2017年阿里云栖大会的时候,有一个巨大的 DashBoard 数据液晶大屏,用来展示安全生态领域的可视化数据,当时给观众的印象就是「哇,好酷!」,然后,就没有然后了…虽然当时设计得很酷,数据也很美,但是呈现的信息是完全无感的,没法快速解读数据,甚至看不懂某些图表是在表达什么信息。
总结一下看不懂的原因:
1. 一个看不懂数据图表的设计师来做数据可视化设计,未免说不过去。
2. 产品 UI 一直强调回归到用户诉求层去指导设计,数据可视化也应该回归到数据源头,才能提升我们的可视化设计能力。
3. 团队提倡用数据思维来指导设计,而研究数据图表和知识显然是基本功。
4. 可视化设计与自己工作强关联,正好能学以致用。
为了紧跟时代的发展不被淘汰一下对数据化可视化进行简单的讲述,希望对设计师们有所帮助。
如今随着科学技术的发展,已经沉淀出丰富且经典耐用的信息可视化表达。无论在传统的纸质媒体,还是如今手机、电脑,电视等各类终端的电子媒体都得以大放异彩。目前,各大可视化工具中有非常详尽的图表类型介绍,比如 Excel2010 的版本里面,提供了 10 类共 53 个图表。AntV 平台则提供了 15 类近 200 个数据图表,现在我们就来普及一下基本知识。
常用可视化图表分类
目前主流的可视化平台把常用图表分成九大类(来自 AntV ),分别是:比较、分布、关联、占比、区间、流程、趋势、时间、地图。
比较
显示值与值之间的不同和相似之处。使用图形的长度、宽度、位置、面积、角度和颜色来比较数值的大小,通常用于展示不同分类间的数值对比,不同时间点的数据对比。
分布
显示频率,数据分散在一个区间或分组。使用图形的位置、大小、颜色的渐变程度来表现数据的分布,通常用于展示连续数据上数值的分布情况。
占比
显示同一维度上占比关系
关联
显示数据之间相互关系。 使用图形的嵌套和位置表示数据之间的关系,通常用于表示数据之间的前后顺序、父子关系以及相关性。
区间
显示同一维度上值的上限和下限之间的差异。 使用图形的大小和位置表示数值的上限和下限,通常用于表示数据在某一个分类(时间点)上的最大值和最小值。
流程
显示流程流转和流程流量。一般流程都会呈现出多个环节,每个环节之间会有相应的流量关系,这类图形可以很好的表示这些关系。
趋势
分析数据的变化趋势。使用图形的位置表现出数据在连续区域上的分布,通常展示数据在连续区域上的大小变化的规律。
时间显示以时间为特定维度的数据。使用图形的位置表现出数据在时间上的分布,通常用于表现数据在时间维度上的趋势和变化。
地图
显示地理区域上的数据。使用地图作为背景,通过图形的位置来表现数据的地理位置,通常来展示数据在不同地理区域上的分布情况。
常用可视化图表举例分析
1) 柱状图
展示多个分类的数据变化和同类别各变量之间的比较情况。使用垂直或水平的柱子显示类别之间的数值比较。其中一个轴表示需要对比的分类维度,另一个轴代表相应的数值。
优点:对比分类数据。
缺点:分类过多则无法展示数据特点。
2) 条形图(也可归到柱状图大类中)
类似柱状图,只不过两根轴对调了一下。
优点:类别名称过长,将有大量空白位置标示每个类别的名称。
缺点:分类过多则无法展示数据特点 。
3) 折线图
堆积面积图
展示数据随时间或有序类别的波动情况的趋势变化。
优点:有序的类别,比如时间。
缺点:无序的类别无法展示数据特点。
4) 散点图(以及气泡图)
用于发现各变量之间的关系。
优点:存在大量数据点,结果更精准,比如回归分析。
缺点:数据量小的时候会比较混乱。
5) 饼图
饼图可以很好地帮助用户快速了解数据的占比分配。
优点:了解数据的分布情况。
缺点:分类过多,则扇形越小,无法展现图表。
6) 词云
7) 箱型图
以上只是部分常用图表样式,更多详细的图标样式及其介绍,可前往阿里数据可视化平台
这其实为我们提供了一种快速选择数据图表类型的思考流程,四步走:
1.分析数据源
2.确定展示的类型
3.选择的变量类型及数量
4.选择对应的数据图表
介绍这些基本知识是远远不够的,网络上有非常多的平台、工具和团队可以供我们深入学习和研究数据可视化设计,以下列举了我平时经常光顾的学习资源。
除了学习巩固数据相关的基础知识以外,更需要在日常工作学习中培养习惯,养成数据化的思维方式。
· 1.保持对数据的敏感度
· 2.尝试利用可视化工具创建图表,锻炼分析整理的能力
· 3.密切关注自家产品线的用户行为数据,解读各类数据指标,培养分析的习惯
· 4.关注前沿技术和可视化新形式,保持开放包容的心态
好了,文章就介绍到这里,我们共同努力。