数据可视化(Data Visualization)的六大技巧

不管对于网络数据、商业数据还是工业、质量数据，数据可视化都是不可或缺的一部分。用一个个有效且有逻辑关联性的图形来显示数据、传递信息，能够让人们更加了解事物的本质。虽然关于数据可视化的教程已经很多，但有关数据可视化的学术研究仍然较少。这里是不可多得的几个：

1、结合图表来增加说服力 康奈尔大学的研究人员发现，仅在文章中增加一张图表，就能使文章的说服力大大增强。调查发现，对于同一篇文章，高达97%的参与者更认同那些含有图表的文章所传达的信息。就像某些科学性较强的文章，它的内容相对来说枯燥且专业性过强，普通的读者一般很难了解其想要传达的信息，这时如果把数据进行可视化，清晰的数据图表将对读者产生更大的影响。

2、使用饼图、条形图或泡泡，使数据显示得更加清晰

威廉·克利夫兰(William Cleveland)和罗伯特·麦吉尔(Robert McGill)是第一个用科学的结论支持常识性说法并批判现有图表的研究者。1984年，克利夫兰和麦吉尔指导人们根据图表的类型，准确地“解码”各种视觉属性的数据。比如一个圆的面积、酒吧的体积等等。他们研究所得到的制作图形编码的结论是这样的：

3、超大图表≠最优图表

研究发现，图表的尺寸将在一定程度上影响信息的传播效果。图表越短，读者的关注度越少。然而，随着图表精确度的增加，信息的传播效率得到了更快的提升。研究表明，在页面布局方面，设计师必须考虑图表大小的合理性，这样才能让信息传播的准确性及效率最大化。大图表可能会给读者带来更多的视觉冲击，实则在提高读者信息理解度方面收效甚微。

4、视觉打败记忆：建议按空间顺序排列，而非时间

塔玛拉·芒泽(Tamara Munzer)是哥伦比亚大学的计算机科学教授，她建议设计师制作一些让读者更容易理解的可视图。这就意味着要把现有数据按照空间顺序进行比较，而非按时间顺序。她认为“视觉打败记忆”，因为我们的大脑更倾向于对两个项目进行比较，而非记住一个接一个的动画或视频。芒泽认为这是一个对数据可视化的好建议。具体而言就是，要对比各项数据，懂得揭示其中的变化和差异，而非简简单单地呈现一个动画。

5、有创意，才难忘

哈佛大学和麻省理工学院的一只团队正在研究各种形式的数据可视化。他们试图使可视图更加令人难忘，而非提高图表的有效性和准确性。在收集、分类，并研究了5000多个可视图后，他们认为那些图案多样、颜色鲜艳、视觉密度更高、含有易辨认人物头像的可视图更容易被读者记住。

他们还发现，非传统的图表更令人难忘。同时，这个团队也承认，他们的研究只考虑了可视图的呈现，而忽略了对实际数据的诠释。尽管存在这些限制，但他们的研究也具体、明显地表明，要设计一个能产生持续影响力的可视图，新颖的创意、绚丽的色彩和丰富的图案演示是不可或缺的三要素。

6、真的需要夸大你的图表和插图吗

最先倡导数据可视化的专家塔夫特提出了一个极具争议性的观点，即太多的图案使可视图的阅读性大大降低。来自加拿大的研究人员质疑这个想法，并且把过多美化的图表和简约的图表做了对比。他们认为，“华丽”的图表实际上并没有降低数据的可读性与准确性。此外，这项研究的参与者发现，人们两个星期后甚至会重新阅读“华丽”的图表。

所以，可视图到底应不应该装饰插图?极简主义者认为，演示图表可以让人们重新思考当下，并批判以往的研究方法。如今，对于修饰与未修饰图表所形成的效果，各种观点仍旧没有达成明确的共识，它留下的艺术价值远甚于科学价值。 关于数据可视化的实践跨越了科学与艺术两个领域。然而，从学术结论转移到实际操作并非易事。

最近，《纽约时报》可视图编辑者迈克·博斯托克(Mike Bostock)警告Reddit论坛道：“学术界的危险在于它很容易使一切变得过于抽象。”把抽象转为具体，是一项很值得去做的事情。

注：本文中的部分信息为根据公开资料整理，其中的原创信息版权归其相应作者