Question

数据可视化设计常出现的错误，你一定要避免！

Answer 1

设计过程中，如果只是优先考虑可视化图表样式的好看与否而非思考 数据表现的准确性 ，反而会偏离了数据可视化真正的意义。

一起来看看在可视化设计中容易出现的错误点，尽早知道这些错误才能在设计中尽量避开这些问题，达到合理应用。

虽然三维图形带来的立体感很强，但用在可视化设计中，很容易出现问题。

一方面，三维图形具有X、Y和Z坐标，容易 造成图表间的遮挡关系 ，遮挡会掩盖一部分的数据，让精准比较数据信息变得困难。

另外，透视使对象看起来像是位于三维空间中，但在数据可视化中，它会造成错误的层次结构： 前景图形看起来很大，背景图形很小，数据关系被不必要地扭曲。

设计要点：

三维图形很有吸引力但可能会遮挡重要的数据信息，并扭曲数据间的比例关系；

如果没有绝对需要尽可能使用二维图形样式。

在设计中，很多人总想在一张图表中尽可能多地展现内容，把各种数据信息聚合在一起。

这样的想法本身没什么错误，但 重要的前提是要有清晰的认知，明确知道到底要展示哪些数据。

如果可视化中包含太多数据，信息的展现会变得不堪重负甚至难以理解，这样的话包含的数据再多也没有任何意义。

设计要点：

避免数据可视化的信息过载，如果一张图表中包含的信息过多，反而会让用户混乱；

灵活结合多种可视化方式，让数据的展现变得更有效。

一组数据往往各不相同，数据差值的大小也不确定。为了使可视化效果看着更舒服，有的设计师通过改变坐标轴比例来展示数据关系。

最常见的例子就是让Y轴代表的数据不是从0开始，借此 夸大数据之间的差异，让数据的变化更加明显。

设计要点：

图表的美感再怎么重要，也要服务于精准的数据表现；

避免通过省略基线来故意夸大或缩小数据差异，造成用户误解。 

每个数据可视化方法都有自己的特点。例如饼图适合 用来比较一个整体中的不同部分 ，但不适合用来比较几组不同的数据。

通过饼图的比例划分，虽然可以直观地显示三家企业的收益，但使用条形图会让这三家企业之间的差异更加明显。

如果目的是为了显示一段时间内的收入，那么折线图会是比条形图更好的选择。

设计要点： 数据可视化方法并非一刀切；明确可视化传达的变量及最终目的。

数据可视化更高的价值在于 探索和发现不同数据间的相关性 ，通过比较几组不同的数据关系，找出其中的关联性，从而得到一个更有根据的验证结果。

显示相关性最常用的方法是将几组不同的数据叠加在同一个图表上，但当叠加的数据数量过多时，图表会变得难以识别。

另外一旦强行关联几种相似的数据，有可能造成结果的混乱。一个有意思的例子是冰激凌销量的增加与暴力犯罪的激增有关，因为这两者都是因为气候变化造成的结果。

透过数据间的关联性发现事物本质是有意义的，但要考虑数据间的关联是否有依据、是否合理；数据有相关性并不等于有因果关系。

数据的增长或下降和时间是不可分割的。 放大时间范围 是很多公司经营中投机取巧的方法。

比如只在图表上向用户展示业绩增长的4-6月份(上图)，这样看起来公司业绩增长幅度特别大，但如果将X轴的时间缩小到一整年(下图)，才会发现公司真实的经营状况，4-6月份的业绩增长仅仅代表了公司业绩持续下跌中的小幅上涨。

设计要点：

避免放大的可视化效果与数据整体不一致；短时间内放大的数据表现可能会让用户对信息的判断产生错误。

视觉元素影响用户的心理，图标、色彩和字体都具有影响观者感知的作用。

下图的可视化描述了美国各个地区宗教信徒占所有居民的百分比，但使用的颜色与地图的设计元素(蓝色的水、绿色的植被和棕色的土地)太过相似。

▲  分析数据可视化很耗费精力 。在看到这样的图表时，我们第一时间联想到的应该是国家的地形情况，可能很难在这个熟悉的认知下去重新理解这个图表代表的其他含义。

设计要点： 避免强迫用户重新理解常见的视觉联想，造成对数据的注意力分散。

数据可视化将难以表现的数字关系赋予了易于理解的形式。最理想的方式是 可以通过可视化清晰、简洁地传达数据关系 。

但是并不是所有的数据都需要使用可视化来表现，有时候一个简单的数据搭配一个流行的颜色就足以说明问题。

设计要点： 数据可视化是一种交流工具。像其他所有工具一样，有时它是合适的，有时可能另一种工具更适合。