یکی از سوالاتی که معمولا در مواجهه با نتایج تحلیل داده برای افراد پیش می‌آید این است که تحلیلگر از کجا فهمید باید چنین نموداری بکشد؟

مهم‌ترین عاملی که به ذهن تحلیلگر شکل می‌دهد زنجیرۀ سوالاتی است که با طرح آن‌ها حول موضوع اصلی سراغ داده‌ها می‌رود. این سوالات بسته به اطلاعاتی که در هر موضوع داریم متفاوت دارد. با این حال، نکات دیگری هم هست که توجه به آن‌ها نیز در جهت‌دهی به طراحی تحلیل و مصورسازی بی‌تاثیر نیست.

به عنوان نمونه در این بررسی، رابینسون از دو ترفند برای ایجاد تغییر در متغیرهای خود سود برده است. اختلاف درآمد سرانه در کشورها بسیار زیاد است. تعدادی از کشورها هستند که درآمد سرانه آن‌ها ده‌ها برابر بیشتر از درآمد سرانه کشورهای فقیرتر است. این اندازه اختلاف بررسی را با دشوارهای زیادی روبرو می‌کند. به همین دلیل تحلیلگر  به جای درآمد سرانه کشورها، لگاریتم آن را در تحلیل وارد کرده تا اختلاف مقادیر از چند واحد بیشتر نشود و در کار تحلیل اخلال ایجاد نکند.

ترفند دوم روی متغیر تعداد بازدید اجرا شده است (محور عمودی). ترافیک بازدید کشورها در وبسایت stack overflow نیز اختلاف زیادی با یکدیگر دارد. مثلا آمریکا نزدیک 25% و هند نزدیک به 15% از کل ترافیک بازدید را به خود اختصاص داده‌اند، در حالیکه جایگاه بعدی متعلق به کشورهایی است که کمتر از 5% از کل ترافیک سهم دارند. این تفاوت سبب می‌شود تا مقایسه ترافیک یک تکنولوژی خاص مانند پایتون در کشورها به راحتی امکان‌پذیر نباشد. در اینجا تحلیلگر برای مقایسه‌پذیر کردن تعداد بازدید در کشورها، تعداد آن را در هر یک از زبان‌های برنامه‌نویسی بر تعداد کل بازدید‌های آن کشور تقسیم کرده و اصطلاحا آن را نسبت به اندازه کل ترافیک در کشورها نرمال کرده و تاثیر آن را در تحلیل از بین برده است. سهم ترافیک یک تکنولوژی خاص از کل بازدیدهای مربوط به یک کشور، عددی بین 0 و 1 است و به راحتی می‌توان آن را با موارد مشابه دیگر مقایسه کرد.

مقایسه‌پذیر کردن موجودیت‌هایی که به مقایسه‌شان علاقه‌مند هستیم، یکی از چیزهایی است که معمولا نقش قابل توجهی در تحلیل داده ایفا می‌کند.