读用数据说服：如何设计、呈现和捍卫你的数据04简化增效
<p><img alt="读用数据说服：如何设计、呈现和捍卫你的数据04简化增效" loading="lazy" src="https://img2024.cnblogs.com/blog/3076680/202507/3076680-20250711153408205-855508121.png" class="lazyload"></p><h1 id="1简化增效">1. 简化增效</h1>
<p>1.1. 就算数据图设计得很用心，但如果过于复杂，那也无法说服受众</p>
<p>1.2. 让你的数据图像透明的窗户一样，让受众看清底层的数据</p>
<p>1.3. 最大化数据墨水比，建立信息层级</p>
<h1 id="2数据墨水">2. 数据墨水</h1>
<p>2.1. 将数据墨水比最大化</p>
<ul>
<li>
<p>2.1.1. 高效的数据图是清晰的</p>
</li>
<li>
<p>2.1.1.1. 纸页上的每一个符号，屏幕上的每一个像素都发挥了最大的价值</p>
</li>
<li>
<p>2.1.1.2. 要确保图中的每个墨点都传达了与数据相关的信息</p>
</li>
<li>
<p>2.1.2. 必须无情地删除那些无益于清晰度的图形元素，而对于余下的元素也必须遵循价值最大化的原则</p>
</li>
</ul>
<p>2.2. 删除会产生杂音的非数据墨水</p>
<ul>
<li>
<p>2.2.1. 最常见的多余墨水形式是杂音</p>
</li>
<li>
<p>2.2.1.1. 不传达任何意义的视觉元素</p>
</li>
<li>
<p>2.2.1.2. 删除杂音对余下的元素没有影响</p>
</li>
<li>
<p>2.2.2. 另一些多余视觉元素可能有益于清晰—比如加粗单元格—但也带来了认知负荷，得不偿失</p>
</li>
<li>
<p>2.2.3. 你在内心里要从一张白纸开始，图中的每个元素都要对设想中的受众有存在意义</p>
</li>
</ul>
<p>2.3. 对于不熟悉数据的受众来说，删除多余墨水可以减轻认知负荷，但对熟悉特定格式数据的受众可能会适得其反</p>
<p>2.4. 有效沟通在于了解受众</p>
<ul>
<li>
<p>2.4.1. 要花时间琢磨受众平常获取数据的方式</p>
</li>
<li>
<p>2.4.2. 你掌握了面向不熟悉数据的受众的沟通最佳实践，但这些做法可能不适用于个别人，做选择时要考虑到这一点</p>
</li>
</ul>
<p>2.5. 传达信息的数据墨水要最大化</p>
<ul>
<li>
<p>2.5.1. 删掉了所有非数据墨水后，要尽可能放大保留的数据墨水的力量</p>
</li>
<li>
<p>2.5.1.1. 需要用心考虑受众的需求</p>
</li>
<li>
<p>2.5.2. 目的是减轻受众的认知负荷，让受众不要聚焦于数据图本身，而要聚焦于图中呈现的数据</p>
</li>
<li>
<p>2.5.3. 不要使用倾斜文本</p>
</li>
<li>
<p>2.5.3.1. 倾斜文本的阅读难度显著大于横向文本</p>
</li>
<li>
<p>2.5.3.2. 虽然有证据表明，人们比较纵向柱形图中的数据会容易一点儿，但横向文本的优点能够抵消横向柱形图的小缺点</p>
</li>
<li>
<p>2.5.4. 关键要素要加标签，标签要方便识读</p>
</li>
<li>
<p>2.5.4.1. 减轻认知负荷的最快方法，就是让文字更容易看清读懂</p>
</li>
<li>
<p>2.5.4.2. 字体宁大勿小</p>
</li>
<li>
<p>2.5.5. 缩小柱子的间距</p>
</li>
<li>
<p>2.5.5.1. 让受众把注意力集中在数据上</p>
</li>
<li>
<p>2.5.5.2. 有一种不起眼却强大的办法能让你的数据更加有力，那就是加宽柱子</p>
</li>
</ul>
