互聯網與不斷出現的便捷工具,讓所有人都可以無須具備數據或相關專長,就可以簡單、低成本地將數據做成直觀的可視化圖、表。
這當然是積極的變化,但也助長了一種本能傾向,即讓數據可視化成為了一種匯報時的必備“流程”,開始無目的地進行可視化,結果做出的圖表差強人意,比如機械地把電子表格單元轉換為圖表,只能提供支離破碎的信息,或者無效卻擾亂視聽影響決策的信息,進而無法傳達出完整的理念。
正如演講和溝通專家南希·杜瓦特(Nancy Duarte)所說:“不要讓聽眾感覺你在展示一張圖表,而要回顧人的行為,描述曲線變化背后的事件。不是“來看我們的三季度財報”,而是“來看我們為什么沒完成目標”。”今天我們就來說說如何在呈現可視化數據的時候匹配正確的圖表。
一、數據分析目的有兩種:陳述與探索
人類大腦對視覺信息的處理優于對文本的處理,因此,用眼睛看的數據是更清晰有效地傳達與溝通信息的一種方式,核心是有效地傳遞信息。那么使用圖表、圖形和設計元素把數據進行可視化,可以幫你更容易的解釋數據模式、趨勢、統計規律和數據相關性,而這些“信息背后的信息”在其他呈現方式下可能難以被發現。
依據需要傳達的性質和目的,我們將數據可視化劃分為陳述型和探索型。前者一般是在正式場合向他人傳達信息,比如你想利用手中的大量數據,報告每季度銷售情況;后者是當我們想知道為什么最近銷售表現不佳,于是,探索是因為季節性波動或者是促銷力度不夠?(本圖表使用Data Analytics數據可視化軟件制作,原數據已做脫敏處理,下同)
實際上,以探索為目標的可視化又可分為兩種,第一種是上文例子中提到的利用數據,用圖表來證實或否定你的假設;第二種是如果對銷售業績下滑的原因毫無頭緒,提不出任何假設呢?就要仔細分析數據,尋找其中的規律、趨勢和異常。
例如,對比銷售業績和銷售員負責區域面積,有何不同?不同地區的季節性波動有何異同?天氣對銷售造成哪些影響?這種開放性探索能帶來新發現。開放性數據可視化探索,將有助于解答宏觀的戰略問題,如收入為何下降、效率如何提升、客戶與公司應如何互動等。
二、探索型數據可視化
探索型數據可視化分為兩類:一是假設檢驗,一是從數據中尋找規律、趨勢和異常。前者的目標很明確,后者則相對發散。數據體量越大、復雜度越高、未知因素越多,探索工作的開放性就越高。
1.假設檢驗
在這類數據可視化探索中,你要回答下面兩個問題中的一個:我設想的情況是否屬實?如何用不同方式傳達這一信息?
在進行求證時,數據范圍相對可控,所使用圖表類型較為常規;當然,若想以新穎方式呈現信息,也可嘗試較少見的圖表。求證型圖表一般不用于正式場合;你要先自己找到正式展示所需的圖表。因此,你的時間不應花在設計上,而應快速嘗試不同模板,找到最好的數據視覺化方案。
2.開放性探索
更多時候,針對數據的開放性探索是數據科學家和商業智能分析師的領地,不過新出現的工具例如 DataHunter 旗下的 Data Analytics 軟件讓所有人都可以參與進來。由于缺少明確目標,開放探索型圖表包含的數據范圍較廣,個別情況下可能會容納多組數據,或建立自動更新數據的動態系統,也可用于統計建模。開放性探索很值得嘗試,因為它經常帶來獨一無二的洞見。
三、陳述型數據可視化
我們日常工作中接觸最多的是陳述型數據可視化,主要涉及常用圖表,一般可在展示中直接使用。這些簡單圖表包括線狀圖、柱狀圖、餅狀圖和散點圖等。這里的可視化需要做到“簡潔”。一幅圖表應該用有限幾個變量,清晰傳達一個信息。比如目標很明確,為聽眾確認并介紹背景信息。