一个成功而有价值的数据可视化应该注意这25点技巧
数据可视化设计既是一门艺术，也是一门科学，这就是为什么对于菜鸟来说要掌握它是一个挑战；之前我写过很多设计时应该注意的图表技巧，但是，单单注意设计上的形式美也是不够的。
同时你还必须掌握对数据信息的叙事能力并通过设计的形式来最终展现出来，那么如何创造一个成功而又价值的数据可视化是一项至关重要的技能。
接下来我总结了一些数据可视化制作时候的要点分享给大家：
一、数据可视化的力量
众所周知大脑在处理视觉信息时远比处理文字信息效率要高，这就是为什么数据可视化设计在传递信息时如此有效的原因之一；通过“查看”数据，大脑可以更轻松地摄取，合成和保留所呈现的数据分析信息。
不过在设计数据可视化大屏的时候，许多人会误以为将几个数据图表集中放在一起展示就觉得是完成了一个数据可视化大屏；不过遗憾的是，通过这种方式制作出来的大屏不仅是做得不好，实际上可能会扰乱你的数据分析结果。
即使你在集中展示时没有误解数据，但是没有以最优化的形式去呈现数据，对你的数据大屏受众来说都是非常不友好的事情；比如：受众会不了解图表之前的逻辑关系，大屏想要展现什么样的故事，也就无法从数据大屏当中得到明确的数据分析结果，无法辅助他们作出有效的管理决策，这样制作出来的数据大屏就是起到适得其反的作用。
二、数据可视化设计的25个技巧
首先，让我们先来介绍一些制作大屏时应该基本的注意事项。
记住最重要的一点，就是制作数据大屏的初心，那就是你所做的每个数据可视化设计都应该增强受众的体验，而不是你的体验（数据是严谨的，那么经过处理后的数据更应该清晰明白的传递到受众眼中）。
1. 选择能够正确讲述故事的图表形式
图表的形式有很多种，可能会有不止有一种方式去展现可视化数据。
但是我们在这种情况下，一般要考虑要实现的目标，正在传达的信息是什么样的，具体要达到的目标等等，选择最准确的数据可视化图表形式。
这边具体的图表选择依然可以看我之前的几篇文章：
企业数据可视化过程中，这14个图表设计师需要了解
搞定这10个基础图表，就能进行简单的数据可视化设计
2. 拒绝使用不合理的图表形式
在数据可视化过程当中我们需要注意图表垃圾的出现，比如：多余的图表副本、不必要的插图、阴影、装饰等之类的内容。
数据可视化的最伟大之处可以通过设计来更好的帮助你摆脱繁重的数据分析工作，来增强和传达数据分析成果的便捷性；但是注意不要陷入繁杂设计的误区当中，拒绝使用不合理的图表形式，选择正确的图表，让它做好自己的工作。
3. 做能够让人快速理解的设计
在开始创建可视化大屏之后，对于整体大屏的效果形态，我们可以在图表细节上考虑添加、调整或删除哪些简单元素，以使数据更易于读者理解。
你可能在折线图中添加了一条趋势线，或者你可能意识到饼图中的切片过多（最多使用6个）而删节一些内容；这些细微的调整有很大的不同，会对最终的大屏效果起到一定的影响。
比如下面两幅图的对比：
在左图这个错误样式当中我们可以看到错误的图表样式和花里胡哨不简洁的文本信息，导致我们无法快速的找到可视化当中的重点。
右图经过处理后的数据可视化图表，选择了正确的图表形式、简洁的文本信息，可以让受众一眼抓住可视化想传递的信息重点，这样的可视化才是优秀的。
三、需要做比较的时候应该注意什么？
很多时候，数据可视化使得数据间的比较变得容易得多，可以让受众直接“看到”两个不同的数据集如何相互叠加；但是，仅将两个图表并排放置并不一定能做到这一点；实际上，这有可能会让数据变得更加混乱。
4. 在折线图中最好从零基线开始
尽管折线图可以不必从零基线开始，但是如果它需要比较较多的数值时候，则应把零基线包括在内。
如果数据的相对较小波动是有意义的（例如，在股票市场数据中），则可以截断比例，不必从零基线开始去显示这些差异。
5. 始终选择最有效的可视化
数据可视化一定是需要视觉上的一致性，以便读者可以一目了然地进行比较。
这可能意味着你在使用堆积的条形图，分组的条形图或折线图的时候，应该注意种类的数量。
无论你选择什么样的图表，最终都不要使读者无法比较太多东西而感到不知所措；像下图的案例当中就试用了有效且不繁杂的图表，传递最真实的数据信息。
图源：袋鼠云EasyV
6. 注意图表的位置
在大屏当中你可能会出现需要设置两个堆叠条形图，旨在让受众对两者进行比较，但是如果它们相距太远而无法让受众清楚的熟知它们两者间是“对比”的关系，则证明你的大屏图表设置出现了问题。
7. 能够讲述具有连续性的故事
比如在第四季度时候，你公司的销售额增长了30％，这是一件非常令人开心的事情；但是，还有什么更令人兴奋的呢？
就是在大屏上能够同时显示你自第一季度以来实际上已经实现了100％的销售增长；双双对比，让喜悦来的更多一些，故事从年度上来说就有连贯性。
四、关于文本信息
