数据可视化之Storytelling with Data

Posted 2021-04-28 iesi

项目对象、内容和方式的的重要性

我们必须识别出具体的受众，明确他们需要了解什么或者作什么，并决定用什么数据阐释我们的情况。

1. 有哪些至关重要的背景信息？

2. 受众和决策者都是谁？对他们有什么了解？

3. 受众可能对话题存在什么样的正面或者负面偏见？

4. 有什么样的数据可以支撑这个案例？这些数据是受众所熟悉的还是新的？

5. 有什么风险？什么因素会弱化案例？我们是否要主动提出来？

6. 成功的产出是什么？

7. 如果时间有限或者只能用一句话告诉受众需要做什么，你会说什么？

选择有效的图表

1. 简单文本：当只有一两项数据需要分享时，直接用数据本身

2. 表格：用灰色让边框融入背景，或者干脆去掉边框

3. 热力图：用颜色饱和度提供视觉上的暗示

4. 散点图：展示两件事的关系时很有用

5. 折线图：画图时务必保证时间间隔的一致性

6. 斜率图：适用于两个时间段或者两组对比数据点

7. 条形图：受众的学习成本更低，易于阅读

8. 瀑布图：可用于抽离出堆叠条形图中的一部分进行重点关注，或者展示起点和结果以及其中的上升下降关系

9. 水平条形图：非常容易阅读

10. 堆叠水平条形图：可以展示不同类别间整体或者子成分的比较，也同样可以按绝对值或百分比进行组织

11. 面积图：需要可视化相差极大的数值时

视觉认知的格式塔原则

1. 领近原则：我们倾向认为物理上临近的物体属于同一个群体

2. 相似原则：拥有相似颜色、形状、大小或者方向的物体会被视作相关或从属于一个群体

3. 包围原则：我们会认为物理上包围在一起的物体从属于同一群体

4. 闭合原则：人们希望事情能够简化并符合脑海中已经存在的结构

5. 连续原则：当我们观察物体时，尽管没有显式的路径，但我们的眼睛倾向于寻找最平稳的路径并自然的创造出连续性

6. 连接原则：我们倾向于将物理连接的物体视作一个群体

循序渐进地除去杂乱

1. 去除图形边框

2. 去除网格线

3. 去除数据标记

4. 清理坐标轴标签

5. 直接标记数据

6. 保持颜色一致

构建故事

1. 设定：故事发生在何地？

2. 主角：谁在驱动情节的发展？

3. 失衡：为什么冲突是必要的？发生了哪些变化？

4. 平衡：你希望看到发生什么？

5. 解决：你会如何带来变化？

6. 覆盖相关背景，进而推动情况和问题进一步发展

7. 结合外部上下文和对比点

8. 举例说明问题

9. 包括能够说明的数据

10. 阐述如果不采取行动或者不发生变化会怎样

11. 讨论解决的潜在选择

12. 说明建议方案的优势

13. 向受众明确为什么他们会处在这一决策的位置

14. 以呼吁行动结束