数据可视化的十大误区,为何你只能做出渣图表

简介:

通过可视化信息,我们的大脑可以更有效地合成和保留信息内容,增强对信息的理解。但是如果不正确数据可视化,它可能弊大于利。错误的图表可以减少数据的信息,或者更糟的是,完全背道而驰!

这就是完美的数据可视化极其依赖设计的原因。

设计师要做的,不仅仅是选择合适的图表类型,更要以一种容易理解的方式来呈现信息,设计出更直观的导航系统,让观众做尽可能减少理解方面的麻烦,做到一目了然。

当然,并不是所有的设计师是数据可视化专家,这就是为什么大部分的图表看上去是那么滴糟糕,简直就是一坨屎!

这里有10个数据可视化的案例,包括你可能犯的错误和快速修复补救的方法。

错误1.混乱的饼图分割

饼图,是最简单的图表之一。不过偏偏有人喜欢把它搞得很复杂。

饼图的设计应该直观而清晰,理论上,一个饼图不应该分割超过5块。下面就是两种可以让读者的注意力瞬间集中到你要表述的重点的方法。

第一种:将最大的部分放在12点钟方位,要顺时针。第二部分12点钟,逆时针方向。剩下的部分可以放在下面,继续逆时针方向。

数据可视化的十大误区,为何你只能做出渣图表

方法二:最大一块12点钟开始,顺时针方向旋转。剩余部分在降序排列,顺时针。

数据可视化的十大误区,为何你只能做出渣图表

错误2.在折线图中使用不连贯的线条

虚线,虚线容易分散注意力。相反,使用实线和颜色,反而容易区分彼此的区别。

数据可视化的十大误区,为何你只能做出渣图表

错误3.数据排序混乱

你的内容应该以一种合乎逻辑的和直观的方式来引导读者了解数据。所以,记得将数据类别按字母顺序,大小顺序,或价值进行排序。

数据可视化的十大误区,为何你只能做出渣图表

错误4.数据模糊不清

确保没有数据丢失或被设计。例如,使用标准的面积图时,可以添加透明度,确保读者可以看到所有数据。

数据可视化的十大误区,为何你只能做出渣图表

错误5.让读者自己解读

设计师应该使图表尽可能轻松地帮助读者理解数据。例如,在散点图中添加趋势线来强调的趋势。

数据可视化的十大误区,为何你只能做出渣图表

错误6.扭曲数据

确保所有可视化方式是准确的。例如,气泡图大小应该根据区域扩展,而不是直径。

数据可视化的十大误区,为何你只能做出渣图表

错误7.在一张热力图上使用不同的颜色

颜色用得太花,会给数据增加不可承受之重,相反,设计师应该采用同一色系,或者类比色。

数据可视化的十大误区,为何你只能做出渣图表

错误8.条状图太胖或太瘦

或许你的报告很有创意,非常精彩,但是记得图表设计水平也要跟上。条形图之间的间隔应该是1/2栏宽度.

数据可视化的十大误区,为何你只能做出渣图表

错误9.很难比较数据

比较是展示数据差异的好法子,但是如果你的读者不容易看出差别的话,那么你的比较就毫无意义。确保所有的数据都是呈现在读者面前,选择最合适的比较方法。

数据可视化的十大误区,为何你只能做出渣图表

错误10:用3D图表

虽然他们看起来很酷,但是3d形状可以扭曲感知,因此扭曲数据。坚持2次元,确保数据准确。

数据可视化的十大误区,为何你只能做出渣图表

怎么样,上述10条,你中枪了没有?

本文作者:佚名
来源:51CTO
相关文章
|
14天前
|
数据采集 SQL 数据可视化
大数据可视化技巧:借助PowerBI提升数据故事讲述力
【4月更文挑战第8天】Power BI助力大数据可视化,支持多种数据源连接,如SQL Server、Excel,提供数据清洗与转换功能。通过选择合适图表类型、运用颜色和大小强化表达,创建交互式仪表板。讲述数据故事时,注重故事主线设计,利用叙事技巧引导观众,并添加文本说明。分享已完成报告,提升数据驱动决策能力。动手实践,体验Power BI的强大与易用。
31 0
|
6月前
|
数据可视化 Cloud Native BI
面试中的数据可视化:如何用数据支持你的观点
面试中的数据可视化:如何用数据支持你的观点
76 0
|
9月前
|
监控 数据可视化
漏刻有时LOCKDATA数据可视化核心框架常见问题集锦
漏刻有时LOCKDATA数据可视化核心框架常见问题集锦
47 0
|
运维 监控 数据可视化
超干货!数据可视化最全解决方案!酷炫效果分分钟拿捏!【附全网高质量学习资料】
超干货!数据可视化最全解决方案!酷炫效果分分钟拿捏!【附全网高质量学习资料】
298 0
超干货!数据可视化最全解决方案!酷炫效果分分钟拿捏!【附全网高质量学习资料】
|
数据采集 存储 数据可视化
【数据可视化】数据之美---揭密优雅的数据解决方案背后的故事
【数据可视化】数据之美---揭密优雅的数据解决方案背后的故事
134 0
|
数据采集 存储 分布式计算
【数据可视化】数据可视化之美——用专家的眼光洞察数据
【数据可视化】数据可视化之美——用专家的眼光洞察数
209 0
【数据可视化】数据可视化之美——用专家的眼光洞察数据
|
数据采集 机器学习/深度学习 人工智能
从新冠肺炎可视化说起,数据展示如何简约但不简单
面对疫情,我们所学所知能做什么?中国计算机学会 CAD&CG 专委会、阿里云天池、机器之心、阿里云 DataV、Datawhale 联合发起了疫情数据可视化公益行动,通过数据与可视化,你也可以为疫情做出自己的贡献。
从新冠肺炎可视化说起,数据展示如何简约但不简单
|
数据可视化 数据挖掘 程序员
技术人最不该忽视可视化数据分析! | 9月2号栖夜读
今天的首篇文章,讲述了:在这个“人人都是数据分析师”的时代,阿里的同学几乎都在参与数据的采集、加工与消费。数据可视化作为连接“加工——消费”的重要一环,其质量至关重要。优秀的可视化能促成卓越洞见,糟糕的内容则让所有的努力失去意义。
3214 0
|
数据挖掘
产品经理二十章:数据分析能力
作为一名合格的产品经理,要对数据十分敏感,善于通过数据分析从大量的数据中挖掘有用的信息,用来指导和改善自己乃至他人的工作,提升工作的效率,创造新的价值。 一、数据的作用 数据对于产品的重要性,就相当于全球定位对于现代战争的重要性一样。
991 0
|
数据可视化 大数据 BI