数据可视化——最佳实践和基础

“混乱和混乱不是数据的属性——它们是设计的缺点。” ——爱德华·塔夫特

什么是数据可视化？

Michael Friendly 将数据可视化定义为“以某种示意图形式抽象出来的信息，包括信息单元的属性或变量”。 换句话说，它是一种直观地传达定量内容的连贯方式。 根据其属性，数据可以用许多不同的方式表示，例如折线图、条形图、饼图、散点图或地图。

对于图形设计师来说，遵循数据可视化最佳实践并确定以可视方式呈现数据集的最佳方式非常重要。 数据可视化应该是有用的、视觉上吸引人的并且不会误导。 尤其是在处理非常大的数据集时，开发一种有凝聚力的格式对于创建既有用又具有视觉吸引力的可视化至关重要。

为什么使用数据可视化

据 IBM 称，每天创建 2.5 万亿字节的数据。 麻省理工学院的研究科学家 Andrew McAfee 和 Erik Brynjolfsson 教授指出，“每秒通过互联网的数据比 20 年前存储在整个互联网中的数据还要多。”

随着世界与越来越多的电子设备联系越来越紧密，数据量将继续呈指数级增长。 IDC 预测到 2025 年将有 163 泽字节（163 万亿千兆字节）的数据。

人脑很难理解所有这些数据——事实上，如果不进行某种类比或抽象，人脑很难理解大于5的数字。 数据可视化设计师可以在创建这些抽象方面发挥重要作用。

毕竟，如果不能以有用的方式理解和使用大数据，那么大数据就毫无用处。 这就是为什么数据可视化在从经济学到科学技术，再到医疗保健和人类服务的方方面面都发挥着重要作用的原因。 通过将复数和其他信息片段转换为图表，内容变得更易于理解和使用。

何时使用它

由于大量数据很难以任何有意义的方式理解，而且许多最有用的数据集包含大量有价值的数据，因此数据可视化已成为决策者的重要资源。 为了利用所有这些数据，许多企业看到了数据可视化的价值在于清晰有效地理解重要信息，使决策者能够理解困难的概念、识别新模式并获得数据驱动的洞察力，以便更好地决定。

在数据可视化设计解决方案上花费资源是值得的。 了解大型数据集对于做出明智的决定是必要的——无论是在商业、技术、科学还是其他领域。 清晰的可视化使复杂的数据更容易掌握，因此更容易采取行动。

原则

定义明确的目的

数据可视化应该回答重要的战略问题，提供真正的价值，并帮助解决实际问题。 例如，它可用于跟踪绩效、监控客户行为和衡量流程的有效性。 在数据可视化项目开始时花时间明确定义目的和优先级将使最终结果更有用，并防止浪费时间创建不必要的视觉效果。

了解观众

如果不旨在与目标受众进行清晰的沟通，数据可视化将毫无用处。 它应该与观众的专业知识相兼容，并允许观众轻松快速地查看和处理数据。 考虑到受众对数据所呈现的基本原则的熟悉程度，以及他们是否可能具有 STEM 领域的背景，在这些领域，图表和图形更有可能被定期查看。

使用视觉特征正确显示数据

有很多不同类型的图表。 确定哪种类型最适合可视化呈现的数据本身就是一门艺术。 正确的图表不仅可以使数据更易于理解，而且可以以最准确的方式呈现。 要做出正确的选择，请考虑您需要传达什么类型的数据，以及要传达给谁。

以下是最流行的数据可视化图表类型：

折线图：折线图应该用于比较随时间变化的值，并且非常适合显示大小变化。 它们还可用于比较多组数据的更改。

条形图：条形图应该用于比较几个类别的定量数据。 它们也可用于跟踪随时间的变化，但最好仅在这些变化很重要时使用。

散点图：散点图应该用于显示一组数据的两个变量的值。 它们非常适合探索两组之间的关系。

饼图：饼图应该用于显示整体的各个部分。 它们无法显示诸如随时间变化之类的东西。

保持组织和连贯

在将大数据集编译为可视化时，连贯性尤为重要。 连贯的设计将有效地淡入背景，使用户能够轻松处理信息。 最好的可视化可帮助查看者对所呈现的数据得出结论，而不会“当面”或以其他方式吸引注意力。 他们只是以最好的方式显示数据。

