数据可视化–最佳实践和基础 _原型设计

本文概述

什么是数据可视化
为什么使用数据可视化
何时使用
原则
使数据可视化具有包容性
不要扭曲数据
不良数据可视化示例
良好的数据可视化示例
总结

“ 混乱和混乱不是数据的属性-它们是设计的缺点。” –爱德华·塔夫特
什么是数据可视化 Michael Friendly将数据可视化定义为” 以某种示意图形式抽象的信息, 包括信息单元的属性或变量。” 换句话说, 这是一种视觉上传达定量内容的连贯方式。根据其属性, 可以用许多不同的方式表示数据, 例如折线图, 条形图, 饼图, 散点图或地图。
对于图形设计人员而言, 务必遵循数据可视化最佳做法并确定以可视方式呈现数据集的最佳方法。数据可视化应该是有用的, 在视觉上具有吸引力, 并且永不误导。尤其是在处理非常大的数据集时, 开发具有凝聚力的格式对于创建既有用又吸引人的可视化至关重要。

文章图片
《华尔街日报》的美国失业数据数据可视化。 (《华尔街日报》撰稿)
为什么使用数据可视化据IBM称, 每天创建2.5万亿字节的数据。麻省理工学院的研究科学家安德鲁·迈克菲(Andrew McAfee)和麻省理工学院的埃里克·布林乔尔夫森(Erik Brynjolfsson)教授指出, “ 每秒通过互联网的数据比20年前存储在整个互联网中的数据还多。”
随着世界与越来越多的电子设备连接越来越紧密, 数据量将继续呈指数增长。 IDC预测, 到2025年将有163 ZB(163万亿千兆字节)的数据。
人脑很难理解所有这些数据, 实际上, 如果不进行某种类比或抽象, 人脑很难理解大于5的数字。数据可视化设计师可以在创建这些抽象中发挥至关重要的作用。
毕竟, 如果无法以有用的方式理解和使用大数据, 那就毫无用处。因此, 数据可视化在从经济学到科学技术到医疗保健和人类服务等各个领域都起着重要作用。通过将复数和其他信息转换成图表, 内容变得更易于理解和使用。

文章图片
何时使用由于很难以任何有意义的方式理解大量数据, 并且许多最有用的数据集都包含大量有价值的数据, 因此数据可视化已成为决策者的重要资源。为了利用所有这些数据, 许多企业在清晰, 有效地理解重要信息中看到了数据可视化的价值, 使决策者能够理解困难的概念, 识别新的模式并获得数据驱动的见解, 以便做出更好的决策。决定。
值得在数据可视化设计解决方案上花费资源。无论是在业务, 技术, 科学还是其他领域, 都需要了解大数据集以做出明智的决策。清晰的可视化效果使复杂的数据更易于掌握, 因此更易于采取行动。

文章图片
原则明确目标
数据可视化应该回答重要的战略问题, 提供真实的价值, 并帮助解决实际的问题。例如, 它可用于跟踪绩效, 监视客户行为并评估流程的有效性。在数据可视化项目开始时花时间明确定义目的和优先级将使最终结果更加有用, 并避免浪费时间创建不必要的视觉效果。
认识观众
数据可视化如果没有设计为与目标受众清楚地交流, 则毫无用处。它应与受众的专业知识兼容, 并允许观看者轻松快速地查看和处理数据。考虑到受众对数据呈现的基本原理的熟悉程度, 以及他们是否可能具有STEM领域的背景知识, 在这些领域中, 图表和图形更有可能被定期查看。
使用视觉功能正确显示数据
有太多不同类型的图表。确定哪种类型最适合可视化呈现的数据本身就是一门艺术。正确的图表不仅会使数据更易于理解, 而且会以最准确的方式显示出来。为了做出正确的选择, 请考虑你需要传送什么类型的数据, 以及传送给谁。
以下是最受欢迎的数据可视化图表类型：
折线图：折线图应用于比较随时间变化的值, 并且非常适合显示大小变化。它们还可以用于比较对一组以上数据的更改。

