专家团｜蒋祎：直击大脑，设计统计图表的5点心得

蒋祎 Johnny

+ 关注

2022-12-02 10:44

442次阅读

图表画得好，胜过千言万语；图表画不好，就变成画蛇添足多此一举；最近小蒋也有几点心得，这篇就来捋一捋：

1、总原则：一切都是为了帮助读者理解、接受观点

单纯地罗列数据是没有意义的，展示数据前首先要想清楚：我们要表达的观点是什么？

如果还没有形成观点，那就还需要继续增加分析的维度（比如时间维度、颗粒度更细的组织维度）、分析更多数据特征（比如分布情况、占比、关联性等）。

举个例子，直接看下面这个指标很可能啥感觉都没有，除非你对这个部门的人来人往都了如指掌：

但再看下面这几个图，是对107这个数字的进一步阐述。

不用我说数据特征，他们很可能已经出现在了你的脑中；不用我说观点，你的所见很可能已经与我略同。

2、选择容易被理解的图表类型

“你还在画饼图、条图、折线图吗？太Low啦”，一些9.9元的Python数据分析课真的很容易让人陷入误区。

PPT其实也能画一些复杂的图，例如：

当然，确实有些类型是PPT/Excel很难画出来的，比如：

（图片来源：echart、highchart）

但是，复杂的图配得上叫“可视化”吗？高阶的类型展示效果就好吗？

非也！这些统计图的类型的确都有他们非常适合表示的场景，并可能已经在学术界广泛应用，但你的读者却未必熟悉。

在数据分析报告中，我们要的不是莫名其妙的高级感，我们要的是为读者理解观点排除一切障碍和困难。

我曾经做过一个图，说明某部门人员的来源和去向，这是一个适合用桑基图的场景。但在最终的报告中改为了用表格，不然首先还需要向读者解释桑基图的含义，而这显然不是我的目的。

“地图”是一另种常常高级感大于实用性的类型，甚至容易带来误解，因此在使用时要格外小心：

上图中，即使已经使用颜色深浅表示人数多少，但仍然有人的直觉会觉得辽宁比北京更多，因为辽宁的面积造成了误导。

在选择图的类型时，我们一定要清楚：我们想通过图表传递什么？

阿伯拉（Andrew Abela）的图表指南，给了我们一些思路：专家团｜蒋祎：直击大脑，设计统计图表的5点心得

可以看到，指南中并没有太复杂的类型，而我们实际常用的类型可能更为简单。

表格、折线图、条形图在18世纪的《商业与政治图解集》（The commercial and political atlas）等书籍中就已经被使用，并在工业革命时期就已经逐渐流行开来，时至今日每一个职场人对它们都非常熟悉、理解不会有障碍。

3、去掉冗余的元素

高端的食材往往只需要最简单的烹饪方式。高端的数据图表常常只需要保留最简洁的元素。

在PPT中，可以为统计图添加这些元素：

但显然，不需要他们挤在同一幅图中。

爱德华·塔夫特（Edward Tufte）提出了数据墨水比（Data-Ink-Ratio）的概念，即图中表现数据的“墨水量”除以图表的总“墨水量”。要让图表更为简洁明晰，就要在合理范围内最大化数据墨水比，就要去掉无效的元素和装饰：

如果你发现，图表中的数据元素无法再简化了（比如表格中的数据列多到不用镶边行就看不清），那么考虑一下，是不是你展示的数据太复杂了？每一列、每一行都在支持你的观点吗？

4、遵循大脑敏感度与阅读习惯

我们要让人更快地理解图表要表达的内容，就让让图表更符合我们大脑的习惯：

常人的大脑一次处理不了太多数据，如果你的图表中类别太多，首先尝试根据要表达的观点整合一下。（例如上面优化饼图的例子，4类简化到2类）
大脑对图中特殊数据最为敏感，波峰、波谷、转折点、离群值会更“显眼”，一定是先被关注到，我们需要解释他们意义及成因。
特殊值之外，我们习惯于从左到右、从上到下的Z字型阅读顺序。因此在为数据分析报告排版时，我们要注意图文的位置和顺序；在具体的某一个图表中，也要注意各个元素的位置和顺序，避免读者的视线来回游走。这也是不建议用图例的原因。
大脑对长度敏感、对角度不敏感。虽然条形图和饼图都是用面积在表示数据的大小，但实际上条形图利用的是长度的差别，而饼图利用的是角度的差别。然而人对角度差别的敏感程度是不一样的: