起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識你一定要掌握的數據可視化基本設計原則（下）
導語：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！
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；第二原則——達。
今天，我們先闡述最后1個數據可視化的基本原則——雅。
二、數據可視化第三基本原則——雅
數據可視化第三基本原則——雅，即設計能夠讓人賞心悅目的可視化。
如果說，“信”和“達”的就算是初學者也能夠通過約束和個人努力實現，那么“雅”的實現就需要經過長期的沉淀和美學熏陶！
這里，筆者就帶大家來鑒賞一些能稱得上“雅”的數據可視化作品：
1. 色彩和密度的有序交織
看看下面這張圖，是不是高級感滿滿？
這是費爾蘭達 · 維埃加斯和 馬丁 · 瓦滕伯格的作品“風圖” （Wind Map）中，他們將可視化用作工具和表達方式，繪制了全美各地風的流動模式。
我們不難看出，這張美國風速的可視化圖表只通過兩個要素（色彩、線條）就將信息全部勾勒出來了。
就色彩而言，我們知道打造圖表高端感、質感通常需要選擇：黑色、灰色+漸變/光照等素色搭配，就本例而言美國的國土用純黑色進行勾勒，而白色線條則集中展示風速、風向等信息，沒有過多的顏色點綴給人一種大雜燴的冗余感。
就密度而言，地圖上白色線條越集中的地方，也就意味著風速越大。而風向也能夠通過線條走勢進行直觀的展示。
在以上信息得以集中展示的基礎上，費爾蘭達 · 維埃加斯和 馬丁 · 瓦滕伯格開始對可視化圖表的交互功效做要求，他們從美國國家數字預測數據庫（National Forecast Database）進行天氣數據的收集，然后在可視化圖表的基礎上，接入實時數據，每小時更新一次；而民眾可以直接通過網站上的交互圖表對位置風速進行查看，只需把鼠標懸停在某處，交互圖表就能顯示該地風速和方向。
從上例中，我們不難看出作者對色彩、密度等細節構圖要素的極致利用，全圖一目了然，并沒有冗余的坐標、文字提示；而這也與我們前一期文章中提到的數據可視化第二基本原則——達，相呼應（一個好的可視化作品就應該事先數據墨水占比最大化，去掉所有不必要的部分）。
2. 動效與交互，讓你的圖動起來
如下所示，是從 1874 年出版的美國統計圖鑒中選取的死亡人數的金字塔圖，表中用長度顯示各州不同年齡段和性別的死亡人數分布情況；每張圖的水平軸用線性標尺表示死亡人數，垂直軸則用數字分類表示年齡段。
雖然，我們能夠通過每一年的金字塔圖得出該年的死亡人數、死亡年齡趨勢變化等，但想要得到20余年來美國死亡人數的總體變化還是十分困難的（這需要橫向對比每一年金字塔圖的趨勢，20年對比下來，這視覺疲勞不是一點點啊…）。
此時，讓你的金字塔圖動起來，就十分必要了?？赐晟厦孢@張圖再看下面這個案例是不是清晰很多了呢？
下圖來自Pew 的“未來美國”項目，它對美國的人口統計數據進行了全面的審視，并將其編制成一個龐大而美觀的交互性數據可視化項目，由一些采用了直截了當的可視化的“章節”組成。
同樣都是金字塔圖，有動效和沒動效差別是不是一目了然呢？很明顯的一點就是——通過動效能夠巧妙地展示隨年限改變人口趨勢的變化，有效降低了受眾的視覺疲勞，這也是“雅”的內涵之一，讓受眾在最短的時間內獲取最多的潛在信息。
這兩本書可以參考一下：
The Visual Display of Quantitative Information [by Edward Tufte]；簡潔卻經典的一本書，我們之前在對“信“原則闡述中涉及到的數據墨水概念就是由該書作者Edward Tufte提出的，從此以后對可視化作品清晰度和數據運用的衡量就有了一個較為清晰可靠的量化標準。
Information Visualization ,Third Edition : Perception for Design [by Colin Ware]；書比較老，但是里面的經典內容還是很有借鑒價值，例如心理感知、人的視覺和大腦底層運作方式都對當今數據可視化作品設計有很大的幫助。
四、結語
本期筆者為大家帶來了數據可視化設計的最后1個基礎原則——雅，相信大家有所掌握，另外2個基礎原則，我在上期2期文章中已為大家講解過了。
往期文章：
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。
信達雅，很有意思。仔細一想，確實與翻譯有諸多相似之處，可視化其實就是將數據翻譯成圖形，體現數據的核心價值。