数据可视化设计工作流程是什么，有哪些注意事项？

数据可视化技术综合运用计算机图形学、图像处理、人机交互等技术，将采集或模拟的数据变换为可识别的图形符号、图像、视频或动画，以帮助人们了解这些数据的意义。

可视化的作用体现可概括为三个方面，信息记录、支持对信息的推理和分析、信息的传播与协调。

其中数据分析是数据可视化的主要任务，其任务包括定位、识别、区分、分类、聚类、分布、排列、比较、内外链接比较、关联关系等。通过观察数字、统计数据加以转换获得清晰的结论并不是一件容易的事。

而人类大脑对视觉信息的处理优于对文本的处理。因此使用图表、图形和设计元素把数据进行可视化，提升对信息认知的效率并引导用户从可视化结果分析和推理出有效信息，降低了数据理解的复杂度，突破了常规数据统计的局限性。

一、数据处理与可视化分析框架

在信息管理、信息系统和知识管理学科中，最基本的模型是“数据、信息、知识、智慧”DIKW层次模型。

它以数据为基层、架构，按照信息流顺序依次完成数据到智慧的转换；四者之间的结构和功能方面的关系构成了信息科学的基础理论，完成从原始数据的转化。

在可视化与可视分析过程中，用户是所有行为的主体。通过获取的可视信息形成认知，在交互分析过程中获取解决问题的方法。

在这个过程中，感知和认知能力直接影响着信息的获取和处理进程，进而影响对外在世界环境做出的反应。这也是设计数据可视化产品服务蓝图的基础逻辑，提供了适当的模型。

二、可视化分析流程

数据可视化的核心内容是从巨大的、多样性的样式中选择最合适的形式；判断某个形式是否合适的因素包括感知与认知系统的特性、数据本身的属性和任务的目标。

前面提到数据可视化最终是要通过可视化信息形成决策。当一切顺利时，提供一个良好的用户体验并不难。当业务需求和组织机构都很复杂的时候，事情就很容易出错。

设计中困难的部分是确保在面对意想不到的困难时也能工作的很好。

提到数据可视化就不得不提到一个名词，指标。

现代管理学倾向于关注数据衡量。表示只有通过数据衡量工作进度才能被监控和维护起来。如果无法衡量你就无法改进他。

但有时一些重要问题的分析不能单单依靠数据衡量。在做数据可视化设计时监控分析模型取决于你所处的立场，是一个不断反复优化迭代的过程，下面我用一张图来表述可视化分析流程。

可视分析的基本流程通过人机交互将自动和可视分析方法紧密结合。

上图展示了一个典型的可视分析流程图和每个步骤中的过渡形式。这个流水线的起点是输入的数据，终点是提炼的知识。从数据到知识有两个途径:交互的可视化方法和自动的数据挖掘方法。

两个途径的中间结果分别是对数据的交互可视化结果和从数据中提炼的数据模型。用户既可以对可视化结果进行交互的修正，也可以调节参数以修正模型。

三、可视化设计中的注意项

可视化的首要任务是准确地展示和传达数据所包含的信息。根据预期和需求，提供有效辅助手段以方便用户理解数据，从而完成有效的可视化。

同样也存在不少交互技术方便用户对数据解读的便捷性。

过于复杂的可视化可能会给用户带来理解上的麻烦，甚至可能引起用户对设计者意图的误解和对原始数据信息的误读。缺少直观交互控制的可视化可能，会阻碍用户以主观上更直观的方式获得可视化所包含的信息；另外，美学因素也能影响用户对可视化设计的喜好或厌恶情绪。

1. 数据可视化系统的服务模型

当数据尺寸大、结构复杂时，有限的空间大大限制了静态可视化的效果，有限的可视化空间和数据过载之间的处理是非常复杂的。

有时我们会通过物理环境的变化来改变服务模型，但更多的时候是通过交互设计来完成对复杂信息的处理。

交互可提高可视化系统的效率，帮助用户处理更多的数据，完成更复杂的任务。

然而，实现交互本身也有额外成本。互动的系统可以使用户能探索更大的信息空间，但随之而来的成本是用户需要花费更多的时间与精力去浏览和探索数据。

如果用户需要逐一试探每个数据点，那么可视化系统就成为了完全依靠人力的信息检索系统。

因此，可视化系统应当采用数据挖掘算法自动发现用户可能会关心的数据或者模式；并通过可视化呈现给用户，用户在这个基础上通过互动进行更深入的挖掘。

另一方面，如果一个任务完全可以通过自动算法得出用户需要的结论，交互也就不再需要了。

互动的可视化系统，特别是可视分析系统中的自动分析和用户交互分析是相互补充的两个部分，权衡两者的作用与成本，从而达到一个合理的平衡。

设计师的设计决定了系统的可理解性，一旦掌握了这个逻辑，在复杂的页面也会变得有条不理。另外是我们自己对产品的一套理解力和技巧，可理解性和理解力是对可视化系统复杂问题处理上两个决定性要素。

2. 数据可视化系统的视觉设计

在信息可视化设计中，配色方案关系到可视化结果的信息表达和美观性。

好的配色方案的可视化结果能带给用户愉悦的心情，有助于用户更有兴趣地探索可视化所包含的信息；反之，则会造成用户对可视化的抵触。

另外，和谐的配色方案也能增加可视化结果的美观性。

在设计可视化的配色方案时，设计者需要考虑很多因素:可视化所面向的用户、群体、可视化结果是否需要被打印或复印(转为灰阶)、可视化本身的数据组成及其属性等，这里我想重点提出配色与服务模型的关联关系。

目前市面大部分的运营监控系统采用的是深色背景色的配色方式。这种配色的优势是：深色背景与高亮度数据、表格产生高对比度，更容易凸显数据，使人更容易感知到数据。

但如果生产方式是需要长时间使用系统观察数据分析时，会使人很容易产生视觉疲劳，希望大家能结合场景考虑视觉设计风格。

四、小结

在这次疫情期间，数据可视化为卫健、交通、经济、民政等部门提供强有力的支撑，也是我们打赢疫情的一个重要工具；也让数据可视化进入到更多人的视野发现数据可视化的价值。

新时期科学发展和工程实践的历史表明：智能数据分析所产生的知识与人类掌握的知识的差异正是导致新的知识发现的根源。我们仍需在数据可视化的道路上不断探索挖掘数据价值，从而提供更好的体验。

作者：越山鹰，参与过数十个超大型B端项目开发建设，多年B端产品用户体验研究设计工作经验。

本文作者 @迎风走 。

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！