创建数据层次结构以相关方式为决策者显示各种数据点。 您可以从高到低排序以强调最大值或以突出的方式显示对用户更重要的类别。

甚至是数据显示的顺序、使用的颜色（例如最重要的点用较亮的颜色，或基线数据用灰色），以及图表的各种元素的大小（例如将饼图的某些切片扩展到超出图表的规则边框）可以帮助用户更轻松地解释数据。 在使用这些技术时，请注意不要在不应该​​存在的地方产生偏见。

使数据可视化具有包容性

颜色被广泛用作表示和区分信息的一种方式。 根据 Salesforce 最近进行的一项研究，它也是用户决策的关键因素。

他们分析了人们对图表中使用的不同颜色组合的反应，假设他们会更喜欢具有细微颜色变化的调色板，因为它更具美学吸引力。

然而，他们发现，虽然很吸引人，但微妙的调色板使图表更难分析和获得洞察力。 这完全违背了创建可视化来显示数据的目的。

如果颜色相似且对比度较低的图表对于普通人来说难以阅读，那么对于视力不完美的人来说就更难了——而且它们代表了很大一部分人口。 据世界卫生组织称，估计有 2.53 亿人患有视力障碍。

幸运的是，有一些工具可用于检查有这些缺陷的人如何可视化图像，例如 Photoshop 和 Illustrator 中的色盲校样。 使用足够大的字体大小以及字体和背景之间足够的对比度等其他事情也很有帮助。

如果模拟工具揭示了调色板的问题，有一些技术可以提高图形的可读性：

• 使用具有高对比度的颜色。
• 将颜色与图案或纹理相辅相成，以传达不同类型的信息。
• 使用文本或图标来标记元素。

字体选择会影响文本的易读性，增强或削弱预期含义。 因此，最好避免显示字体并坚持使用更基本的衬线或无衬线字体。

确保数据可视化具有适合其媒体的清晰字体大小。 Smashing Magazine建议“16 像素通常应该是现代网页设计中正文的最小尺寸。”

不要扭曲数据

出色的数据可视化应该清楚地讲述故事，避免扭曲。 避免使用不能准确表示数据集的视觉表示，例如 3D 饼图。

数据可视化可以在不扭曲数据本身的情况下引导查看者得出某些结论。 这在设计诸如供公众消费的信息图表之类的东西时特别有用，通常是为了支持特定的结论而创建的，而不仅仅是为了传达数据。 为此，可以使用颜色选择和标注特定数据点之类的东西，而不会创建误导性的图形（这可能会使设计师的可信度受到质疑）。

不良数据可视化示例

良好的数据可视化示例

结论

良好的数据可视化应该使用图形清晰有效地传达数据集。 最好的可视化使一目了然地理解数据变得容易。 他们采用复杂的信息并将其分解，使目标受众易于理解并以此为基础做出决策。

正如 Edward R. Tufte 指出的那样，“设计的基本考验是它对理解内容的帮助程度，而不是它的时尚程度。” 尤其是数据可视化，应该坚持这个想法。 目标是通过设计增强数据，而不是引起对设计本身的关注。

牢记这些数据可视化最佳实践可以简化设计对受众真正有用的信息图表的过程。

进一步阅读：

• 从这些数据可视化中获得灵感
• 使用这些仪表板设计灵感升级您的分析
• 仪表板设计 - 注意事项和最佳实践
• 演示设计和视觉叙事艺术
• 以人为本的设计在产品设计中的重要性
• 最佳 UX 设计师作品集——鼓舞人心的案例研究和示例