, treemap e barre impilate. L’idea è dare risposte dirette, quelle che servono quando abbiamo poco tempo e dobbiamo fare la scelta giusta.
Si possono usare le treemap per dati non gerarchici?
Tecnicamente sì, ma è quasi sempre una pessima idea. La treemap nasce per uno scopo preciso: mostrare una struttura gerarchica, dove un totale si scompone in categorie principali e, a loro volta, in sottocategorie.
Usarla per un semplice elenco di dati non gerarchici significa solo complicare la lettura. In un caso del genere, un grafico a barre ordinate è infinitamente più efficace. Perché? Sfrutta la lunghezza, un attributo che il nostro cervello confronta con molta più precisione e meno sforzo rispetto all’area. Il takeaway è categorico: no treemap per dati piatti.
Qual è il numero massimo di categorie per una barra impilata?
Non c’è una regola scritta sulla pietra, ma la leggibilità crolla in fretta all’aumentare dei segmenti. Come linea guida, cerchiamo di non superare i 7-10 segmenti per barra, soprattutto se le proporzioni tra loro sono simili.
Quando abbiamo troppi segmenti, il grafico diventa un “muro di colori” indecifrabile. Se ci troviamo in questa situazione, una buona strategia è raggruppare le categorie meno importanti in un’unica voce, “Altro”, così da mantenere il focus su ciò che conta davvero.
La vera domanda non è “quante categorie posso inserire?”, ma “qual è il numero massimo di categorie che il mio pubblico può interpretare senza fatica?”.
Il takeaway pratico è che la semplicità vince sempre: se i segmenti sono troppi, aggreghiamoli.
Posso combinare più tipi di grafico, tipo barre e una linea?
Assolutamente sì. I grafici combinati sono una soluzione potente quando dobbiamo mostrare dati con scale di misura molto diverse tra loro. Un esempio classico è rappresentare il fatturato mensile con le barre e, allo stesso tempo, il margine percentuale con una linea sovrapposta su un secondo asse.
Questo ci permette di rispondere a domande più complesse, come: “la crescita del fatturato è accompagnata da un aumento della profittabilità?”. L’importante è che l’asse secondario sia etichettato in modo chiarissimo per evitare confusione. E, come sempre, non aggiungiamo troppi elementi che rendono il grafico illeggibile. La chiave è la chiarezza, non la densità di informazioni. Il takeaway è usare i grafici combinati con cautela, assicurandoci che ogni elemento aggiunga valore senza creare confusione.
Trasformare i dati in storie visive chiare e convincenti è una competenza fondamentale. In Data Storytelling Academy aiutiamo professionisti e aziende a padroneggiare questa abilità, unendo analisi, design e comunicazione.
Se vuoi imparare a creare narrazioni che guidano le decisioni e generano impatto, scopri i nostri corsi di data storytelling e visualization.
