作者都是各自领域经过审查的专家,并撰写他们有经验的主题. 我们所有的内容都经过同行评审,并由同一领域的Toptal专家验证.
定量的数据没有解释是没有用的. 数据可视化将原始数据的含义综合成连贯的结论. 当设计师优先考虑引人注目的图像而不是准确性时,视觉效果就会欺骗人. 为了完整地传达数据,设计师必须避免常见的数据可视化错误.
如果你长时间折磨这些数据,它会告诉你一切. 约翰W. 图基
约翰·怀尔德·杜克 一个人是忠于数据的吗. 他是普林斯顿统计学系的创始成员,也是这个词的发明者 软件, 杜克最喜欢分析学的一个方面是“让人感到无聊”, 平面数据,并通过可视化将其带入生活.但尽管他对数字充满热情, 图基敏锐地意识到数据被误解的方式, 甚至警告, “想象经常被用来做坏事.”
善与恶的双重潜能并不是数据可视化所独有的, 但考虑到当今时代的悖论,这是一个紧迫的设计考虑. 信息比以往任何时候都更加丰富和容易获取, 然而,政府, 媒体, 商业范围广泛 不信任. 当组织发布误导性的可视化(有意或无意)时,信任鸿沟就会扩大.
哪些设计因素会使视觉效果具有欺骗性 设计师 以最清晰的方式传达数据的含义?
“优秀的图形是指在最短的时间里,在最小的空间里,用最少的墨水,给观众提供最多的想法。.” -爱德华R. 塔夫特, 定量信息的视觉显示
人类的视觉和认知是自然界中最不可思议的现象之一:
从观察到思考的飞跃是瞬间的, 还有大脑, 充斥着身体需求和外界刺激, 必须通过优先考虑哪些需要破译,哪些需要忽略来节省精力吗.
在这个观察和理解的快速结合中, 数据可视化 证明自己的价值. 在这里, 许多可视化告诉观众他们“应该”在数据中看到什么, 劳累过度的大脑点头表示赞同. 确认偏误占据了上风. 失去客观性.
公平地说, 误导性的视觉效果并不总是恶意的副产品, 但即使是诚实的错误也会误导观众. 眼睛是易受影响的,人类往往会为了快速获取信息而掩盖信息. 视觉和认知必须是所有设计的关键考虑因素 数据可视化.
颜色是最具说服力的设计元素之一. 即使是细微的色调变化也会引起强烈的情绪反应. 数据可视化的挑战之一是,高度的色彩对比可能会导致观看者认为价值差异比实际情况更大.
例如,热图用颜色描绘值的大小. 较高的值显示为橙色和红色,而较低的值呈现为蓝色和绿色. 值之间的差异可能很小, 但颜色对比会给人一种热和活动加剧的印象.
设计师外卖:
几个世纪以来,三维空间的二维表现一直吸引着观众, 但是3D图形给数据可视化带来了两个严重的问题.
当一个3D图形部分遮挡另一个图形时,就会发生遮挡. 这是模仿自然世界空间的结果——物体有不同的X, Y, 和Z坐标. 在数据可视化中, 遮挡遮挡了重要的数据并创建了错误的层次结构,其中无阻碍的图形显得最重要.
当三维图形通过缩短缩进或投影出画面平面时,就会发生失真. 在画画, 透视收缩 使物体看起来好像生活在三维空间中, 但是在数据可视化中, 它创造了更多错误的等级制度. 前景图形显得更大, 背景图形变小, 数据序列之间的关系是不必要的扭曲.
设计师外卖:
这是一个永恒的设计问题——在追求清晰沟通的过程中,该包含什么与该删减什么. 这是数据可视化的挑战之一, 太, 尤其是当数据既丰富又发人深省的时候.
的诱惑? 用一个简单的可视化表达一个深刻的观点.
这个问题? 人类并没有很好地计算以视觉形式抽象的多个值的含义.
当可视化包含太多数据时, 信息了, 数据融化成大多数观众无法忍受的图形汤.
设计师外卖:
数据的变化, 有时广泛, 比如根据地理区域衡量收入水平或投票习惯. 为了使视觉效果更富有戏剧性或更具美感, 设计人员可以选择在图形上操作比例值.
一个常见的例子是 忽略基线 或者将y轴从0以上的某个位置开始,以使数据差异更加明显.
