数据可视化进行数据分析的过程,是将枯燥的平面数据转变为图像,但在数据分析的过程中有时并不能那么准确的将数据传达,甚至是会出现偏差。所以在使用数据可视化分析的过程中,需要将数据呈现时可能出的错误一一排除出来,或者找到一个让数据呈现的更精确的方法。下面Pixso整理了十个数据可视化常犯的错误,解决方法也一并附上~

Material Design 数据可视化

Material Design 数据可视化

1. 数据颜色具有误导性

色彩误导是数据可视化错误的常见类型。颜色是最具说服力的设计元素之一,即使是细微的阴影变化也会引起强烈的情绪反应,视觉和认知必须是所有数据可视化设计中的关键考虑因素,在数据可视化中,高度的色彩对比可能会让观众相信价值差异比实际更大。

解决方法:

  • 颜色不仅仅是区分数据系列的一种方式。

  • 高对比度的颜色配对使观看者感知到更大程度的数据差异。

Material Design 数据可视化

Material Design 数据可视化

2. 数据可视化3D图形使用不当

当一个3D图形部分阻挡了另一个图形时,就会发生遮挡。在数据可视化中,遮挡会遮盖重要数据并创建错误的层次结构,其中无遮挡的图形显得尤为重要。当3D图形通过缩短缩入图片平面或从图片平面伸出时,就会发生失真,这也是常见的数据可视化错误。

解决方法:

  • 3D 图形很吸引人,但它们有可能阻碍重要信息并混淆数据系列之间的比例关系。

  • 除非绝对需要 3D 图形,否则尽量以2D的形式可视化数据。

3D 图形数据

3. 数据过多

数据过多是一种典型的数据可视化错误,这是一个永恒的设计问题。数据可视化也不例外,尤其是当数据既丰富又发人深省时。当可视化包含太多数据时,信息会不堪重负,并且数据会融化成大多数观众无法忍受的图形汤。

解决方法:

  • 当信息过载时可适用于数据可视化。如果信息太多,则将数据区域仔细划分开。

  • 使用多个可视化来传达数据会更有效。

数据区域划分

4. 省略数据可视化基线和截断量表

为了使可视化更加生动或美观,设计师可能会选择在图表上操纵比例值。一个常见的例子是省略基线或在高于零的某个位置开始 Y 轴,以使数据差异更加明显。另一个例子是截断数据系列的 X 值,使其看起来与低值系列具有可比性。

注意事项:

  • 审美吸引力从属于准确的数据表示。

  • 忽略基线和截断刻度以故意夸大或最小化数据差异是不道德的。

数据可视化基线和截断量表

5. 忽略数据可视化文字说明

数据分析结果的大多数是依靠图表来展示的,但是通常也将其与文本结合使用,用以联系图表之间的关系。

解决方法:

  • 在绘制数据集之间的相关性时,通常会出现有偏见的文本。

  • 过多的文字说明,只会让图表显得繁杂。

6. 使用数据可视化错误比例

每种数据可视化方法都有其自己的用例。例如,饼图用于比较整体的不同部分,它们适用于预算明细和调查结果(同一个饼图),但并不是要在不同的数据集(不同的饼图)之间进行比较。

解决方法:

  • 数据可视化方法并不能展现全部数据集。

  • 了解清楚可视化必须传达的变量。

数据可视化比例

7. 数据关联性错误

数据关联性错误是一种常见的数据可视化错误。可视化数据集之间的相关性是一种帮助观众更广泛地理解主题的方法。显示相关性的一种方法是在同一张图上叠加数据集。当仔细考虑相关性时,当重叠的元素过多,图上就会显示出乱糟糟的一片,用户很难理解。而错误地将因果关系数据可视化,更会让用户搞不懂该数据图到底有什么关联。

解决方法:

  • 数据的关联会让用户更容易理解,但不正确的关联方式会诱导用户错误理解。

  • 值得重申,数据的相关不等于因果关系。

数据关联性

8. 放大有利数据

错误的数据可视化包含忽略数据的放大和缩小。数据和时间是密不可分的。可以放大时间范围,并显示有利于更广泛的叙述的数据。

解决方法:如果放大的可视化与整体数据显示的内容不一致,请做好通知告知查看者。

9. 产生视觉联想

错误的数据可视化一个显著的特征,便是让用户产生了错误的视觉联想。视觉设计元素影响人类心理。图标、配色方案和字体都带有影响观众感知的内涵,分析数据可视化在精神上很费力,在认知的关键时刻,大脑可能不想花时间来解读熟悉的设计元素的重新构想。如果没把握评定图表中的元素是否过多,可以打开Pixso制作网页交互效果,1:1还原用户使用时的场景,让你站在用户的角度,审视自己的图表。

解决方法:尽量避免开视觉联想,将图表精简化,让用户专注于数据本身。

网页交互效果

10. 使用数据可视化的条件

数据可视化是通过将数据、文本等资料集合在一起,运用图像的形式将信息展示出来,并运用数据分析技术及专业工具来发现隐藏在其中的规律。数据可视化以生动直观、超强的视觉冲击力的形式向人们揭示隐藏在数据背后的规律。

需要注意的是,如果可以通过统计数据清晰简洁地传达数据,那么便可以将数据可视化。反之,如果文本描述被证明具有洞察力并且显示数据的形状几乎没有影响,则不需要可视化。

注意事项:数据可视化是一种交流工具,不一定合适所有的数据情况。

优质的数据可视化设计素材,免费下载使用!

新一代UI/UX设计工具Pixso,内置强大的设计功能,可以完成全平台覆盖,精细化矢量设计,轻松绘制曲线,让设计更简单高效。不仅如此,Pixso还能让设计师能在一个软件完成原型、设计、交付、协作和资源管理等多个设计步骤,支持Windows、macOS和Linux系统,灵活满足不同设计师的工作设备。

Pixso为设计师们提供了丰富多样的可视化数据模板,均可免费一键直接调用。同时Pixso社区内还收录了许多典型数据可视化UI设计案例,拥有不错的参考价值。在Pixso社区搜索关键词【数据可视化】,直接复用数据可视化模板吧。

Pixso资源社区