<pre><code>>2.5.5.2.1. 能让受众将注意力集中在数据上，而不是数据之间的间隙上，另外也便于比较
</code></pre>
<ul>
<li>2.5.5.3. 柱宽要大于间距</li>
</ul>
<pre><code>>2.5.5.3.1. 注意宽柱是如何将受众的注意力集中到柱子上，而不是柱子之间的空白区域
</code></pre>
<h1 id="3突出重要信息">3. 突出重要信息</h1>
<p>3.1. 人脑回避认知负荷，人的视觉处理系统在同一时间只能看见几个物体</p>
<p>3.2. 我们的视觉系统会被最突出的任何事物所吸引</p>
<p>3.3. 要建立信息层级，视觉元素的突出程度与重要程度要对应</p>
<p>3.4. 最重要的元素要在视觉上最突出，不要有多个同等突出的元素</p>
<ul>
<li>3.4.1. 如果有多个元素争夺注意力的话，那就没有突出点了</li>
</ul>
<p>3.5. 视觉元素要有一个次序，从最显眼到最不显眼</p>
<p>3.6. 受众必须同时处理的视觉元素就少了，数据图也能够承载更复杂的信息</p>
<p>3.7. 旨在让听众理解得更清楚的选择，会更加赢得受众的信任</p>
<ul>
<li>3.7.1. 如果刻意隐藏不利于你的结论的数据，就会让你更快丧失说服力</li>
</ul>
<p>3.8. 最优秀的解释性数据图不可重复使用</p>
<ul>
<li>3.8.1. 受众、语境、话题的变化都会改变最优选择</li>
</ul>
<p>3.9. 放大重要文本</p>
<ul>
<li>
<p>3.9.1. 让一个元素比周围元素显得更大，是最简单的突出手段之一</p>
</li>
<li>
<p>3.9.1.1. 缩小数据来源和坐标轴标签的字体会让需要显示的文字更加显眼</p>
</li>
</ul>
<p>3.10. 同类元素要大小一致</p>
<p>3.11. 有策略地加入标签和高亮，让受众聚焦重点</p>
<ul>
<li>
<p>3.11.1. 选择性标签是一种强大的工具，可以将受众的注意力集中到正确的比较内容上</p>
</li>
<li>
<p>3.11.2. 不同受众可能会有误解</p>
</li>
<li>
<p>3.11.3. 针对多个受众群体和话题的数据图，最容易被重复使用和误解</p>
</li>
<li>
<p>3.11.3.1. 明确服务于特定解释目的的数据图，往往难以用于其他语境</p>
</li>
</ul>
<pre><code>>3.11.3.1.1. 这是设计优质解释性数据图的一个理由
</code></pre>
<ul>
<li>3.11.3.2. 在选择设计要素和标签时，一定要扎根于受众和制图目的</li>
</ul>
<p>3.12. 加入参考线，让比较更清晰</p>
<ul>
<li>3.12.1. 如果不用参考线或参考区块来体现比较对象的话，那你就是在暗示，受众应当在图中数据点内部进行比较</li>
</ul>
<p>3.13. 加入注释，借助相近律来提高清晰度</p>
<ul>
<li>
<p>3.13.1. 最优秀的数据图是自足的</p>
</li>
<li>
<p>3.13.2. 众不需要外部口头或文字解释，就能够理解数据图的含义</p>
</li>
<li>
<p>3.13.3. 注释—数据图内的解释性文字—有助于达到这个标准</p>
</li>
<li>
<p>3.13.4. 有效的注释利用了格式塔原理中的相近律</p>
</li>
<li>
<p>3.13.5. 解释性文字要贴近对应的数据，这样有助于减轻认知负荷</p>
</li>
</ul>
<h1 id="4不要对受众说不许看某个东西">4. 不要对受众说，不许看某个东西</h1>
<p>4.1. 说明离群值</p>
<ul>
<li>
<p>4.1.1. 人有关注差异的本能，所以离群值和例外情况会吸引我们的目光</p>
</li>
<li>
<p>4.1.2. 注释对离群值做了解释，以便受众将关注点移回重点上</p>
</li>
