如何标准化数据可视化之“美”? | 数据新闻精选

Print More

媒体在数字化转型中,越来越多地用数据可视化作为呈现方式。但许多可视化的作品只是追求形式上的美感,没有实现数据可视化真正的功能:清晰有效地传达信息,使读者更形象地理解数字背后的含义。媒体推出的可视化新闻良莠不齐,水准忽上忽下,却少有懂行的同行或读者给予反馈。本周的数据新闻给读者介绍由Perceptual Edge网站创始人、信息视觉化专家Stephen Few提出的一个标准化衡量规则,评价可视化是否达到了必要的效果。

Few认为,标准化的规则能让大众针对同一个方面给予评价,而不只再用空泛的语言描述一些模糊的印象。他认为,可视化的效果分为两大类,分别是信息丰富性(Informative)和情绪感染力(Emotive)。前者考量的是数据可视化能让读者接收到多少信息,后者则衡量能否让读者产生一定的情绪反馈。在这两大类之下,还有七个细分的小标准。信息丰富性涵盖了五个维度:实用性、完整性、读者接受度、真实性和直观性。情绪感染力有两层含义:一个是美感,另一个是用户参与度。

  • 实用性 (Usefulness)

衡量实用性的主要参照是读者的需求,看看这是不是人们想要知道的、与他们切身相关的信息。过去很多数据的发表形式都是报告或者数字仪表板,其实这对读者一点营养都没有。虽然我们已经进入了所谓的信息时代,还是有很多机构不懂如何输出信息。实用性是一个主观的指标,但确实是评价体系里重要的一环。

  • 完整性 (Completeness)

一份有效的数字可视化应该要纳入所有能帮助读者理解数据的信息。有三点要把握好:一是给出对的信息;二是信息的量切勿过大或过少;三是要给出数据的背景,方便读者了解这些数据的用处和来龙去脉。

  • 读者接受度 (Perceptibility)

要让可视化易于消化,也就是不费眼不费脑力。接受度高的可视化能用对表格或图形的种类,使数据清晰明了。比如说,在一个做对比的可视化中,让读者比较形状大小或者颜色深浅,都是不明智的设计。相比之下,位置远近和长度更一目了然。

  • 真实性 (Truthfulness)

可视化的真实性考量的是信息的准确度和是否有据可依。如果信息是能让人信服的、精确的,那么它的准确度就达标了。比如说在一个柱状图里,A的数值是B的两倍,但是A对应的柱形条的长度却并不是B的两倍长,这个可视化便不可信。而用国民收入的中位数来衡量幸福感,也是没有依据。

  • 直观性 (Intuitiveness)

通常,某种图表如果是司空见惯,人们就更容易快速理解其读图方式。但直观性因人而异,这也是比较主观的一个评价角度。对于科学家和数据分析师来说,读数据轮廓图只是小菜一碟,但对于普罗大众却是不够直观的数据表现形式。

  • 美感 (Aesthetics)

可视化也有美丑之分。不美观的数据图无法吸引读者的注意力,美观的数据图则可能会进一步引起读者的兴趣,提供良好的阅读体验。有一些信息容易让读者遗漏或者遗忘,通过美好的创意设计,可视化能够给读者更强的视觉刺激,从而帮助信息的提取。

  • 用户参与度 (Engagement)

用户的互动是对可视化质量的一种反馈。从互动数据上,可以得出一些用户的互动规律,增进可视化设计。

 

实例解说

(一)《销售业绩》

这是一个经典的用Excel制作的柱状图,显示一年内的每月销售额。销售额这个信息固然重要,但是一连串信息本身却无法让人判断此货品到底卖得好不好,因此它的实用性是有限的。

读者接受度也稍欠火候,因为每条柱都使用了3D效果。这会分散读者的注意力,不便于比较,与其如此倒不如用一个曲线图来显示销售额变化。

读者也无法判断标题《销售额在增长》是真是假,因为图中没有给出往期销售额的状况,没有情境以供比较。另外,读者也很容易看出,这个图形并不精确,因为销售额的起始点不是零,这么做容易让读者误读数据。

以美感而言,这个图并不太好看,每个柱状的上面都被线条填满了,扰乱视觉。所以打出的综合评分如下:

(二)《拿破仑进军莫斯科》

再来看一个优秀例子。这是一个非常出名的数据可视化案例:Charles joseph Minard做的可视化设计《拿破仑进军莫斯科》。Minard是一名土木工程师,在建设水坝、运河和桥梁方面很有经验。他80岁时,运用了他创造的表现人数流动的创新技巧,把这个悲剧性的故事通过一张可视化图呈现了出来。有的人认为这是有史以来最精美的可视化图。Few虽然不认为这是可视化设计巅峰,但也不得不承认这是一个出色的作品。

Few认为这个图在直观性之外其他方面的完成度都很理想。当读者看到这个图的时候,他们需要花一些时间去了解怎么读图。金色部分(去程)的宽度和黑色(回程)的宽度代表了军队士兵的数量,每毫米宽度代表10,000人;途径的地势特点和主战役都有标注,并用文字写明;回程时气温骤然下跌,这一信息在图的底部以线图表现出来。

在短期内,读者可能只会对进军路径产生一个模糊的印象,无法清晰地汲取自己感兴趣的信息。尽管如此,却没有其他更好的策略能呈现这些多元维度的信息,所以综合评分仍然很高。

有心的读者可能注意到,Few并没有用精确的分数来量化数据可视化作品,而是给出一个区间,表示某种程度。因为在评价过程中,很多标准都可能会被主观想法所左右。Few并不认为他给出的标准是一个严格的科学准则,而只是给大众提供一个有意义的、可供参考的评价体系。他欢迎每位读者都来建言献策。

 

编译/黄立旖

编辑/Ivan Zhai,梁思然

 

相关阅读:

2017上半年数据可视化精选 这些人物和项目值得关注

每周数据新闻精选 | 50多种图表怎么用?数据可视化目录为你全解析

数据可视化免费网络教材 | 每周数据新闻精选

Leave a Reply

Your email address will not be published. Required fields are marked *