數據可視化已迅速成為在網絡上傳播信息的標準。它用于各種行業，從商業智能到新聞，幫助我們理解和傳達見解。

我們的大腦善于處理可視化信息，這使我們更容易理解圖表或圖形中可視化的數據，而不是表格和電子表格中列出的數據。一個偉大的數據可視化應該利用人類視覺系統的優勢來呈現數據，以便數據被吸收和理解。它應該考慮用戶對視覺處理的了解，提高并簡化用戶的數據體驗。

目前有很多工具和框架可用于構建這些圖形，是時候回歸基礎了。是什么讓數據可視化有效？在設計數據時我們應該遵循哪些指導原則？

以下最佳實踐將幫助您設計豐富、有洞察力的數據體驗。

01 為特定受眾設計

可視化是用于揭示模式的，提供上下文并描述數據中的關系。雖然設計師對給定的一組數據集中的模式和關系沒有任何影響，但她可以根據用戶的需求選擇顯示哪些數據以及提供怎樣的語境。畢竟，就像其他產品一樣，如果用戶無法使用它，那么可視化就毫無意義。

為小白用戶設計的可視化應該是結構化的、明確的和有吸引力的。他們應該用文字直接說明受眾應該從數據中得到什么。

轉換雙親的工作時間：媽媽VS爸爸 （來源：https://flowingdata.com/2016/04/20/parent-work-hours/）

另一方面，面向專家用戶的可視化可以顯示更精細的數據視圖，以驅動用戶探索和發現。細節和數據密度應該簡單明了。

工作來來往往：國民失業（來源：http://graphics.wsj.com/job-market-tracker/）

02 使用（但不要依賴）交互促進探索

這是一個發人深省的數字：《紐約時報》網站上只有10-15％參與可視化交互的訪客實際點擊了按鈕?！都~約時報》的圖形團隊制作了一些業內最好的作品，但幾乎沒有人與他們互動！

這表明，關于交互可視化設計，我們不能依賴交互來建立理解。關鍵數據不能隱藏在交互元素后面，而應該在沒有交互的情況下可見。

然而，什么樣的交互比較好呢？允許整合更多數據（否則可能被排除），以允許感興趣的讀者更深入地研究數據集。Nathan Yau 的流動數據已經壟斷了這種交互式可視化風格市場，正如他關于死亡原因和預期壽命的圖表中所展示的那樣。

2005年至2014年的死亡率數據：死因如何因性別和種族而異（來源：https://flowingdata.com/2016/01/05/causes-of-death/）

或者，交互可以用作吸引點，一個引發關注的點，可以讓你的讀者在遠遠地瀏覽之前，親自參與該項目?？纯?Quartz 這款有趣的書寫和文化作品。這件作品首先要求讀者簡單地繪制一個圓圈——在繼續文化形態的分析概述之前——畫出簡單而有效的可視化的特征。

畫圓圈的方式說了很多關于你的故事（來源：https://qz.com/994486/the-way-you-draw-circles-says-a-lot-about-you/）

同樣， The Pudding 最近發布了一個交互式可視化軟件，向讀者講述有關生日悖論的知識（生日悖論，指如果一個房間里有23個或23個以上的人，那么至少有兩個人的生日相同的 概率要大于50%。）。

雖然大多數非統計學家可能會發現生日悖論，這是概率論中的一個標準問題，非?？菰锴也恢庇^，但這種可視化使得它看起來簡直令人著迷。創作者融入最近的用戶互動的方式使得整個體驗非常具有關聯性。

生日悖論實驗（來源：https://pudding.cool/2018/04/birthday-paradox/）

這兩個交互式示例都起作用，因為它們允許讀者參與數據且不需要通過交互來理解。

03 利用視覺突出性聚焦并引導體驗

視覺突出性，使視覺元素從周圍環境凸顯的特性，是數據可視化的強大工具。它可以用于引導用戶注意可視化中最重要的信息，以幫助防止信息過載。通過使用視覺突出一些細節并壓制其他細節，可以使我們的設計更清晰，更容易理解。

一些視覺變量——顏色和大小——是我們創造和控制視覺顯著性的關鍵。

色彩方案是優秀的數據可視化的關鍵。眾所周知，色彩特別擅長打破偽裝。我們可以使用溫暖，高飽和度的顏色來突出關鍵數據點，并應用冷色調，使用低飽和度的顏色將不太重要的信息放到背景中。

2014：最熱的年份（來源：https://www.bloomberg.com/graphics/2014-hottest-year-on-record/）

尺寸也很明顯。較大的元素比較小的元素更有吸引力，因此要擴大您希望讀者首先閱讀的元素，并縮小不太相關的文本和元素。

04 使用位置和長度表達定量信息并使用顏色表達分類信息

Cleveland 和 McGill 在信息可視化方面的著名工作，研究了視覺編碼的有效性（即數據維度與視覺屬性的映射）。他們根據人們對視覺編碼的準確感知程度，對不同類型的視覺編碼進行了排序，給出了以下（簡化的）列表：

1. 通過共同的規模定位
2. 長度
3. 角度
4. 區域
5. 顏色

這對數據可視化設計的意義在于，我們顯示定量信息的首選應該是按位置進行編碼（如經典散點圖和條形圖所示）。與基于角度（如餅圖）或基于區域（如氣泡圖）的編碼相反，基于位置的編碼有助于觀眾在更短的時間內進行更準確的比較。

