鑽石舞台

「一千個讀者心中有一千個哈姆雷特」，數據可視化亦是如此。在日常的工作中，我們經常會遇到這樣的情況：即使是完全相同的原始數據，不同的表達方式會讓讀者有完全不同的理解。本文將介紹數據可視化過程中常見的幾個陷阱和處理辦法，幫助大家更加準確、高效地展示數據，洞察數據背後的意義。

數據可視化，是將抽象的數據、指標、概念進行具象圖形可視的過程。其在幾個世紀前就是人們理解數據之間相互關聯的首選方法。舉個例子，最早的條形圖開發在1786年，由威廉·普萊費爾發布的《The Commercial and Political Atlas》，這是有史以來第一個線性圖和條形圖。

（史上第一張條形圖）

威廉·普萊費爾想比較蘇格蘭一年內（1780-1781）的進口總額和出口總額，並按照進出口的來源和目的地進行細分。為了繪製進出口總額，區分進出口的來源和目的地，他嘗試了許多方法，最後發現條形圖和標尺的組合可以達到他想要的效果。這就是世界上第一個有記錄的條形圖的來源，它最後的呈現結果如上所示。

數據在可視化之前，縱使作者闡述時巧舌如簧，效果也會大打折扣。原因很簡單，字不如表，表不如圖。數據本身是有溝通障礙的，尤其是當讀者或者上級對數據不敏感時，此時的可視化就相當於是一種「翻譯」，將數據以及數據背後的邏輯，準確又高效地傳遞給對方。

在日常的工作中，我們經常會遇到這樣的情況：即使是完全相同的原始數據，不同的表達方式會讓讀者有完全不同的理解。下面我們將會針對幾個常見可視化案例，來探討數據可視化過程中的陷阱和處理辦法。（以下數據已脫敏）

案例1：百變的坐標抽

背景說明：

11月下旬網易某產品更新了版本，對產品樣式進行了較大調整。圖1-1是某個模塊的曝光情況。通過以下折線圖數據，A同學得出結論：新版對該模塊的曝光沒有明顯影響。

事實上：

圖1-1是一個折線圖：橫軸展示了最近2個多月的樣本點；縱軸同時展示了4個指標，但每個軸的高度很有限。

如果我們改變橫軸的時間周期、調整縱軸的軸範圍，我們會發現一個更加符合實際的情況結論（如圖1-2）：新版發布後，該模塊的曝光人數下降了10%以上，無論是周末的高峰還是周中的平峰；且隨着新版本的逐步覆蓋，下降仍在繼續。

一個簡單的折線圖，我們通過調整橫軸和縱軸的軸範圍，最終得到了問題的答案。

案例2：圖表樣式的選擇

背景說明：

圖2-1是某公司A-E這5款產品的月銷量數據。但領導看到這個圖以後仍然提出了幾個問題：每個商品的銷售趨勢如何？誰更有發展潛力？每個月的銷量排名是怎樣的？哪些產品高於平均水平？

事實上：

很顯然，圖2-1展示的條形圖樣式，沒有快速解答領導的疑惑。

如果我們改變圖表樣式，調整橫軸和顏色的維度，我們會發現領導提出的幾個關鍵問題都在圖上得到了答案（如圖2-2）：商品銷量逐月上漲，其中商品B的增幅最快；每個月的銷量排名在圖中一目了然，其中AB商品的銷量大部分情況下都高於平均水平。

合理的圖表樣式和展示形式，能讓讀者快速理解數據，得到關鍵結論。

案例3：過度可視化

背景說明：

圖3-1是某公司各城市的利潤數據，每個城市對應一個條形圖的顏色。

事實上：

圖3-1的這種形式可能看起來像一個有趣的視覺效果，但它並沒有創造任何新的數據信息或使圖形更容易閱讀。

如果我們改變樣式，用顏色來標識各省對應的地區，我們會發現更多的信息（如圖3-2）：華東和中南地區包攬了利潤前7的省份；但同時，負利潤的7個城市中，華東和中南地區也占了3個，說明兩大區內部的利潤表現極差較大，可以嘗試做一些內部優化。

顏色是增強數據可視化的一種非常有效的方法，但不恰當或者過多的顏色選擇也會破壞視覺效果、適得其反。顏色的使用必須是基於某一個目的的，而不是用來分散注意力的。

數據可視化是一個提問與回答的過程。問題通常不僅透露你想要知道的內容，還透露你實際知道的內容，更好的問題意味着更佳的理解。將問題分門別類，找到合適的圖表類型進行匹配，是一個需要長期實踐和探索的過程。

最後，希望大家都可以根據需求正確理解數據、合理表達，讓數據可視化幫助我們的大腦減負，替我們的數據說話。

贈書福利