用图表说话
Posted 大数据v
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了用图表说话相关的知识，希望对你有一定的参考价值。
导读：职场人士必备的高效表达工具，麦肯锡商务沟通完全工具箱。
作者 / 来源：林骥（ID：linjiwx）
我看了 2 本关于《用图表说话》的书，1 本书是《用图表说话：职场人士必备的高效表达工具》：
另 1 本书是《用图表说话：麦肯锡商务沟通完全工具箱》：
下面我结合这两本书的内容，分享一些我的读书笔记和个人思考，全文大约 3000 字，推荐你慢慢地认真阅读，因为这样才会更有收获。
01 前言
在豆瓣上面，一本书的评分通常既有好评，也有差评，有人认为很有启发，也有人认为是浪费时间，不同的读者，会有不同的感受，我觉得这很正常。
我更在意的是如何从书中吸收对自己有用的知识——有情、有趣、有用、有品。所以，我会用更加积极的态度去读书，让自己更有动力和能力去发挥自己的潜能，用知识为自己赋能。
我认为，只要是能够促进自己思考和行动的书就是好书，不用太在意别人怎么评价，也不用太在意书中的缺点。如果看到有启发的地方，就慢慢细看；如果觉得暂时对自己没什么用，就快速跳过。
在用图表说话之前，首先要明确自己的目标——想要表达什么？要对谁表达？在什么背景下表达？
目标一定要聚焦，专注在最重要的事情上面，这需要勇气，舍得放弃一些东西，而不要想着面面俱到。
对我来说，用图表说话的目标，不是为了让图表做得更加绚丽，而是为了让信息传递变得更加有效。
不要制造事倍功半的视觉垃圾，而要把数据、信息、知识和智慧变成简单易懂、令人信服的图表。
俗话说：一图胜千言。图表的重要性是不言而喻的，然而，有很多人做的图表，却需要用千言来解释，这就本末倒置了。
我们要将理念与技巧相结合，从选择图表，到使用图表，再到玩转图表，让制作图表的过程变得更加有情、有趣、有用、有品。
02 选择图表
选择图表通常包括 3 个基本的步骤：
第 1 步：决定你的信息
运用数据分析的目标思维，从数据，到信息，最重要的是明确想要表达的具体信息，尽量简洁且切中关键点。
比如，下面图表的焦点信息是「休闲」，而且其中重点关注的是「主动休闲」：
第 2 步：确定相对关系
运用数据分析的细分思维，从信息，到相对关系，把信息分成不同的类别，包括：成分、项目、时间序列、频率分布、相关性、比较、组合等。
比如，下图展现了业务部门与技能之间的相对关系，可以直观地看出，沟通技能是至关重要的：
当我充分认识到沟通技能的重要性之后，就开始刻意练习沟通能力，学习沟通的方法，参加给管理者的沟通训练营，并且应用到实际工作和生活中，形成学习、思考和实践的闭环，并建立相应的知识体系。
第 3 步：选择图表形式
运用数据分析的对比思维，从相对关系，到基本图表形式，分别对应不同的图表，比如：饼图、条形图、柱形图、折线图、散点图、区域图、瀑布图、树形图等。
下面是一份图表类型选择指南，可以作为用图表说话的一个好起点：
（上图中每一种图表的详细解读请见：吐血整理：24种可视化图表优缺点对比，一图看懂！）
用图表说话的主要作用包括：进行比较、展示分布、显示比例、映射某物、显示概念等。
如果图表能清楚地传达你想让看图者接受的观点，那就使用它，包括使用备受诟病的饼图，不过在一般情况下，饼图中的成分最好不要超过 6 种。
但是，请克服你强烈的创造欲望，抑制你使用新颖图表的冲动，除非你有很好的理由。
一定要避免滥用或乱用图表，千万不要忘了使用图表的目的：更加清晰地传递有效的信息，帮助我们更好地进行高效的交流。
03 使用图表
使用图表的一条黄金定律是：
图表越简单越好。
比如，下面一个简单的斜率图，直观地展现了 Python 使用占比变大：
图表是视觉性的辅助材料，而不是文字及语言的替代品。
同时也要注意，不要过于追求简单，导致缺少一些基本的要素，否则可能会让图表显得更不清晰。比如，上面斜率图的年份数据就是必不可少的。
不要被僵化的规则束缚住，忘记那些有破坏性而不是建设性的批评，大多数规则其实只是惯例。
一个图表的创建，需要能准确地传达信息，不要误导读者得出不合适的结论，并确保对于目标受众是简单易懂的。
