定量的数据没有解释是没有用的. 数据可视化将原始数据的含义综合成连贯的结论. 当设计师优先考虑引人注目的图像而不是准确性时，视觉效果就会欺骗人. 为了完整地传达数据，设计师必须避免常见的数据可视化错误.

如果你长时间折磨这些数据，它会告诉你一切. 约翰W. 图基

约翰·怀尔德·杜克 一个人是忠于数据的吗. 他是普林斯顿统计学系的创始成员，也是这个词的发明者 软件。, 杜克最喜欢分析学的一个方面是“让人感到无聊”, 平面数据，并通过可视化将其带入生活.但尽管他对数字充满热情, 图基敏锐地意识到数据被误解的方式, 甚至警告, “想象经常被用来做坏事.”

善与恶的双重潜能并不是数据可视化所独有的, 但考虑到当今时代的悖论，这是一个紧迫的设计考虑. 信息比以往任何时候都更加丰富和容易获取, 然而,政府, 媒体, 商业范围广泛 不信任. 当组织发布误导性的可视化(有意或无意)时，信任鸿沟就会扩大.

哪些设计因素会使视觉效果具有欺骗性 设计师 以最清晰的方式传达数据的含义?

数据可视化中的盲点

“优秀的图形是指在最短的时间里，在最小的空间里，用最少的墨水，给观众提供最多的想法。.” -爱德华R. 塔夫特, 定量信息的视觉显示

人类的视觉和认知是自然界中最不可思议的现象之一:

• 光线进入眼睛.
• 晶状体将光的信息传递给视网膜.
• 视网膜翻译信息并向视神经发送信号.
• 视神经以每秒20兆比特的速度向大脑传输信息.

从观察到思考的飞跃是瞬间的, 还有大脑, 充斥着身体需求和外界刺激, 必须通过优先考虑哪些需要破译，哪些需要忽略来节省精力吗.

在这个观察和理解的快速结合中， 数据可视化 证明自己的价值. 在这里, 许多可视化告诉观众他们“应该”在数据中看到什么, 劳累过度的大脑点头表示赞同. 确认偏误占据了上风. 失去客观性.

公平地说, 误导性的视觉效果并不总是恶意的副产品, 但即使是诚实的错误也会误导观众. 眼睛是易受影响的，人类往往会为了快速获取信息而掩盖信息. 视觉和认知必须是所有设计的关键考虑因素 数据可视化.

要避免的10个数据可视化错误

1. 误导色彩对比

颜色是最具说服力的设计元素之一. 即使是细微的色调变化也会引起强烈的情绪反应. 数据可视化的挑战之一是，高度的色彩对比可能会导致观看者认为价值差异比实际情况更大.

例如，热图用颜色描绘值的大小. 较高的值显示为橙色和红色，而较低的值呈现为蓝色和绿色. 值之间的差异可能很小, 但颜色对比会给人一种热和活动加剧的印象.

设计师外卖:

• 颜色不仅仅是区分数据系列的一种方式.
• 高对比度的颜色配对会使观看者感受到更大程度的数据差异.

2. 不正确使用3D图形

几个世纪以来，三维空间的二维表现一直吸引着观众, 但是3D图形给数据可视化带来了两个严重的问题.

当一个3D图形部分遮挡另一个图形时，就会发生遮挡. 这是模仿自然世界空间的结果——物体有不同的X, Y, 和Z坐标. 在数据可视化中, 遮挡遮挡了重要的数据并创建了错误的层次结构，其中无阻碍的图形显得最重要.

当三维图形通过缩短缩进或投影出画面平面时，就会发生失真. 在画画, 透视收缩 使物体看起来好像生活在三维空间中, 但是在数据可视化中, 它创造了更多错误的等级制度. 前景图形显得更大, 背景图形变小, 数据序列之间的关系是不必要的扭曲.

设计师外卖:

• 3D图形很吸引人, 但它们有可能阻碍重要信息，并混淆数据序列之间的规模关系.
• 除非绝对需要3D图形，否则请将数据可视化为2D.

3. 数据过多

这是一个永恒的设计问题——在追求清晰沟通的过程中，该包含什么与该删减什么. 这是数据可视化的挑战之一, 太, 尤其是当数据既丰富又发人深省的时候.

的诱惑? 用一个简单的可视化表达一个深刻的观点.

这个问题? 人类并没有很好地计算以视觉形式抽象的多个值的含义.

当可视化包含太多数据时, 信息了, 数据融化成大多数观众无法忍受的图形汤.

设计师外卖:

• 信息过载是数据可视化的一个陷阱. 如果一次展示太多，观众就会走神.
• 使用多个可视化来交流数据可能会更有效.

