数据可视化的常见陷阱 “一千个读者心中有一千个哈

“一千个读者心中有一千个哈姆雷特” ，数据可视化亦是如此。在日常的工作中，我们经常会遇到这样的情况：即使是完全相同的原始数据，不同的表达方式会让读者有完全不同的理解。本文将介绍数据可视化过程中常见的几个陷阱和处理办法，帮助大家更加准确、高效地展示数据，洞察数据背后的意义。
一、什么是数据可视化
数据可视化，是将抽象的数据、指标、概念进行具象图形可视的过程。其在几个世纪前就是人们理解数据之间相互关联的首选方法。举个例子，最早的条形图开发在1786年，由威廉·普莱费尔发布的《The Commercial and Political Atlas》，这是有史以来第一个线性图和条形图。

文章图片

文章图片
（史上第一张条形图）
威廉·普莱费尔想比较苏格兰一年内（1780-1781）的进口总额和出口总额，并按照进出口的来源和目的地进行细分。为了绘制进出口总额，区分进出口的来源和目的地，他尝试了许多方法，最后发现条形图和标尺的组合可以达到他想要的效果。这就是世界上第一个有记录的条形图的来源，它最后的呈现结果如上所示。
数据在可视化之前，纵使作者阐述时巧舌如簧，效果也会大打折扣。原因很简单，字不如表，表不如图。数据本身是有沟通障碍的，尤其是当读者或者上级对数据不敏感时，此时的可视化就相当于是一种“翻译” ，将数据以及数据背后的逻辑，准确又高效地传递给对方。
二、数据可视化的常见陷阱
在日常的工作中，我们经常会遇到这样的情况：即使是完全相同的原始数据，不同的表达方式会让读者有完全不同的理解。下面我们将会针对几个常见可视化案例，来探讨数据可视化过程中的陷阱和处理办法。（以下数据已脱敏）
案例1：百变的坐标抽
背景说明：
11月下旬网易某产品更新了版本，对产品样式进行了较大调整。图1-1是某个模块的曝光情况。通过以下折线图数据， A同学得出结论：新版对该模块的曝光没有明显影响。

文章图片

文章图片
事实上：
图1-1是一个折线图：横轴展示了最近2个多月的样本点；纵轴同时展示了4个指标，但每个轴的高度很有限。
如果我们改变横轴的时间周期、调整纵轴的轴范围，我们会发现一个更加符合实际的情况结论（如图1-2）：新版发布后，该模块的曝光人数下降了10%以上，无论是周末的高峰还是周中的平峰；且随着新版本的逐步覆盖，下降仍在继续。
一个简单的折线图，我们通过调整横轴和纵轴的轴范围，最终得到了问题的答案。

文章图片

文章图片
案例2：图表样式的选择
背景说明：
图2-1是某公司A-E这5款产品的月销量数据。但领导看到这个图以后仍然提出了几个问题：每个商品的销售趋势如何？谁更有发展潜力？每个月的销量排名是怎样的？哪些产品高于平均水平？

文章图片

文章图片
事实上：
很显然，图2-1展示的条形图样式，没有快速解答领导的疑惑。
如果我们改变图表样式，调整横轴和颜色的维度，我们会发现领导提出的几个关键问题都在图上得到了答案（如图2-2）：商品销量逐月上涨，其中商品B的增幅最快；每个月的销量排名在图中一目了然，其中AB商品的销量大部分情况下都高于平均水平。