数据分析结果的大多数是依靠图表来展示的，但是通常也将其与文本结合使用，用以联系图表之间的关系，就是说——在许多数据可视化，信息图表和电子书中，我们看到数据可视化和文本是相互作用而不是相互影响的。
8. 不要过度解释
如果在图表当中已经足够表明数据分析结果，则子标题、标注和图表标题无需重复。
9. 保持图表标题简洁明了
图表上方的任何描述性文字都尽量保持简短，并与下方的图表直接相关。
切记：要提供给受众最快的理解途径。
10. 选择正确的文本标注
文字标注不是用来填补大屏的空间。应有意使用它们来突出显示相关信息或提供其他图表之间的逻辑关系。
11. 不要使用分散注意力的字体或元素
有时关键信息可能确实需要强调一点，如果是这样，最好只使用粗体或斜体文本来强调一个点；但是千万注意不要同时使用它们，这样会让视觉上显得十分乱。
就像下图一样，过多的文字说明，只会让图表显得繁杂：
五、关于颜色的使用
如果使用得当，颜色是一个很好的工具；如果使用不当，它不仅会分散读者注意力，而且会误导读者，所以在数据可视化设计中应该明智的去使用它。
12. 使用单一颜色代表相同类型的数据
如果要在条形图上逐月去表示销售数据，最好统一使用一种颜色。
但是，如果要在分组图表中比较去年的销售额和今年的销售额，则应该使用每年不同的颜色，你还可以使用强调色突出显示重要的数据点。
13. 注意正数和负数
不要将红色用于正数或将绿色用于负数。这些色彩关联是如此强烈，以至于会自动在观看者的脑海中翻转含义。
14. 确保颜色之间有足够的对比度
如果颜色过于相似（浅灰色与浅灰色，浅灰色），可能很难分辨出差异；相反，请勿使用高对比度的颜色组合，例如红色/绿色或蓝色/黄色。
15. 避免模式
条纹和圆点听起来很有趣，但它们可能会令人分心；例如，如果您要区分地图，请使用相同颜色的不同饱和度；但是要注意，最好仅使用纯色线条。
就像下图：
16. 适当选择颜色
有一些颜色相比其他颜色在视觉上可能会显得更加突出，从而给数据带来不必要的影响；比较正确的方式是，最好使用具有不同阴影的单色或两种类似颜色之间的光谱来显示强度。
17. 在单个布局中不要使用超过6种颜色
这个说烂了，我也不再继续强调了！就千万不要像下面左图这样：
六、关于数据图表上的标签
标记可能是雷区，数据可视化大屏受众可能依靠标签来解释数据，但是无论是过多还是过少的标签都会干扰到大屏信息的传播。
18. 仔细检查所有内容是否已贴上标签
确保所有需要标签的东西都有一个，并且没有重复或错别字。
19. 确保标签可见
所有标签都应畅通无阻，并易于与相应的数据点标识。
20. 直接标记线条
如果可能，在数据点中包含数据标签，这使读者可以快速识别线和相应的标签，从而不必寻找图例或类似的点。
21. 不要超过标签
如果数据点的精确值对于讲述你的大屏故事很重要，最好是选择添加数据标签以增强理解力；如果精确值对于讲述你的大屏故事并不重要，就不要使用数据标签。
22. 最好不要将你的字体倾斜
如果轴标签太拥挤，那还是需要去考虑是否删除轴上的所有其他标签，在图表当中呈现一个比较合适的效果。
数据可视化的最终主旨是在帮助你更好的理解数据，如果在数据的排序上使用随机模式可能会对你尝试传达的数据信息有阻碍。
23. 直观地去展现数据
数据的排序应该有一个逻辑层次结构，按字母顺序、顺序或按值对类别进行排序。
24. 顺序一致
图例中的项目顺序应模仿图表的顺序。
25. 均匀点餐
在轴上使用自然增量（0、5、10、15、20），而不要使用不均匀的增量（0、3、5、16、50）。
比如下图当中的展示：
七、如何掌握数据可视化和讲好大屏故事的能力
1. 使用正确的资源
伟大的故事来自伟大的数据，企业内部数据是制作独特而有趣的数据大屏来源，数据大屏是能够非常有效辅助企业依据数据分析成果进行科学决策的手段之一。
2. 精心制作一个故事
数据叙事的真正力量，还是要取决于你从数据当中提取和塑造有凝聚力的叙述的能力，查找数据中的故事，并制定有效的数据叙述；通过优秀的设计手段才能讲好一个成果可靠的数据可视化大屏故事。
3. 选择正确的图表
为了确保你的数据具有最强的影响力，你需要为数据选择正确的图表表现形式；无论选用是静态信息图还是动态图形，目标都应该以讲话一个数据可视化故事为中心。
4. 应用设计基础
好的设计固然很重要，还要记住，想从一众设计当中脱引而出，就要从了解我们设计最常见的图表的指南开始；了解如何在选择正确图表内容的基础上，考虑尝试不同的视觉样式，并从更多的技术图表，B2B图表和交互式图表示例中获得启发。
5. 充分利用你的内容
通过重新利用数据可视化或将旧内容转换为信息图表、电子书、动画信息图表、报告、微内容等来获得更大的信息资源。
千万不要埋没值得被大家看到的任何一个数据故事！
本文作者 @数据可视化那些事
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！
