專家團｜蔣祎：直擊大腦，設計統計圖表的5點心得

蔣祎 Johnny

+ 關注

2022-12-02 10:44

985次閱讀

圖表畫得好，勝過千言萬語；圖表畫不好，就變成畫蛇添足多此一舉；最近小蔣也有幾點心得，這篇就來捋一捋：

1、總原則：一切都是為了幫助讀者理解、接受觀點

單純地羅列數據是沒有意義的，展示數據前首先要想清楚：我們要表達的觀點是什么？

如果還沒有形成觀點，那就還需要繼續增加分析的維度（比如時間維度、顆粒度更細的組織維度）、分析更多數據特征（比如分布情況、占比、關聯性等）。

舉個例子，直接看下面這個指標很可能啥感覺都沒有，除非你對這個部門的人來人往都了如指掌：

但再看下面這幾個圖，是對107這個數字的進一步闡述。

不用我說數據特征，他們很可能已經出現在了你的腦中；不用我說觀點，你的所見很可能已經與我略同。

2、選擇容易被理解的圖表類型

“你還在畫餅圖、條圖、折線圖嗎？太Low啦”，一些9.9元的Python數據分析課真的很容易讓人陷入誤區。

PPT其實也能畫一些復雜的圖，例如：

當然，確實有些類型是PPT/Excel很難畫出來的，比如：

（圖片來源：echart、highchart）

但是，復雜的圖配得上叫“可視化”嗎？高階的類型展示效果就好嗎？

非也！這些統計圖的類型的確都有他們非常適合表示的場景，并可能已經在學術界廣泛應用，但你的讀者卻未必熟悉。

在數據分析報告中，我們要的不是莫名其妙的高級感，我們要的是為讀者理解觀點排除一切障礙和困難。

我曾經做過一個圖，說明某部門人員的來源和去向，這是一個適合用桑基圖的場景。但在最終的報告中改為了用表格，不然首先還需要向讀者解釋桑基圖的含義，而這顯然不是我的目的。

“地圖”是一另種常常高級感大于實用性的類型，甚至容易帶來誤解，因此在使用時要格外小心：

上圖中，即使已經使用顏色深淺表示人數多少，但仍然有人的直覺會覺得遼寧比北京更多，因為遼寧的面積造成了誤導。

在選擇圖的類型時，我們一定要清楚：我們想通過圖表傳遞什么？

阿伯拉（Andrew Abela）的圖表指南，給了我們一些思路：專家團｜蔣祎：直擊大腦，設計統計圖表的5點心得

可以看到，指南中并沒有太復雜的類型，而我們實際常用的類型可能更為簡單。

表格、折線圖、條形圖在18世紀的《商業與政治圖解集》（The commercial and political atlas）等書籍中就已經被使用，并在工業革命時期就已經逐漸流行開來，時至今日每一個職場人對它們都非常熟悉、理解不會有障礙。

3、去掉冗余的元素

高端的食材往往只需要最簡單的烹飪方式。高端的數據圖表常常只需要保留最簡潔的元素。

在PPT中，可以為統計圖添加這些元素：

但顯然，不需要他們擠在同一幅圖中。

愛德華·塔夫特（Edward Tufte）提出了數據墨水比（Data-Ink-Ratio）的概念，即圖中表現數據的“墨水量”除以圖表的總“墨水量”。要讓圖表更為簡潔明晰，就要在合理范圍內最大化數據墨水比，就要去掉無效的元素和裝飾：

如果你發現，圖表中的數據元素無法再簡化了（比如表格中的數據列多到不用鑲邊行就看不清），那么考慮一下，是不是你展示的數據太復雜了？每一列、每一行都在支持你的觀點嗎？

4、遵循大腦敏感度與閱讀習慣

我們要讓人更快地理解圖表要表達的內容，就讓讓圖表更符合我們大腦的習慣：

常人的大腦一次處理不了太多數據，如果你的圖表中類別太多，首先嘗試根據要表達的觀點整合一下。（例如上面優化餅圖的例子，4類簡化到2類）
大腦對圖中特殊數據最為敏感，波峰、波谷、轉折點、離群值會更“顯眼”，一定是先被關注到，我們需要解釋他們意義及成因。
特殊值之外，我們習慣于從左到右、從上到下的Z字型閱讀順序。因此在為數據分析報告排版時，我們要注意圖文的位置和順序；在具體的某一個圖表中，也要注意各個元素的位置和順序，避免讀者的視線來回游走。這也是不建議用圖例的原因。
大腦對長度敏感、對角度不敏感。雖然條形圖和餅圖都是用面積在表示數據的大小，但實際上條形圖利用的是長度的差別，而餅圖利用的是角度的差別。然而人對角度差別的敏感程度是不一樣的: