数据可视化6大技巧
越来越多的媒体开始接受网络数据,数据可视化便成为不可或缺的一部分。用一个个有效且有逻辑关联性的图形来显示数据、传递信息,能够让人们更加了解事物的本质。虽然现在已经有很多关于数据可视化的教程,但有关数据可视化的学术研究仍然较少。新闻记者更倾向于关注Edward Tufte等人的流行书籍,忽视了学术研究本身。事实上,关于数据可视化的学术文献才是记者新闻工作过程中的探照灯。
关于数据可视化,我们能从学术研究中学到这6点:
1、结合图标来增加说服力
康奈尔大学的研究人员发现,仅在文章中增加一张图表,就能使文章的说服力大大增强。对于同一篇文章,高达97%的参与者更认同那个含有图表的文章所传达的信息。就像某些科学性较强的新闻,它的内容相对来说枯燥且专业性过强,普通的读者一般很难了解新闻想要传达的信息,这时如果记者把数据进行可视化,清晰的数据图表将对读者产生更大的影响。
2、使用饼图、条形图或泡泡,使数据显示得更加清晰
威廉·克利夫兰(William Cleveland)和罗伯特·麦吉尔(Robert McGill)是第一个用科学的结论支持常识性说法并批判现有图表的研究者。1984年,克利夫兰和麦吉尔指导人们根据图表的类型,准确地“解码”各种视觉属性的数据。比 如一个圆的面积、酒吧的体积等等。他们研究所得到的制作图形编码的结论是这样的:
3、超大图表≠最优图表
研究发现,图表的尺寸将在一定程度上影响信息的传播效果。图表越短,读者的关注度越少。然而实际上,随着图表精确度的增加,信息的传播效率得到了更快地提升。研究表明,在页面布局方面,设计师必须考虑制作一个合理大小的图表,这样才能让信息传播的准确性及效率最大化。大图表可能会给读者带来更多的视觉冲击,实则在提高读者信息理解度方面收效甚微。
4、视觉打败记忆:请按空间顺序排列,而非时间
塔玛拉·芒泽(Tamara Munzer)是哥伦比亚大学的计算机科学教授,她建议设计师制作一些让读者更容易理解的可视图。这就意味着要把现有数据按照空间顺序进行比较,而非按时间顺序。用她的话说就是“视觉打败记忆”,因为我们的大脑更倾向于对两个项目进行比较,而非记住一个接一个的动画或视频。她不是首推按空间排列顺序的第一人,但芒泽认为这是一个对数据可视化的好建议。具体而言就是,要对比各项数据,懂得揭示其中的变化和差异,而非简简单单地呈现一个动画。
5、有创意,才难忘!
哈佛大学和麻省理工学院的一只团队正在研究各种形式的大数据可视化。他们试图使可视图更加令人难忘,而非提高图表的有效性和准确性。在收集、分类,并研究了5000多个可视图后,他们认为那些图案多样、颜色鲜艳、视觉密度更高、含有易辨认人物头像的可视图更容易被读者记住。
他们还发现,非传统的图表更令人难忘。同时,这个团队也承认,他们的研究只考虑了可视图的呈现,而忽略了对实际数据的诠释。尽管存在这些限制,但他们的研究也具体、明显地表明,要设计一个能产生持续影响力的可视图,新颖的创意、绚丽的色彩和丰富的图案演示是不可或缺的三要素。
6、真的需要夸大你的图表和插图吗?
最先倡导数据可视化的专家塔夫特提出了一个极具争议性的观点,即太多的图案使可视图的阅读性大大降低。来自加拿大的研究人员质疑这个想法,并且把过多美化的图表和简约的图表做了对比。他们认为,“华丽”的图表实际上并没有降低数据的可读性与准确性。此外,这项研究的参与者发现,人们两个星期后甚至会重新阅读“华丽”的图表。
所以,可视图到底应不应该装饰插图?极简主义者认为,演示图表可以让人们重新思考当下,并批判以往的研究方法。如今,对于修饰与未修饰图表所形成的效果,各种观点仍旧没有达成明确的共识,它留下的艺术价值远甚于科学价值。
关于数据可视化的实践跨越了科学与艺术两个领域。然而,从学术结论转移到实际操作并非易事。最近,《纽约时报》可视图编辑者迈克·博斯托克(Mike Bostock)警告Reddit论坛道:“学术界的危险在于它很容易使一切变得过于抽象。”把抽象转为具体,是一项很值得去做的事情。学术界可以提供一些制作可视图的指导,同时,编辑部也应该时刻留意着象牙塔。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14