4. 省略基线和截断比例

数据的变化, 有时广泛, 比如根据地理区域衡量收入水平或投票习惯. 为了使视觉效果更富有戏剧性或更具美感, 设计人员可以选择在图形上操作比例值.

一个常见的例子是 忽略基线 或者将y轴从0以上的某个位置开始，以使数据差异更加明显.

另一个例子是 截断X值 的数据序列，使其看起来与低值序列具有可比性.

设计师外卖:

• 美学吸引力从属于准确的数据表示.
• 省略基线和截断尺度以故意夸大或最小化数据差异是不道德的.

5. 有偏见的文本描述

建议的行为是说服的艺术. 告诉别人他们应该在图像中看到什么，他们可能会照做. 伴随可视化的文本(支持副本), 标题, 标签, 字幕)是为了给观众客观的背景, 而不是操纵他们对数据的感知.

设计师外卖:

• 在绘制数据集之间的相关性时，通常会出现有偏差的文本 因果关系).
• 通常，有偏见的文本来自客户，设计师需要标记这个问题.

6. 选择错误的可视化方法

每种数据可视化方法都有自己的用例. 例如，饼状图是用来比较一个整体的不同部分. 它们适用于预算细分和调查结果(相同的饼)，但并不意味着在不同的数据集(不同的饼)之间进行比较。.

饼状图可以用来可视化三个相互竞争的企业的收益, 但是，柱状图会使企业之间的差异(或相似之处)更加明显. 如果可视化是为了显示收入随时间的变化, 那么折线图会比条形图更好.

设计师外卖:

• 数据可视化方法不是放之四海而皆准的.
• 知道了 变量 可视化必须传达信息.

7. 令人困惑的相关性

可视化数据集之间的相关性有助于让查看者更广泛地理解主题. 显示相关性的一种方法是在同一图表上叠加数据集. 当仔细考虑相关性时，叠加会导致aha时刻. 当重叠的数量过多时，观众很难画出连接.

也有可能以一种错误地暗示因果关系的方式来可视化相关性. 一个著名的例子是将冰淇淋销量的增加与暴力犯罪的激增联系起来，而这两者都是温暖天气的结果.

设计师外卖:

• 突出显示与邻近存在的多个可视化的相关性可能会很有帮助. 这允许观众在评估数据的同时建立联系.
• 这是值得重申的. 相关性不等于因果关系.

8. 放大有利数据

数据和时间是不可分割的. 可以放大时间框架，显示有利于更广泛叙述的数据. 将财务业绩可视化是一个常见的罪魁祸首. 考虑一张图表，它显示了短期内强劲的数字, 让生意看起来很兴旺. 不幸的是, 缩小显示，该公司在急剧和持续的下降中只经历了小幅上升.

设计师外卖:

• 如果放大后的可视化结果与整体数据不一致，请让观众知道.

9. 避免常见的视觉联想

视觉设计元素 影响人类心理. 图标、配色方案和字体都带有影响观看者感知的内涵. 当设计师忽略这些联系或避开它们，以支持创造性的表达, 很少会顺利.

分析数据可视化是一项耗费脑力的工作. 在认知的关键时刻, 大脑可能不需要花时间来解读熟悉的设计元素重新想象的含义.

设计师外卖:

• 有无数的方法来进行创造性的实验 数据可视化. 不要通过强迫观众重新解释常见的视觉关联来分散他们对数据的注意力.

10. 首先使用数据可视化

数据可视化 给那些难以理解的数字赋予形状. 当数据复杂且有多个变量在起作用时，它们揭示了意义. 但想象并不总是必要的.

如果数据可以用统计数据清晰简洁地传达，那么就应该这样做. 如果文本描述被证明是有洞察力的，那么显示数据的形状就没有什么影响了, 不需要可视化.

设计师外卖:

• 数据可视化是一种沟通工具. 像所有工具一样，有时它是合适的，有时另一个工具更适合.

客观地可视化数据

人们倾向于将数据可视化作为无可辩驳的证据. “我们有数据. 这就是它的意思. 故事结束.” 然而，20世纪伟大的科学家们喜欢不确定性 并接受了一个事实，即即使是最令人信服的数据也容易出错.

数据可视化 不是真理宣言吗?. 它们是分析快照——用人眼能理解的形式塑造的数字现实. 当 设计师 放弃修饰和克服这些数据可视化的挑战，他们促进客观性和 消除对偏见的恐惧 和欺骗.

---

让我们知道你的想法! 请在下面留下你的想法、评论和反馈.