掌握了这12点,你才有可能称为一名称职的数据可视化思考者

作者:xlrocket 来源:微信公众号「效率火箭」(ID:xlrocket)

怎样才能称得上一名称职的数据可视化思考者?《Data at Work》的作者Jorge Camoes所总结的12点,或许能在新的一年里给大家一些新的思考和启发。

01

不要在乎所谓的数据可视化。 尽管数据可视化有太多的好处,但是并不是每种信息都需要被可视化。就平日的工作而言,我们还能遇上其他探索数据、传播数据的方式,他们相互补完、协同工作,才能创造最大价值。这也就是为什么在安斯库姆四重奏中既需要图表,也需要统计指标。如果你不得不做图,那就一定要发挥好它的作用。千万别用过量的图表替代过量的信息。

02

数据的重要性。

数据可视化这个短语,让你误以为需要花费70%的时间来设计一个炫酷的图表,但事实正好相反:你得耗费你的绝大多数时间来排除错误,结构化数据,确保理念的正确性等等。经理或者客户通常不会认为这是一项需要耗费大量资源的工作,他们认为都是信手拈来的。

03

观念与社会的重要性。 我们需要认识到内在生理机制(眼-脑系统)以及外在环境机制(社会规则、合作文化、同伴压力、听众属性)都会影响我们视觉化表达信息的方式。

04

数据映射与设计。

创造一些新的图表类型并不很难,这是因为我们会本能地将数据映射成了一个二维平面,而映射完成后一切即是设计。以这种程度的抽象手段进行思考相当有意思,这是因为你的沟通形式不仅变得更为灵活,而且还有助于在不同工具间进行转换。

05

数据需要被解释。

从你收集到数据的那一刻,到你看到别人图表中的诠释,看似都是及时性的。但仔细挖掘数据却可以得到不同的诠释方法以及观点。什么才是一个好的图表,那得看它在表达它应该传达的信息时到底做得有多好。这就意味着,我们需要一个好的数据预处理体系,从而能够允许大脑去聚焦于更高层级的任务。当然有了这些还不一定能够做到真正意义的数据可视化,你还得拥有承上启下的知识体系来侦测和诠释各种现象。

06

数据可视化是一个过程。 这不是一个线性过程。清楚了解你提出的问题。这些问题往往揭示了你想知道的,以及你实际知道的。越好的问题对应着越好的理解。将问题分级并分析如何将他们配以不同图表类型,这往往会是一个有趣的过程。通常而言,一个失败的可视化案例不仅因为拥有太多的数据点,也因为作者没有能很好地领悟数据或者不关心在可视化中所传递的信息。因此一个有50个切片的饼图未必一定很糟。

07

“交战规则”。

使用经过特殊处理的内容来吸引观众的注意力总是见效缓慢。因此我们需要首先考虑使用其他手段,比如数据本身、图表标题、避免错误等等。

08

美学与情感

可以参考Stephen Few (《信息仪表设计》作者)和David McCandless(《数据可视化之美》作者)的相关论述。

09

情感基调

定义一个可以服务于多种图表却尽量不掺杂情感的工作框架。你得知道,人是会对某一类数据可视化表达形式上瘾的。

10

复杂的简明性

简明性不是极简主义,也并非抛弃一切无用信息。移除无关信息,最小化附加信息,调整必要信息,增加有价值信息,这才是我们所要做的。

11

使用色彩。

尽量避免一成不变,要学会用色彩去修饰可视化作品。把色彩认作是一种可以被掌控的促进因素。对于非专业设计人员而言,要考虑色彩美学的广度可能有所强人所难,但这不妨碍大家可以去参考一些专业的调色盘,也不妨碍大家放弃默认配色。

12

不要只会用单一图像。

结构化的、矩阵式样的可视化作品采用的是小块格子状的展示方式。而对于自由形式的可视化作品(仪表盘、信息图)则是要找到一个连贯的叙事方式或者视觉景观。对于全局性的信息,使用一些入门级图表的组合(简单但信息量大的图表,比如饼图、指针图)。但千万别独自使用当中的某一种图表。对于探索类型的信息,聚焦关键内容往往要好过过滤无用内容。

原文发布于微信公众号 - 数据森麟(shujusenlin)

原文发表时间:2019-01-11

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。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券