心靈之眼——數據可視化心理學

數據可視化是講述數據故事的好方法。 但是最好的方法是什麼？ 對人類感知和認知的理解可以幫助設計師有效地做到這一點。

數千年來，人們一直使用視覺來幫助講述故事並說明基本問題的答案。 數據可視化最早的例子可能是大約 27,000 年前的地圖，在很長一段時間內，很少看到除地理以外的任何數據可視化。

我們的大腦是專門用來識別模式和聯繫的嗎？ 今天，我們生活在數據可視化的黃金時代。 有效地傳達數據可能具有挑戰性，雖然圖表可以幫助我們理解複雜的數據，甚至可以從新的角度看待它，但在向受眾正確傳達信息或根據數據做出業務決策時，可視化可能是一種關鍵方式來完成它。 但是數據可視化的力量背後是什麼？

數據可視化設計的歷史脈絡

數據可視化歷史悠久，在 17 世紀和 19 世紀之間取得了重大進展。 以圖形方式呈現定量數據的想法出現在 18 世紀，當時 Rene Descartes 發明了一個二維坐標係來顯示數學運算的值。 當 William Playfair 開創了我們今天所知的圖形形式時，該系統得到了改進。 他因發明了折線圖和條形圖而聞名，後來又發明了餅圖和圓形圖。

多年來，使用定量圖變得越來越普遍。 隨著雅克·貝爾廷 (Jacques Bertin) 的著作《圖形符號學》 (The Semiology of Graphics ) 的出版，他們的方法論和有效性在 20 世紀下半葉顯著提高。 他的工作至關重要，因為他發現為了直觀、清晰、高效地呈現信息，視覺感知是根據可以遵循的規則和模式進行操作的。

Bertin 研究了不同類型圖表的有效性。 在下面的示例中，餅圖顯示了幾個國家各種肉類的生產情況。 Bertin 認為這些是“無用的”。 在中間——通過使用矩陣可視化，高級模式變得更加直觀。 在右邊，由於國家和肉類生產沒有自然順序，因此可以生成許多其他矩陣（包括所示示例），這提供了更加清晰的信息。 在這種情況下，類別的重新排序顯著改善了數據的呈現方式。

心理學與數據可視化有什麼關係？

視覺感知是觀察、解釋和組織我們環境的能力。 數據可視化可以非常有效，因為它利用了人腦的自然能力。 它快速高效。

美國有影響力的數學家和理論統計學家約翰·圖基（John Tukey）說：“一幅畫的最大價值在於它迫使我們注意到我們從未期望看到的東西。”

由大腦皮層處理的認知要慢得多，並且需要更多的努力來處理信息。 以視覺方式呈現數據可以加速我們的感知，並有助於減少認知負擔。

在下面的示例中，該表讓我們可以看到精確的數字。 但是，我們能否快速得出可再生水資源的最高和最低數據？ 不容易，但是當在右側的條形圖中直觀地呈現相同的數據時，會變得更加清晰和易於理解。

與其他感官相比，視覺感知的主要影響在丹麥物理學家 Tor Norretranders 的一個例子中得到了恰當的說明。 他通過將人類感官的能力轉化為標準的計算機吞吐量來展示視覺的力量。 Sight 名列前茅，因為它具有與計算機網絡相同的帶寬。 它的通道容量比觸覺高10倍，比聽覺或嗅覺強100倍。 右下角的小方塊是我們認知感知感官體驗的地方。

預處理

視覺處理不僅主導感官輸入，我們處理的數據量和速度也遠高於我們的意識。 這種現像被稱為“前註意處理”。 這是潛意識的，快速的。 眼睛傳輸需要 200-500 毫秒，大腦處理視覺刺激的預注意特性（這比大腦處理電子表格數據的速度要快得多）。

“注意力前處理是對環境信息的潛意識積累。 所有可用信息都經過預先處理。 然後，大腦過濾並處理重要的事情。 通過有意識的（專注的）處理選擇具有最高顯著性（最突出的刺激）或與一個人正在思考的內容相關的信息，以進行進一步和更完整的分析。” ——來自維基百科