然而，這并不是說所有可視化都必須是條形圖或散點圖。在研究可視化數據的新方法時，牢記這些原則是個好主意。

我真正想要強調的是，顏色不應該用于編碼定量信息，而是應該用來編碼分類信息。也就是說，我們可以使用顏色來表示屬于不同類別的數據。

出生時的預期壽命（來源：http://www.vizwiz.com/2017/11/life-expectancy.html）

05 使結構元素像刻度線和軸一樣清晰但不顯眼

無論你是否支持 Edward Tufte 在設計中極簡主義的極端方法，都要幫自己一個忙，從你的圖表中消除視覺上的混亂。通過在數據元素和非數據元素之間創建可視化對比，來讓您的數據大放異彩，就像 Nadieh Bremer 在他的獲獎作品“美國出生時間”中所做的那樣。

嬰兒潮：白天工作時間出生高峰期（來源：https://www.visualcinnamon.com/portfolio/baby-spike）

刪除不起任何作用的結構元素使數據清晰（如背景、線條和邊框），減弱必要的結構元素（如軸、網格和刻度線），否則這些元素會與您的數據爭奪注意力。網格為淺灰色，最寬設為0.5 pt，軸為黑色或灰色，最寬設為1 pt。

06 直接標記數據點

編碼數據的每個元素都需要進行標記，以便讀者理解它所代表的內容。簡單吧？

錯。太多設計師依靠圖例來告訴讀者哪些符號或顏色代表圖表中的哪些數據系列。列舉圖例雖然對設計師來說很容易，但對讀者來說卻很難。它們迫使讀者在圖例和數據之間來回掃描，給讀者的記憶帶來不必要的壓力。

更好的方法是直接在圖表上標記數據系列。這往往更像是一個挑戰，但是，嘿，你是設計師。你的工作就是做這項工作，以便于讀者不必這樣做。在下面的例子中，Nathan Yau 完成了避免使用圖例的工作，創建了一個帶有大量直接標簽的小型交互式多重顯示。

每人每日平均消費量（來源：https://flowingdata.com/2016/05/17/the-changing-american-diet/）

07 使用消息傳遞和視覺層級創建敘事流程

最好的可視化講述著引人入勝的故事。這些故事來自數據中包含的趨勢、相關性或異常值，并且由于數據周圍的元素而加強。這些故事將原始數據轉化為有用的信息。

從表面上看，似乎數據可視化完全與數字相關，但一個偉大的數據故事是無法用語言來講述的。信息傳遞具有清晰的視覺層次，才能一步一步地引導讀者閱讀數據。

例如，可視化的標題，應該明確闡明一個關鍵觀點，使讀者領會。分散在數據中的微小注釋，可以通過異常值或趨勢引起讀者注意，從而為關鍵觀點提供支撐。

來源：https://www.nytimes.com/interactive/2015/03/24/science/earth/arctic-ice-low-winter-maximum.html

我在這里要說的是：幫助讀者，確切地告訴他們在數據中尋找什么！

08 將上下文信息直接疊加到圖表上

正如我剛才提到的，我們可以在可視化中使用注釋來幫助創建數據故事的過程。有時我們可以添加圖形元素來使這些注釋更有意義，以便將這些信息更直接地關聯到我們的數據。

以這張來自 Susie Lu 的圖片為例?！跋募敬笃焙汀皧W斯卡季”的數據重疊賦予了原本看似隨機的高峰和低谷以意義。它們幫助觀眾理解數據的重要性，比單獨使用字幕或注釋更直接。

2015 – 2017.08 票房趨勢：強大的開場和后期的爆發（來源：https://susielu.com/data-viz/box-office）

09 為移動體驗而設計

靜態可視化通常以 JPG 和 PNG 等位圖圖像格式發布，這對移動端用戶來說是一個明顯的挑戰。許多數據可視化的美妙之處在于它們的視覺細節——微小的數據點和微妙的編碼——而這些細節許多在靜態格式的小屏幕上被丟失了。

例如：Accurat 工作室在諾貝爾獎上的精美復雜的作品，在印刷和高分辨率視網膜顯示器上看起來非常棒的全尺寸，卻在移動設備上幾乎難以辨認。

視覺數據（來源：http://giorgialupi.com/lalettura/）

為移動體驗設計，或者使用像 D3.js 或 Highcharts 這樣的 JavaScript 可視化庫構建響應式可視化，或者為印刷、桌面和移動設備多種載體創建相同的靜態可視化設計。

10 平衡復雜性與清晰度以促進理解

我今天談到的所有最佳實踐可以歸結為一件事：在復雜性和清晰度之間找到合適的平衡，以滿足受眾的需求。

制作精美的、探索性的可視化細節總是誘人的，但這不一定是最合適的方法。在設計圖形時要考慮周到 ，讓讀者的知識和目標決定應該包含哪些數據以及包含多少數據，并整理數據以講述您想要講述的故事。

原文作者：MIDORI NEDIGER

原文地址：https://www.webdesignerdepot.com/2018/07/10-data-visualization-best-practices-for-the-web/

編譯作者：桃花果，杭州設計師；編輯整理：TCC實驗室 翻譯特工隊

本文由 @三分設 翻譯發布于人人都是產品經理，未經許可，禁止轉載。

題圖來自Unsplash，基于CC0協議