数据可视化和信息图成功的要素

大数据
如果仅仅是能够将数据转化成漂亮的图表,或者是设计出20种不同式样的图表来解释你的观点,并不说明你应该利用所有这20种图表,甚至是其中一种。

如果仅仅是能够将数据转化成漂亮的图表,或者是设计出20种不同式样的图表来解释你的观点,并不说明你应该利用所有这20种图表,甚至是其中一种。

数据可视化

如果要成功报告结果,将你所分析的度量和数据有效地转化为有商业价值的见解,使其能够为基于事实所做的决策提供支持,那么以下有几点指导方针:

[[155195]]

1.确定你的目标受众。

无论你是否在做一份传统的报表还是新式的信息图,首先问问自己有哪些人将看到这份报告?他们对将要讨论的事项了解多少?他们需要什么?他们又想要知道什么?还有,他们会如何利用你要展示的信息呢?

[[155196]]

2.定制数据可视化方案。

基于准备好的这些问题所得出的答案,就要开始定制你的数据可视化方案以满足每个决策者的特定要求。商业报告常常会被分发到每个人手上,只是“以防万一”有人会用得上。有时这份报告的部分内容会被切分开来,分别送给不同的人。这种做法只会更加混淆视听,加重决策者的负担。同时,还会使原本能为一个团队提供关于关键区别和见解的信息丢失或错失在对另一个团队有用的数据汪洋中。数据可视化始终都应该是为其受众专门定制的,这样的报告里只应包括受众需要知道的信息,且应将这些信息置于和他们有关并对他们有意义的背景下。

数据可视化

3.给数据可视化一个清晰的标签或标题。

既不要模棱两可,也不要画蛇添足,只要解释清楚图表即可。这有助于帮受众直接进入主题。

[[155198]]

4.将数据可视化和你的策略联系起来。

如果数据可视化的目的在于介绍能解决具体的、可衡量的、可执行的、有相关性和时效性问题的数据,那就在开场白里加上这些问题。稍后再和你的策略连接起来以理清这些数据的定位,因此,读者便能立刻明白可视化数据的相关性和价值。最终,他们便能更好地参与进来,并能够更明智地利用这些信息。

[[155199]]

5.明智地选择你的展示图表。

不管使用哪一类图表,都应该尽可能简单精准地传达讯息。这就意味着:

[[155200]]

• 只用有关联能传达重要信息的且为你的受众所需要的图形。不论有多新潮或好看,只为了看上去更漂亮并不是无端多加一张图片的理由。

• — 不必填满纸上的所有空白——太多杂乱的内容只会干扰对重要信息的接收,会让人太难记住,又太容易忽略。

——• 恰当运用色彩,增加信息深度。同时要注意有些色彩具备潜在含义。举例来说,红色被认为是代表警告或危险的颜色。

• 不要使用太多不同类的图表、表格和图形。如果需要对比各种图表,要确保你阐述数据时使用的是同类的图表,这样才能便于互相比较。

• 确保信息图上的所有内容至少都有其用途。

6.使用标题让重点突出。

这样能让读者大致浏览文件,并能快速抓住核心所在。

[[155201]]

7.在恰当处添加文字说明。

文字说明有助于用语言解释数据,并能在情境化图表的同时增加内容的深度。数字和表格或许仅能提供快照,而文字说明则让人对关键处了解更多,加以评论并强调其内涵。
[[155202]]

被《纽约时报》称为是“数据界达·芬奇”的爱德华·塔夫特表示,图形显示应该:

• 展示数据。

• 引导观看者去思考图形的主题,而不是方法论、图形设计、图形生成或其他东西。

——• 避免歪曲数据原本的意图。

——• 在小空间内展示许多数字。

• 让庞大的数据集连贯一致。

• 吸引读者将不同的数据片段进行比对。

—• — 从宽泛概述到细微构造,都要将数据不同层面的细节展示出来。

——• 主旨要相当明确:描述、挖掘、作表或修饰。

• 将数据集的统计和语言描述紧密结合。[1]

根据塔夫特所说,“图形表露数据。实际上比传统的统计分析法更加精确和有启发性。”虽然他在1983年说这句话时网络时代还未到来,但塔夫特的建议依然行之有效——特别是在信息图方面。

 

责任编辑:李英杰 来源: 36大数据
相关推荐

2014-05-05 10:01:51

数据可视化

2020-05-26 14:58:56

数据可视化数据数据故事

2020-03-11 14:39:26

数据可视化地图可视化地理信息

2017-03-06 08:37:52

数据可视化设计

2015-08-20 10:06:36

可视化

2017-10-14 13:54:26

数据可视化数据信息可视化

2015-09-21 09:39:17

美观信息可视化

2016-12-12 08:37:45

2017-04-12 08:39:55

大数据可视化动画

2017-02-23 09:42:53

大数据数据可视化技术误区

2018-07-23 16:54:09

数据可视化图形数据

2017-06-14 18:33:17

大数据可视化方法

2023-03-27 23:42:29

树状图开发可视化

2021-07-02 14:07:00

可视化Plotly漏斗图

2015-08-20 10:00:45

可视化

2014-05-12 10:02:56

数据可视化

2019-12-18 14:40:09

数据可视化后端技术Python

2015-08-20 10:04:40

可视化

2017-07-13 09:21:05

大数据数据可视化

2024-03-07 09:00:04

Rust数据可视化
点赞
收藏

51CTO技术栈公众号