文章图片
(来源：环境署)
条形图：条形图应用于比较几种类别的定量数据。它们也可以用来跟踪一段时间内的变化, 但是最好仅在这些变化很重要时使用。

文章图片
(来源：我们的数据世界)
散点图：散点图应用于显示一组数据的两个变量的值。他们非常适合探索两组之间的关系。

文章图片
(来源：我们的数据世界)
饼图：饼图应用于显示整体的一部分。它们无法显示随时间变化的信息。

文章图片
保持有条理和连贯
将大数据集编译为可视化文件时, 一致性特别重要。连贯的设计将有效地淡入背景, 使用户能够轻松处理信息。最好的可视化效果可帮助观看者得出有关所呈现数据的结论, 而无需” 面对面” 或以其他方式引起他们的注意。它们只是以最佳方式显示数据。
创建数据层次结构以决策者的相关方式显示了各个数据点。你可以按从高到低的顺序排序, 以强调最大值, 或者以突出的方式显示对用户更重要的类别。
甚至显示数据的顺序, 所用的颜色(例如最重要的点使用较亮的颜色, 或基线数据使用灰色)以及图表的各个元素的大小(例如将饼图的某些切片扩展到图表的常规边框)可以帮助用户更轻松地解释数据。当心在使用这些技术时应该没有偏见的地方产生偏见。

文章图片
交互式数据可视化也是帮助人们解释数据的绝佳方法。
使数据可视化具有包容性颜色被广泛用作表示和区分信息的一种方式。根据Salesforce最近进行的一项研究, 它也是决定用户决策的关键因素。
他们分析了人们对图表中使用的不同颜色组合的反应, 假设他们会更喜欢具有细微颜色变化的调色板, 因为它在美学上更具吸引力。
但是, 他们发现, 尽管吸引人, 但细腻的调色板使图表更难以分析和获取见识。这完全违背了创建可视化显示数据的目的。

文章图片
即使数据可视化使用比例模型, 也可以在每个步骤之间使用足够的颜色对比度。当用户将鼠标悬停在每个国家/地区时, 此图形的交互式版本包括标签。 (来源：我们的数据世界)
字体的选??择会影响文本的可读性, 从而增强或削弱预期的含义。因此, 最好避免显示字体并坚持使用更基本的衬线或无衬线字体。
确保数据可视化的介质字体大小清晰易读。 Smashing Magazine建议” 现代网络设计中, 正文复制的最小尺寸通常应为16像素。”
不要扭曲数据出色的数据可视化应该清楚地讲述故事, 避免失真。避免使用无法准确表示数据集的视觉表示形式, 例如3D饼图。

文章图片
像这样的3D饼图很难实际显示每个切片的比例。 (通过PSDgraphics)
【数据可视化–最佳实践和基础】数据可视化可以使观看者得出某些结论, 而不会扭曲数据本身。这在设计供公众消费的信息图表之类的东西时特别有用, 通常是为了支持特定结论而不是仅仅传达数据而创建的。为此, 可以使用颜色选择和指定特定数据点之类的东西, 而不会产生误导性的图形(这可能会使设计师的信誉受到质疑)。
不良数据可视化示例

文章图片
如果不将Y轴从零开始, 可能会使数据的增益似乎大于实际值。这使可视化具有误导性, 并且无法澄清显示的数据。

文章图片
图表的另一个示例, 它的Y轴未从零开始, 从而歪曲了结果的显示方式。

文章图片
该主要品牌的条形图在规模上具有误导性, 因为没有Y轴。即使只有不到1％的细微差别, 超大的蓝色条也会被不按比例放大。

文章图片
当苹果试图说明新型iPad电池的使用寿命延长了70％时, 他们将高度增加了70％, 但整体尺寸也增加了, 这使得该电池看上去比以前的iPad电池更大。 (通过Gizmodo)
良好的数据可视化示例

文章图片
像这样的条形图是一种显示数据集之间差异的绝妙方法, 尽管增强的颜色对比度会使视觉障碍的用户更容易访问此图像。 (由FiftyThirtyTwenty)

文章图片
该销售仪表板使用几种不同的可视化格式, 以一目了然的易于理解的格式显示相关数据。数据也有很好的标签, 进一步澄清了事情。 (由Bagus Fikri撰写)

文章图片
将干净整洁的设计与易于解释的数据可视化与简单的图表相结合, 可提供出色的用户体验。 (由Miklos Philips撰写)

文章图片
Google的Audience Insights凭借其交互式数据分析套件出色地完成了工作, 使数据易于理解。
总结良好的数据可视化应使用图形清晰有效地传达数据集。最佳的可视化效果使一目了然地轻松理解数据。他们获取复杂的信息并将其分解, 从而使目标受众易于理解并根据其决策。
正如Edward R. Tufte所指出的那样, “ 设计的基本标准是它对内容理解的帮助程度, 而不是它的外观多么时尚。” 尤其是数据可视化应该遵循这个想法。目的是通过设计来增强数据, 而不是引起设计本身的注意。
牢记这些数据可视化最佳实践可简化设计对受众真正有用的信息图表的过程。
???
进一步阅读：