京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据可视化-信息图背后的心理学_数据分析师
随着数据导向在企业中蔚然成风,数据展示类的信息界面也变得重要起来。
拥有可视化数据和交互式界面的它正成为商业用户手中重要的工具。更重要的是数据类信息界面也在以app的形式融入普通用户的生活,帮助管理日常活动,如预算追踪和健康管理。
那么是什么让数据类信息界面如此诱人?人们内心渴望,而又被数据类界面完美呈现的这些因素是什么?
人们喜欢控制感。可以想象一下如果自己处于一个完全黑暗的环境内。很快你体内的“紧急开关”就将被启动,驱使你去了解周遭情况和了解你可以控制什么。
从进化的角度来理解,让周围环境处于我们掌控中,我们才更可能生存下来。潜意识会基于感知到的可控层级帮助我们堤防各种危险(打还是逃)。
数据类信息界面就给了我们这种控制感。不论是了解花销动态的个人财政数据界面还是帮助企业追踪营销预算的营销数据界面,都是提高你对情况的感知,给你基因内渴求的控制感。
数据可视化""="" width="" 600""="" height="" 435""="">
This Marketo dashboard帮助市场团队对预算保持同步,确保花销可控。
大多数的数据界面使用如下三种策略来建立控制感:
数据可视化""="" width="" 600""="" height="" 215""="">
Calvin and Hobbes by Bill Watterson
在Jakob Nielsen的“Short-Term Memory and Web Usability”一文中,指出人类在短期记忆中不能记住太多信息,特别是多个抽象的感念或者不寻常的数据。他引用的他人研究建议短期记忆的数量不应该超过七个,这些信息存在我们的大脑里面也只有20秒钟。
数据界面就是为了克服短期记忆的难题。通过在一个屏幕用户的眼睛跨度内呈现所有相关数据,减少对短期记忆的依赖。不需记忆任何东西,因为它们都在你眼前。
然而,在大多情况下,数据会多到在一屏之内显示不完。因此数据界面围绕短期记忆的限制做了如下三件事:
为了更好的理解这一点,对比如下两种展示数据的方式:一个表格和一张折线图。
数据可视化""="" width="" 600""="" height="" 141""="">
数据可视化""="" width="" 600""="" height="" 482""="">
记忆折线图中的上下趋势比表格中的准确数字要简单得多
在概览屏中提供了关键数据的快照,减少短期记忆的负担。但用户也可以深入了解如果他们需要特定数据的详细信息。
数据可视化""="" width="" 600""="" height="" 789""="">
The RescueTime的概览提供了关键指标的鸟瞰图,并且可以进一步了解细节。
将信息分解成可消化的小块,可以降低用户的认知负担。将相关的信息放到同一个tab下面,方便用户来分析他们。
数据可视化""="" width="" 600""="" height="" 445""="">
Mint将数据分解成吐下tab:概览,交易,预算,目标,趋势,投资和如何更省。
保持简单!这一原则在商业和现实生活中同样适用。
比如有个库存管理系统。如果使用纸笔,将花费好几个小时来维持同步入库和出库订单的记录(更别提这么做需要的腿脚),有了数字化的数据界面,这些时间可以被大幅衰减。
数据可视化""="" width="" 600""="" height="" 646""="">
Stitch Labs就是这样一个库存管理系统,可以让商家同时监控多个销售渠道的库存。
随着响应式设计的普及,这些数据信息将能够跨设备使用,让用户可以通过台式机、笔记本或其它移动设备访问该数据。
数据可视化""="" width="" 600""="" height="" 198""="">
The FitBit dashboard可以在多个设备上使用。
任何将数据类信息作为关键服务的产品,都需要将以上用户的心理需求牢记在心。用户喜欢控制感,她们的短期记忆很有限,他们喜欢简单的东西。这三个因素应该成为所有数据信息界面设计的基础。了解你们的用户需求,将它们加入你的设计实践中,这样你就能建立完美的数据信息界面。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23 很多数据分析师精通Excel、SQL、Python等工具,但当被问到“面对一个具体的业务问题,该用什么分析方法”“描述性分析和诊断 ...
2026-07-23【核心关键词】埋点、产品、互联网、数据库、决策、数据分析、产品经理、商业模式、移动互联网、指标体系、运营模块、大数据平 ...
2026-07-22在高并发、大数据量的业务系统中,单表数据量达到千万级甚至亿级后,会出现查询性能骤降、索引维护成本飙升、存储扩容困难等问题 ...
2026-07-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-07-22在金融风控、企业运营、行业研究等数据分析场景中,大量数据以面板数据形态存在:例如多家分支机构连续多个季度的风险指标、多位 ...
2026-07-21 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-07-21