为何大多数人做出来的图表只是一坨屎?

data-visual-methods-00

数据可视化,是一种用来将复杂信息数据清晰表述出来的强大有力的工具。 
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。

  1. 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。
    data-visual-methods-01
  2. 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。
    data-visual-methods-11

 

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。

data-visual-methods-03

 

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。

data-visual-methods-12

 

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。

data-visual-methods-04

 

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。

data-visual-methods-05

 

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。

data-visual-methods-06

 

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。

data-visual-methods-07

 

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.

data-visual-methods-08

 

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。

data-visual-methods-09

 

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。

data-visual-methods-10

 

怎么样,上述10条,你中枪了没有?

 

文章来源:Hubspot
顶部图片来源:http://infosthetics.com

 

 

 
UXRen公众账号 关注UXRen微信公众号(cnUXRen)

UXRen社区欢迎各界用户体验从业者及学生投稿优质原创文章。投稿请关注UXRen社区公众账cnUXRen(上面有二维码)留言“我要投稿”,小编会及时与您取得联系。


版权声明:除转载文章外,本站所有文章版权归UXRen社区所有,转载请注明出处:UXRen社区,并保留本站原文链接地址。本站部分文章来自互联网及公开渠道,如有侵权请及时联系我们。邮箱:contact@13tech.com.cn

您可能还喜欢...

2 条回复

  1. 别闹了昆汀说道:

    散点图中往往也有其他重要的维度(如面积),连线可能会误导用户探索的角度,如果有着明显颜色的对比,趋势也是可以自行辨识的。把复杂信息(按设计者意图)表达清楚固然重要,保持理性提供事实有时也很重要。

    • baozhu baozhu说道:

      这一点我认可。data talks,在特定需求中,需要特殊设计考虑的。

发表评论

电子邮件地址不会被公开。