专栏首页DT数据侠数据可视化设计师养成攻略1.0

数据可视化设计师养成攻略1.0

数据可视化的市场应用正在快速扩张,将复杂的数据用美观且互动的方式呈现出来,已经成为了商业场景中必不可少的部分,也因此越来越多的人开始踏入了数据可视化的学习之路。但相信初入数据领域的朋友们,在起步阶段都会陷入对复杂技能的焦虑中,迟迟不能展开系统性学习。

今天DT君请来了可视化设计师张梓豪,为大家传授如何在复杂技能中构建“技术栈堆”,用认知型学习的方法,轻松上手数据可视化~

▍想学好数据可视化,请先理解它

数据可视化是一个涉猎广泛的工作,同时也是可以被广泛应用的一门学科。有很多不同学科背景的人都在掌握数据可视化,并把它应用于自己的工作中。

“因为大家对数据的使用目标并不一致,数据可视化的定义与定义者一样多。”Netflix的高级数据可视化工程师在这张图上罗列了从业者们的异同。分析师、数据科学家会趋向于将数据可视化作为一项技能来使用;而艺术家则兴起了大量的“数据艺术”,并致力于更好的审美体验。

从学习的角度来说,分析师等职业更注重于“效率型学习”(如上图左侧),希望可视化辅佐自己的工作,以通晓大量工具,取得效率最大化。艺术家则更注重于“认知型学习”,这样的学习,曲线会更为陡峭,比如掌握D3的数据进退出机制可能就需要1年的时间。但优点在于可以更深刻的理解,也就是能够“举一反三”,以打磨出“更好用户体验”的优质作品。

在我看来,如果说数据可视化是在展现你对于数据里的理解,那么可视化设计师就必须对可视化原理理解。在此,我将分享几点对认知型学习的技巧。

数据可视化属于复杂性技能,掌握的方式只能通过刻意练习。学习必须有方法,有目标,有系统,才能完全掌握。

▍“技术栈堆”的构建

在Ben Fry博士的论文基础上,我花了大约半年的时间确定了下图这个“技术栈堆”,下图从左到右是数据可视化的流程,从上至下则是对应技能的认知程度和操作难易度,在上层的操作学习更为简单,但灵活性较差,不能完全根据自己的想法定义。

最下层的则是对应的背景知识模块,我的学习方法是由浅入深,在学习数据分析的时候,我就是从EXCEL入手,快速的就能找到最大值,最小值,排序,甚至数据透视表连表查询和计算,也有一定的制图能力。在对简单的技巧略知一二后,继续学习需要一定代码能力的R语言和ggplot2的语法知识,就会更容易理解和掌握。

在可视化软件方面,高难度的D3框架实际上是在高级编程语言javascript语法基础上封装而成的框架,同时需要掌握HTML+CSS和SVG的基本知识。我的入手项是dimple.js ,虽然损失了一些灵活性,但它在D3的基础上再次的封装,只需调用一些方法就能实现。在最终的完稿表达上,如果你不是设计师,学习和掌握illustrator这样的专业图形工具有一定难度,那么玩转PPT就是很好的选择。如果你再了解一些代码的知识,reveal.js可以帮助你做出代入感更强的串场演示文稿。

在这个奇妙的技术光谱中自由探索还会发现她们之间的共同点,如D3的数据进出机制其实就是借鉴了SQL的连表方法,其SVG的图形封装创建又可以和illustrator相关联,这也从一定程度上反映了数据可视化的复杂性和有趣性。

将自己的学习和工作产出联系起来是快速提高的办法:先学、后做、再学、再做。数据可视化设计不同于单纯的平面设计有一个特点是可以“重新设计”,以海报为例,好看与否往往人云亦云,最终的决定权会留在某个人身上,让他做出判断。但在数据可视化中,开放的数据源意味着每个人都能重新设计。并且现在很多简单易用的工具大大降低了入门门槛,更是让每个人都有可能成为“数据的亲历者”。

▍学习闭环如何建立

打造自己学习和工作之间的闭环是为了建立自己的账号矩阵,边学边做才能更好的拓展自己眼界。

打造自己学习和工作的闭环的第一步就是建立自己的账号矩阵,打通它们,边学边做,才能更好的拓展自己眼界。

我在Pinterest和twitter上follow了几个我很喜欢的数据可视化前沿设计师,工程师,会看看他们的动态,看看别人的作品,来汲取一些灵感。

多加练习和勤于思考是密不可分的。很多的程序员和设计师都会将自己的作品分享在gitub和d3的社区,blocks上,分享你的作品,也能汲取别人的成果,反复的叠加下,一些重复的代码就不用每次都重新去写了。做完之后,还要反思,如果没有访问外国网站的习惯,可以去看看知乎上的垂直专栏,有一些还是很走心的。我比较习惯使用medium,经常看看别人的总结。