預先註意的處理對設計師來說是一個福音，因為它巧妙的部署可以讓人們更快地理解所呈現的內容。 一個稱職的設計師可以幫助查看數據可視化的人更快、更省力地吸收更多信息，因為它減輕了有意識的處理並減少了記憶負荷。

預處理的優點：

• 快速/自動
• 情緒化的
• 衝動/驅動
• 習慣
• 信念
• 刻板印象
• 潛意識

許多視覺變量會觸發預先註意的反應。 通過了解自動強調哪些視覺元素，然後將它們整合到儀表板中，我們可以設計可視化來有效地講述數據的故事。

視覺變量

由 Jacques Bertin 介紹，視覺變量是人眼感知的元素之間的差異。 經過長期研究，這些變量提供了理解人類大腦如何處理和導航視覺信息的方法。 最初的一組“視網膜變量”由七個變量組成：位置、大小、形狀、值、色調、方向和紋理。

根據 Bertin 的說法，下面的圖表顯示了可用於顯示定性或定量差異的視覺變量示例。 它們還展示了一種通過點、線或區域呈現屬性的方法。

威廉克利夫蘭和羅伯特麥吉爾在 1984 年的一項研究根據人腦檢測它們之間差異的難易程度，對兩種形狀可能具有的最常見方面進行了排名。 他們從最準確到最不准確對以下視覺特徵進行了排序：

沿共同尺度定位

因為我們共享一個共同的空間參考系統，所以位置是最容易識別和評估空間元素的特徵。

示例：條形圖、散點圖

沿非對齊、相同比例的位置

即使它們沒有對齊，也很容易比較使用同一軸重複的單獨比例。 面板圖表或“小倍數”就是一個很好的例子。 結果是一個圖表網格，它們都遵循相同的視覺格式，但顯示不同的數據集。 與單個較大的圖表相比，小倍數有助於過度繪製，因為數據可能會因為繪製的項目太多而變得模糊或被遮擋。

示例：小倍數（又名 Rellis、Lattice、Grid 和 Panel 圖）

長度

長度可以有效地表示定量信息，因為元素的長度可以縮放到它們表示的數據值。 即使物體沒有對齊，人腦也很容易識別比例並評估長度。

示例：條形圖

方向

方向很容易被人眼識別。 例如，它可以使用折線圖和趨勢圖來呈現隨時間變化的數據。

示例：趨勢圖

角度

角度通過提供比例感來幫助進行比較。 研究表明，角度比長度或位置更難評估。 但是，餅圖與堆疊條形圖一樣有效，除非整體的部分超過三個。

示例：餅圖

區域

面積的相對大小與線的長度相比更難比較。 第二個方向需要更多的努力去處理和解釋。

示例：氣泡圖

體積

體積是指在二維空間中使用 3D 對象，這使得它們更難評估。 然而，研究表明，當比較相同維度的兩種形狀時，可以更準確地感知 3D 對象。

示例：3D 條形圖

顏色飽和度

顏色飽和度是指單一色調的強度。 可以直觀地將顏色強度的增加視為增加值的數量。 但是，很難準確地評估結果。

示例：熱圖

了解視覺變量的排名對於創建引人注目的數據可視化至關重要。 但是，這並不意味著設計人員需要將自己限制在條形圖和散點圖上。 Cleveland 和 McGill 指出，“排序不會導致顯示數據的精確處方，而是一個可以在其中工作的框架。”

顏色

根據威廉·克利夫蘭的說法，當涉及到模式和行為的感知時，色彩飽和度和陰影是最不准確的。 儘管如此，顏色仍然可以成為數據可視化設計人員在顯示數據時傳達意義和清晰度的強大工具。 然而，至關重要的是，設計師要了解顏色的工作原理以及它的作用和不好的地方。

上下文中的顏色

我們對顏色的感知取決於上下文、顏色及其與周圍物體的對比。

一個很好的例子是日本立命館大學心理學系教授 Akiyoshi Kitaoka 的一項實驗，他將一張灰色紙滑過黑白漸變。 紙張似乎在左右移動時會改變顏色。 在每一刻，我們都會以不同的方式感知顏色，因為它周圍有不同的灰色陰影。 請看下面的視頻：

