編輯導語：在我們的日常工作中，數據可視化可以很大程度的幫助我們進行梳理；上一篇文章中作者講到了數據可視化中的“信”，本文作者分享了關于數據可視化基本原則中的“達”，我們一起來看一下。

在剛完結的“這篇文章把數據講透了”系列中，筆者從數據來源、采集、清洗等多個角度對龐大的數據體系進行了闡述；系列文章完結后，不少職場工作的朋友們對數據運用“頂層”的數據可視化相關內容十分感興趣，希望了解職場、行業內如何進行數據可視化實操。

那么接下來，筆者就從零開始，帶你入門數據可視化設計！

因內容頗多，還是采用系列文章的方式，分幾期為大家進行講解。

一、前言

上一篇文章中，我們已經系統闡述了數據可視化的定義、什么是好的數據可視化？以及數據可視化設計的第一原則——信。

今天，我們先闡述第二個數據可視化的基本原則——達。

二、數據可視化第二基本原則——達

數據可視化第二基本原則——達，即可視化設計能夠清晰表達信息。

下面，給大家提供幾個能讓你的數據可視化設計實現“達”的方法論：

1. 方法一：最大化數據墨水占比

首先，我們需要弄清楚，數據墨水、非數據墨水、冗余數據墨水這幾個概念。

數據墨水，即可視化圖形中不可擦除的核心部分；而數據墨水占比即，可視化圖形中用于展示核心數據的“墨水”與整體繪制可視化所使用的全部墨水之間的比例， 其計算公式如下：

非數據墨水，顧名思義，是可視化圖表中的非核心部分，例如圖表刻度、單位、坐標軸的刻畫。

冗余數據墨水，顧名思義，是多出、重復的那部分墨水，例如1個核心數據指標重復出現2次，但因為它是核心數據指標，所以并不是非數據墨水，而是這里的冗余數據墨水。

如下圖所示，我們能看到最下方的數據指標，左邊心電圖的數據墨水占比為1>右邊散點圖的數據占比0.9，而這0.1的數字墨水差距，主要是因為散點圖不可避免的存在坐標軸和單位。

經過上述定義闡述和舉例，大家應該不難發現最大化數據墨水占比的兩個方向是：擦除非數據墨水、擦除冗余數據墨水。

雖然是兩個不同的方向，但這兩種方式都有一個共同點，減少墨水的不必要占用，讓圖表精簡的展示數字關系。

2. 方法二：減少感知、識別過程的耗時，遵循格式塔原則

其實，人對部分圖形要素的肉眼識最快可在200毫秒內完成，這些要素包括但不限于色調、大小、形狀、長短、方向、密度…而在可視化設計中，我們需要充分調動人眼的對這部分設計要素的洞察力。

其中，我們可以參考格式塔原則，來減少感知、識別過程的耗時。

相近（Proximity）：距離相近的各部分趨于組成整體；如下所示，我們可以看到馴鹿圖案是由一條條豎向分布的相近直線構成的，如果線條的間隔過大，我們視覺上天然就把一個整體分割開看待了，就像最右的圓點一樣，根據相近原則，肉眼會下意識分成兩個部分。

相似（Similarity）：在某一方面相似的各部分趨于組成整體；如下所示，看到以下圖形時，我們會下意識的將相似的部分當成一個大分組，拿最右的彩色圓圈舉例，我們會按照顏色將圖中的圓圈分為5個大部分。

?

封閉（Closure）：彼此相屬、構成封閉實體的各部分趨于組成整體；如下所示，是世界自然基金會的 Logo，就是一個典型地用到封閉原則的設計，我們可以看到，熊貓的頭是沒有利用實線進行封閉的，但視覺上我們還是會認為這是一個封閉的整體。

連續（Continuity）：我們傾向于完整地連接一個圖形，而不是觀察殘缺的線條或形狀；如下圖所示，肉眼識別時，我們習慣于將小圓點用線連起來，我們會下意識將圖形看作，兩個相交的圓形，而非兩個殘缺圓和一個兩圓相交的重合 。

?

簡單（Simplicity）：具有對稱、規則、平滑的簡單圖形特征的各部分趨于組成整體；如下所示，左邊的界面就是個對稱頁面，所以我們會覺得左邊的各個卡片是個整體，下方還有一個新的卡片；但是右邊的卡片就不是了，因為整個頁面不是對稱的，用戶可能會疑惑右邊是不是還有卡片。

?

三、結語

本期筆者為大家帶來了數據可視化設計的第二基礎原則——達，相信大家有所掌握，最后1個基礎原則，我將在下期文章中陸續為大家揭秘。

本文由 @小陳同學ing. 原創發布于人人都是產品經理，未經作者許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。