最后,我也会输出我的一些沉淀,通过写公号的方式一方面是分享自己的成果,另一方面也是激励自己不断进步的方式。

▍拿来主义,有时也很受用

很多设计师在刚面对可视化工具的时候,往往会因为被定义好的图表形状无法按照自己的意愿有所改变而感到沮丧,同时在自身的代码手动书写上并不熟练。面对这种情况,就要做到“先学、后做、再创造”。

通俗点说就是“拿来主义”,有像echarts这样开放代码的产品,包括D3的blocks社区中其他人开放的代码,都可以直接拿来用。根据我们对数据的理解,在现有的代码基础上进行提高和拓展。在有了更强的统筹能力后,再用设计的方法重新定义属于自己的图表。

这个过程可以被视作“左手画圆,右手画方”,两者结合就能练出“圆角矩形”。

以我自身的案例为例,这张星巴克咖啡稿件中的半圆形玫瑰图意外得到了大家的关注。

抛开各种能实现的技术及工具,这张图中最重要的是思维过程,从本质上讲就是兼备饼图的弧长和柱状尺度的制作方法。普遍来说,甲方会单一的对设计师提出“好不好看”的要求及设计风格的要求,比起广告创意公司中的设计师,在数据可视化中,我们更将设计作为一门语言来使用,而不是将重点放在视觉上的张力上。

以上就是我平时工作中的一些使用方法论,希望你读过之后有所启发。


上述内容也收录在《数据可视化入门攻略1.0》课程中,课程要点如下:

1、入门数据可视化,那些你不得不知道的事儿 •数据可视化的应用场景 •数据可视化设计师的职业前景&必备技能 •关于数据可视化的几种主流方式 2、从0到1,快速上手可视化的创意玩法 •经典可视化作品解读 •商业合作中的可视化实操经验(大悦城、NEXT50案例) •如何用“讲故事”的思维做数据可视化 3、数据可视化的快速进阶方法论(干货篇) •可视化小白必备“技术栈堆” •几个能瞬间提升逼格的设计语言 •实用工作tips,帮你避开各种坑

本文分享自微信公众号 - DT数据侠(DTdatahero),作者:张梓豪

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-06-12

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 数据可视化的1996-2018 | 数据科学50人·陈为

    陈为,现任浙大计算机学院副院长、CAD&CG国家重点实验室教授,中国数据可视化领域的顶级学者。他领导的浙大VAG小组,多次在世界顶级可视化会议IEEE VIS发...

    DT数据侠
  • 如何创造出优秀的数据可视化作品?这些“实战经验”请收好

    早就有人称赞过DT君的数据可视化是业界清流,也经常有想要入门的同学前来求教。那么,作为一名专业的可视化设计师,如何能够结合具体业务做出炫酷的可视化作品呢?

    DT数据侠
  • 数据可视化:一场设计狮与程序猿的相爱相杀 | 数据侠实验室15期

    可视化震撼视觉的背后,是设计师与程序员思想的结晶,也是数据和信息多样化的视觉传达。那么,这一张张炫酷图表是如何实现价值创造呢?本期数据侠实验室,由各路大神为你开...

    DT数据侠
  • 数据可视化之美:经典案例与实践解析

    本文来自作者在GitChat(ID:GitChat_Club)上的精彩分享,CSDN独家合作发布。 随着DT时代的到来,传统的统计图表很难对复杂数据进行直观地展...

    CSDN技术头条
  • 解密 Uber 数据部门的数据可视化最佳实践

    概述 在2015年初,我们在Uber规划了一个官方的数据科学团队。这个主意的缘起是:通过可视化数据探索工具从Uber的数据中发现洞见。每天,Uber 管理上亿级...

    小小科
  • 用Python进行数据可视化的10种方法

    大数据文摘
  • 数据可视化得作用是什么?在市场上究竟重不重要?

    数据可视化到底是什么?需要具备什么样的能力?工作内容应该有哪些?其实数据本身没有意义,只有对实体行为产生影响时才成为信息。

    你看世界都已经物联网了i
  • 科技赋予数据灵魂,可视化让世界为之改变|数字中国

    当代是一个信息过剩的时代,海量的原始数据让人很难找出其中的规律因而无法体现其价值。在激增的信息背后,数据的规律以及数据之间的关系往往隐藏于杂乱无章的数据海洋中。...

    万物皆可联i
  • 学会10种方法,用Python轻松实现数据可视化

    引言 艺术之美根植于其所传达的信息。有时候,现实并非我们所看到或感知到的。达芬奇(Da Vinci)和毕加索(Picasso)等艺术家都通过其具有特定主题的非...

    CDA数据分析师
  • 代码调试神器:VS Code 开源新工具!

    项目地址:https://github.com/hediet/vscode-debug-visualizer

    GitHubDaily

扫码关注云+社区

领取腾讯云代金券