在他的文章在圖表中使用顏色的實用規則中，Stephen Few 從這些觀察中得出了一些實用規則：

1. 如果您希望表格或圖表中相同顏色的不同對像看起來相同，請確保背景（它們周圍的顏色）一致。
2. 如果您希望表格或圖表中的對象易於查看，請使用與對象充分對比的背景顏色。

顏色講故事

顏色不僅僅是裝飾。 有意義和戰略性地使用它是最好的。 顏色應該有助於講述故事並傳達所呈現數據集的目標。 俗話說“少即是多”。

對比色應僅應用於數據中含義的差異，以減少認知負擔。 顏色還可以強調可視化的主要元素。

沒有顏色並不會降低一個好的圖表的效果。 灰色是構思階段的一個很好的起點，一旦確定了一個焦點，顏色的應用就會強調那些部分。

定義調色板

數據可視化設計師應用的一組顏色可以完全改變數據的含義。 許多工具可以幫助選擇有意義的調色板，具體取決於數據的性質。 這裡有一對：

• 顏色布魯爾。 調色板分為三種類型：
  • 分類（用於將項目分成不同的組）
  • 順序（用於編碼數量差異）
  • 發散
• 即調色板。 Viz Palette 負責可訪問性、針對色盲的設計以及感知上均勻分佈的色調。 它包括一個“顏色報告”，用於識別在各種情況下可能看起來相同的色調。

將格式塔原理應用於數據可視化

感知的格式塔原則可以幫助闡明大腦在試圖理解視覺信息時如何根據共同特徵組織元素。 格式塔理論基於這樣一種觀點，即人腦將通過下意識地將各個部分排列成一個有組織的系統來創建一個整體，而不僅僅是一系列不同的元素，從而試圖簡化和組織由許多元素組成的複雜圖像或設計。

相似

相似性原則表明，我們的大腦會自動將具有共享視覺屬性的元素歸為“相似”。 相似的顏色、相似的形狀、相似的大小和相似的方向被視為一個群體。 下圖說明了這一原則。

與左側的圖表不同顏色的條形相反，它們在右側是相同的藍色。 鑑於只有一個變量（成本/收入），這是有道理的。 使用相同顏色的條形可以更容易地理解數據，並消除由於在左側使用不同顏色而造成的額外認知壓力。

接近

接近比相似更有效，因為人眼根據元素彼此之間的接近程度來感知元素之間的相關性。

在下面的圖表中，目的是按國家/地區比較三個季度的銷售額。 雖然很容易在一個季度內比較每個國家/地區的銷售額，因為它們很接近，但按國家/地區分析銷售額將具有挑戰性。

修改後的圖表更清楚地傳達了這一點。 在這種情況下，信息優先關注可視化目標，因為它使主要數據點更靠近在一起。

外殼

由 Palmer 於 1992 年引入的共同區域原則表明，如果具有明確定義的邊界的元素圍合在一起，如果它們共享一個共同區域，它們往往會被視為一個組。

在下面的示例中，灰色陰影區域內的三個條似乎是一個組的一部分。 此技術可幫助查看者專注於圖表中的一組對象。

結論

了解人類感知和認知過程的關鍵要素是設計出色數據可視化的重要部分。 在開發具有數據可視化需求的產品時——無論是 B2B 儀表板還是金融應用程序——設計師需要注意人腦的視覺感知過程和基本的數據可視化設計原則。

熟悉視覺感知的著名格式塔原則可以為設計師帶來很大的好處，並幫助他們了解大腦如何將復雜的圖像轉換為模式。 在設計數據可視化和設計更有效的圖表時，牢記這些原則在實現更明確的視覺層次結構的過程中很有價值。

此外，了解預先註意的處理和視覺變量，以及顏色的正確應用，將使設計師能夠創建更有效的數據可視化。

讓我們知道您的想法！ 請在下方留下您的想法、評論和反饋。

• • •

進一步閱讀 Toptal 設計博客：

• 最佳數據可視化工具的完整概述
• 數據可視化——最佳實踐和基礎
• 頂級數據可視化示例和儀表板設計
• 儀表板設計 - 注意事項和最佳實踐
• COVID-19：終極設計思維用例