</ul>
<p>4.2. 讲解计算过程</p>
<ul>
<li>4.2.1. 注释可以用来讲解数据的计算过程</li>
</ul>
<p>4.3. 不要告诉受众哪些东西不许看</p>
<ul>
<li>
<p>4.3.1. 要求人不看某个东西，就是要他们在心里无视某个突出的事物</p>
</li>
<li>
<p>4.3.2. 这是一条不可能遵守的命令</p>
</li>
<li>
<p>4.3.3. 如果你要这样做，那么请问一问自己，你到底想让受众无视什么</p>
</li>
</ul>
<p>4.4. 如果你要他们无视离群值：要迎头面对</p>
<ul>
<li>
<p>4.4.1. 解释离群值，说明为什么离群值与你展示数据的原因无关</p>
</li>
<li>
<p>4.4.2. 要让受众考虑之后再无视，就像你在分析过程中做的那样</p>
</li>
</ul>
<p>4.5. 如果你要他们无视复杂因素：要反思这张图能不能发挥解释性可视化的作用</p>
<ul>
<li>
<p>4.5.1. 最常见的场景是，人们用探索性数据图来解释分析结果</p>
</li>
<li>
<p>4.5.2. 这表明，你还不清楚到底有哪些重点需要让受众了解</p>
</li>
</ul>
<p>4.6. 如果你要他们无视会削弱你的观点的数据：要反思数据是否支持你想要表达的观点</p>
<ul>
<li>
<p>4.6.1. 要愿意在数据面前改变想法</p>
</li>
<li>
<p>4.6.2. 不然的话，你就要花时间解释为什么显眼的数据没有说服你，又为什么不应该说服受众</p>
</li>
</ul>
<h1 id="5拆分有两个y轴的数据图">5. 拆分有两个y轴的数据图</h1>
<p>5.1. 在数据探索阶段，有两个y轴的图效率颇高</p>
<p>5.2. 对于经常看这种格式的图的人来说，双y轴数据图是有效的，但不熟悉的受众常常会感到迷惑</p>
<p>5.3. 一种做法是保留共用的x轴，然后拆分成上下排列的两张图，或者直接把第二个轴的数值标记在折线上</p>
<h1 id="6视觉设计应该力求简单但不能过于简单">6. 视觉设计应该力求简单，但不能过于简单</h1>
<p>6.1. 复杂数据图的元素要逐个展示</p>
<ul>
<li>
<p>6.1.1. 对于复杂的数据图，一种控制认知负荷的方法就是分层展示，每次显示一个元素，让受众有时间先消化一个元素，然后再接触新的元素</p>
</li>
<li>
<p>6.1.2. 借助了知识的诅咒</p>
</li>
</ul>
<p>6.2. 多次展示“同一个”数据图，每次有不同的标注点和高亮元素</p>
<ul>
<li>
<p>6.2.1. 如果一张图有多个要点，要分多次展示，每次对不同的部分加上高亮和注释</p>
</li>
<li>
<p>6.2.2. 让受众每次聚焦于一个要点，用相同的底图传达多个观点</p>
</li>
</ul>
<p>6.3. 考虑幻灯片以外的形式</p>
<ul>
<li>
<p>6.3.1. 对高密度、高复杂度的数据图来说，幻灯片是一个劣质媒介</p>
</li>
<li>
<p>6.3.2. 幻灯片移除了充分理解复杂数据图所需的语境和讨论</p>
</li>
<li>
<p>6.3.3. 由于数据和场合的性质，必须用复杂数据图的话，那可以考虑有没有更适合讨论复杂议题的沟通形式，比如书面报告或长篇邮件</p>
</li>
</ul>
<p>6.4. 说明“他们从中能获得什么”</p>
<ul>
<li>
<p>6.4.1. 受众越能理解这些数据对其日常生活有何影响，就越愿意投入心力去解码复杂信息</p>
</li>
<li>
<p>6.4.2. 从设计选择层面看，要提高受众对认知负荷的容忍度，最有力的做法莫过于令人信服地解释这些数据为什么会影响受众的生活或生计</p>
</li>
</ul><br><br>
来源：https://www.cnblogs.com/lying7/p/18978858
頁:
[1]