“一千個讀者心中有一千個哈姆雷特”，資料視覺化亦是如此。在日常的工作中，我們經常會遇到這樣的情況：即使是完全相同的原始資料，不同的表達方式會讓讀者有完全不同的理解。本文將介紹資料視覺化過程中常見的幾個陷阱和處理辦法，幫助大家更加準確、高效地展示資料，洞察資料背後的意義。
什麼是資料視覺化
資料視覺化，是將抽象的資料、指標、概念進行具象圖形可視的過程。其在幾個世紀前就是人們理解資料之間相互關聯的首選方法。舉個例子，最早的條形圖開發在1786年，由威廉·普萊費爾釋出的《The Commercial and Political Atlas》，這是有史以來第一個線性圖和條形圖。
（史上第一張條形圖）
威廉·普萊費爾想比較蘇格蘭一年內（1780-1781）的進口總額和出口總額，並按照進出口的來源和目的地進行細分。為了繪製進出口總額，區分進出口的來源和目的地，他嘗試了許多方法，最後發現條形圖和標尺的組合可以達到他想要的效果。這就是世界上第一個有記錄的條形圖的來源，它最後的呈現結果如上所示。
資料在視覺化之前，縱使作者闡述時巧舌如簧，效果也會大打折扣。原因很簡單，字不如表，表不如圖。資料本身是有溝通障礙的，尤其是當讀者或者上級對資料不敏感時，此時的視覺化就相當於是一種“翻譯”，將資料以及資料背後的邏輯，準確又高效地傳遞給對方。
資料視覺化的常見陷阱
在日常的工作中，我們經常會遇到這樣的情況：即使是完全相同的原始資料，不同的表達方式會讓讀者有完全不同的理解。下面我們將會針對幾個常見視覺化案例，來探討資料視覺化過程中的陷阱和處理辦法。（以下資料已脫敏）
案例1：百變的座標抽
背景說明：
11月下旬網易某產品更新了版本，對產品樣式進行了較大調整。圖1-1是某個模組的曝光情況。透過以下折線圖資料，A同學得出結論：新版對該模組的曝光沒有明顯影響。
事實上：
圖1-1是一個折線圖：橫軸展示了最近2個多月的樣本點；縱軸同時展示了4個指標，但每個軸的高度很有限。
如果我們改變橫軸的時間週期、調整縱軸的軸範圍，我們會發現一個更加符合實際的情況結論（如圖1-2）：新版釋出後，該模組的曝光人數下降了10%以上，無論是週末的高峰還是週中的平峰；且隨著新版本的逐步覆蓋，下降仍在繼續。
一個簡單的折線圖，我們透過調整橫軸和縱軸的軸範圍，最終得到了問題的答案。
案例2：圖表樣式的選擇
背景說明：
圖2-1是某公司A-E這5款產品的月銷量資料。但領導看到這個圖以後仍然提出了幾個問題：每個商品的銷售趨勢如何？誰更有發展潛力？每個月的銷量排名是怎樣的？哪些產品高於平均水平？
事實上：
很顯然，圖2-1展示的條形圖樣式，沒有快速解答領導的疑惑。
如果我們改變圖表樣式，調整橫軸和顏色的維度，我們會發現領導提出的幾個關鍵問題都在圖上得到了答案（如圖2-2）：商品銷量逐月上漲，其中商品B的增幅最快；每個月的銷量排名在圖中一目瞭然，其中AB商品的銷量大部分情況下都高於平均水平。
合理的圖表樣式和展示形式，能讓讀者快速理解資料，得到關鍵結論。
案例3：過度視覺化
背景說明：
圖3-1是某公司各城市的利潤資料，每個城市對應一個條形圖的顏色。
事實上：
圖3-1的這種形式可能看起來像一個有趣的視覺效果，但它並沒有創造任何新的資料資訊或使圖形更容易閱讀。
如果我們改變樣式，用顏色來標識各省對應的地區，我們會發現更多的資訊（如圖3-2）：華東和中南地區包攬了利潤前7的省份；但同時，負利潤的7個城市中，華東和中南地區也佔了3個，說明兩大區內部的利潤表現極差較大，可以嘗試做一些內部最佳化。
顏色是增強資料視覺化的一種非常有效的方法，但不恰當或者過多的顏色選擇也會破壞視覺效果、適得其反。顏色的使用必須是基於某一個目的的，而不是用來分散注意力的。
總結
資料視覺化是一個提問與回答的過程。問題通常不僅透露你想要知道的內容，還透露你實際知道的內容，更好的問題意味著更佳的理解。將問題分門別類，找到合適的圖表型別進行匹配，是一個需要長期實踐和探索的過程。
最後，希望大家都可以根據需求正確理解資料、合理表達，讓資料視覺化幫助我們的大腦減負，替我們的資料說話。
作者簡介
豆彬，網易雲音樂資深資料分析師。曾參與過網易雲音樂、LOOK直播等產品的分析工作。
