数据可视化的常见陷阱
“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 。
- 智库论坛 | 社区电商推动供应链数字化转型的对策建议
- 人类与AI如何共处?诺奖科学家、将棋天才、“低欲望社会”提出者的不同解答
- 线上新书发布!云上带你了解有关“冬奥”的那些事儿
- 我的世界大闹天宫龙宫怎么玩(我的世界大闹天宫龙宫打法技巧一览)
- 复苏的魔女竞技场用什么队伍(复苏的魔女竞技场队伍搭配心得分享)
- 复苏的魔女魔导装备boss怎么打(复苏的魔女魔导妨害装备获取攻略大全)
- 今年的iphonese,还是你熟悉的模样
- 长安福特蒙迪欧在中国市场的“全球化”
- canalys公布2021年全球个人电脑市场数据
- safari浏览器中的indexeddb漏洞