04 控制颜色
一个好的图表，不在于它多么漂亮，而在于它是否有效地传递信息，这需要我们适当做出取舍。
无论学习什么技能，只要我们勇敢迈出第一步，就可以通过自己的练习，让自己的技艺不断精进。
请把练习的过程当成一种游戏，但一定要经过自己的思考，这样才能进入正确的思维模式，体验到游戏真正的乐趣。
如果你只能专注于改进图表中的一件事，那就选择改进颜色。
不要让图表显得乱七八糟，请遵循以下 6 个原则：
①少使用颜色
大多数图表一开始就颜色过多，要尽量减少颜色的数量，坚持用最少的颜色来表达想法。
②多使用灰色
把灰色当成好朋友，因为灰色对比度较小，不会像其他颜色那样吸引眼球。
③互补或对比
相似变量用相似或互补的颜色，对立变量用对比的颜色。
④以变量为主
文本、标签等最好使用黑色或灰色，除非对线条间的关联很有帮助，但着色要审慎，因为给文本着色，作为装饰，会分散看图者的注意力。
⑤配色更重要
要了解背景信息，理解变量的关系，考虑怎么配色，以及改变颜色的饱和度，这比使用哪种颜色更重要。
⑥要考虑色盲
你要知道，世界上有多达 10% 的男性是红绿色盲，所以要选择对色盲者来说也保险的配色方案。
比如，下图展现了 12 种常用的机器学习方法：
这种花花绿绿的图表，看起来很好看，但其实会让人难以抓住重点，各种颜色争奇斗艳，都在争夺看图者的注意力，让人产生一种无所适从的感觉。
下面对机器学习方法进行适当分组，其中最大的分组用主色调，这样就可以将注意力吸引到图中占比较大的区域，也就是最常用的机器学习方法上：
在机器学习中，分类和预测是两种最常用的方法，也是我个人比较喜欢使用的数据分析方法。
比如，在「数据赋能系统」中，我把事件默认分成 6 个大类，通过记录并统计每个类别所花费的时间，就能大致预测未来的时间分配，再通过与目标进行对比分析，就能更加有效掌控自己的时间。
05 追求清晰
一个清晰的图表，应该让人容易看懂，产生洞见，而无须额外说明。
不要为了追求「好看」，而去制作「养眼花瓶」，这样不仅浪费自己的时间，而且也浪费看图者的时间。
制作清晰图表的 6 条指导原则：
①消除无关的东西
比如，可以删除无关的轴标签和分散注意力的网格线。
②删除冗余的元素
比如，当有了代表人民币的坐标轴时，就不必在每个标签上重复使用 ¥。
③限制眼睛的移动
比如，在折线图中，把标签放在所代表的线的末尾。
④了解思考的习惯
比如，尊重并且利用传统，未来就总在现在的右边。
⑤描述明确的观点
比如，图表的标题是「亏损正在增加」，而不是「利润变化趋势线」。
⑥对齐所有的东西
比如，使用纵轴作为左对齐，对齐说明文字和其他标签。
06 最后的话
让他人从数据中理解自己的想法是件好事，但是想要用图表说服他人并不容易，需要掌握一种平衡的艺术，你可以积极转移他人的目光和思想，但又不能通过刻意操纵图表来做到这一点。
让图表具有说服力的指导原则是：用正确的格式，将正确的想法，传达给正确的人。
你可以只强调和突出少数几个地方，删除或淡化无关紧要的信息，让人集中注意力，也可以用图表讲故事的方法——开始、冲突、解决。
请克制自己的冲动，致力于让概念变得清晰，避免分散看图者的注意力，不要为了让图表绚丽多彩而配色，不要给原本不必用三维展示的物体配上三维图，也不要使用不必要的剪贴画或箭头。
记住：如果你想要真正掌握用图表说话的方法和技巧，必须经过反复的刻意练习，练习、练习、再练习。
延伸阅读👇
《用图表说话：职场人士必备的高效表达工具》
干货直达👇
更多精彩👇
在公众号对话框输入以下关键词
查看更多优质内容！
读书 | 书单 | 干货 | 讲明白 | 神操作 | 手把手
大数据 | 云计算 | 数据库 | Python | 爬虫 | 可视化
AI | 人工智能 | 机器学习 | 深度学习 | NLP
5G | 中台 | 用户画像 | 数学 | 算法 | 数字孪生
据统计，99%的大咖都关注了这个公众号
👇
以上是关于用图表说话的主要内容，如果未能解决你的问题，请参考以下文章
R语言使用colorblinr包模拟色盲视觉将已有的ggplot2可视化结果图像使用edit_colors函数编辑转化为色盲视觉友好的可视化结果并自定设置色盲形式色盲严重级别