另一个例子是 截断X值 的数据序列,使其看起来与低值序列具有可比性.
设计师外卖:
建议的行为是说服的艺术. 告诉别人他们应该在图像中看到什么,他们可能会照做. 伴随可视化的文本(支持副本), 标题, 标签, 字幕)是为了给观众客观的背景, 而不是操纵他们对数据的感知.
设计师外卖:
每种数据可视化方法都有自己的用例. 例如,饼状图是用来比较一个整体的不同部分. 它们适用于预算细分和调查结果(相同的饼),但并不意味着在不同的数据集(不同的饼)之间进行比较。.
饼状图可以用来可视化三个相互竞争的企业的收益, 但是,柱状图会使企业之间的差异(或相似之处)更加明显. 如果可视化是为了显示收入随时间的变化, 那么折线图会比条形图更好.
设计师外卖:
可视化数据集之间的相关性有助于让查看者更广泛地理解主题. 显示相关性的一种方法是在同一图表上叠加数据集. 当仔细考虑相关性时,叠加会导致aha时刻. 当重叠的数量过多时,观众很难画出连接.
也有可能以一种错误地暗示因果关系的方式来可视化相关性. 一个著名的例子是将冰淇淋销量的增加与暴力犯罪的激增联系起来,而这两者都是温暖天气的结果.
设计师外卖:
数据和时间是不可分割的. 可以放大时间框架,显示有利于更广泛叙述的数据. 将财务业绩可视化是一个常见的罪魁祸首. 考虑一张图表,它显示了短期内强劲的数字, 让生意看起来很兴旺. 不幸的是, 缩小显示,该公司在急剧和持续的下降中只经历了小幅上升.
设计师外卖:
视觉设计元素 影响人类心理. 图标、配色方案和字体都带有影响观看者感知的内涵. 当设计师忽略这些联系或避开它们,以支持创造性的表达, 很少会顺利.
分析数据可视化是一项耗费脑力的工作. 在认知的关键时刻, 大脑可能不需要花时间来解读熟悉的设计元素重新想象的含义.
设计师外卖:
数据可视化 给那些难以理解的数字赋予形状. 当数据复杂且有多个变量在起作用时,它们揭示了意义. 但想象并不总是必要的.
如果数据可以用统计数据清晰简洁地传达,那么就应该这样做. 如果文本描述被证明是有洞察力的,那么显示数据的形状就没有什么影响了, 不需要可视化.
设计师外卖:
人们倾向于将数据可视化作为无可辩驳的证据. “我们有数据. 这就是它的意思. 故事结束.” 然而,20世纪伟大的科学家们喜欢不确定性 并接受了一个事实,即即使是最令人信服的数据也容易出错.
数据可视化 不是真理宣言吗?. 它们是分析快照——用人眼能理解的形式塑造的数字现实. 当 设计师 放弃修饰,克服这些数据可视化的挑战, 它们促进客观,消除对偏见和欺骗的恐惧.
让我们知道你的想法! 请在下面留下你的想法、评论和反馈.
数据可视化很重要,因为它为人类大脑无法轻易掌握的数字现实提供了形状和意义. 没有解释, 原始数据没什么用处, 但数据可视化技术可以帮助观众快速掌握数据的含义,并就一个话题形成观点.
一个好的可视化说明数据,使观众可以快速提取意义. 数据可视化中最常见的错误之一是包含了太多的信息. 这使得观众很难形成结论. 同样,当设计师包含太多的视觉效果时,视觉效果也会受到影响.
Edward Tufte(“图形领域的伽利略”)用一句话总结了最重要的数据可视化原则. “优秀的图形是指在最短的时间里,在最小的空间里,用最少的墨水,给观众提供最多的想法。.”
数据可视化的两种基本类型是探索性的和声明性的. 探索性数据可视化技术有助于预测不同场景的潜在结果. 数据是可预测的. 声明性可视化记录已经建立的数据, 比如销售业绩或预算.
有许多数据可视化错误会误导观众. 值得注意的是, 视觉化与有说服力的文字相结合,会让观众很难得出自己的结论. 同样的, 只呈现数据集的有利部分的可视化可能会给观众带来错误的印象.
世界级的文章,每周发一次.
世界级的文章,每周发一次.