數(shù)據(jù)可視化的道路上充滿了不可見的陷阱和迷宮，最近ClearStory Data的兩位數(shù)據(jù)可視化開發(fā)人員分享了他們總結出來的數(shù)據(jù)可視化開發(fā)的7個不宣之秘，普通開發(fā)者了解這些方法能提升視野，少走彎路。

數(shù)據(jù)可視化，特別是基于Web的數(shù)據(jù)可視化的時代已經(jīng)到來了。類似JavaScript的可視化庫如D3.js, Raphal,以及Paper.js, 以及最新瀏覽器所支持的如Canvas和SVG，以及使得那些過去只能由計算機專家和專業(yè)設計人員開發(fā)的復雜的可視化變得越來越簡單了。

數(shù)據(jù)可視化如今成為了很多網(wǎng)站項目的必備功能。而類似于Platfora，Datameer, ClearStory Data以及Chartio等初創(chuàng)公司則可以利用基于瀏覽器的分析平臺融到數(shù)百萬美元的投資。

數(shù)據(jù)可視化是數(shù)據(jù)探索以及數(shù)據(jù)表現(xiàn)的重要方式，然而，對于數(shù)據(jù)可視化的開發(fā)者來說，依然有很多挑戰(zhàn)要去面對。這些迎接這些挑戰(zhàn)的方法，則是很多專業(yè)的數(shù)據(jù)可視化開發(fā)者不愿意讓別人知道的秘密。ClearStory Data的兩位數(shù)據(jù)可視化開發(fā)人員Nate Argrin和 Nick Rabinowitz分享了他們總結出來的數(shù)據(jù)可視化開發(fā)的7個秘密以及在實踐中如何應對的方式。

 

秘密一： 現(xiàn)實中的數(shù)據(jù)往往很丑

大部分的數(shù)據(jù)可視化的教程，都會讓你輕松地從一個原始數(shù)據(jù)集開始。無論你是學習基本的柱狀圖還是力導向的網(wǎng)絡圖，

你的數(shù)據(jù)都是干凈的，經(jīng)過整理的數(shù)據(jù)。這些完美的JSON或者CSV文件就像電視里的廚藝節(jié)目中的灶臺那樣干凈整潔。而實際上，當你在處理現(xiàn)實中的真正的數(shù)據(jù)是，你80%的時間得用來搜尋，獲取，載入，清洗以及轉換你的數(shù)據(jù)。這樣的過程，有時候可以用自動化的工具來完成。不過，差不多任何需要針對兩個以上的數(shù)據(jù)集進行清洗的工作總會需要或多或少的人工的工作。有很多工具能夠把XLS文件轉化為XML的格式或者把時間戳轉換為其他日期格式。但是，要想把一個公司的內部使用的銷售類型與競爭對手進行比對，或者對輸入錯誤進行檢查，或者對不同的Encoding或者OCR產(chǎn)生出來的文字進行檢查時，就只能靠手工來處理了。

工具及處理方式：

1）在數(shù)據(jù)可視化項目中給數(shù)據(jù)清洗留出足夠的時間，特別是在需要處理多個數(shù)據(jù)源，需要手工錄入或者OCR數(shù)據(jù)，進行不同類別的配比，或者需要處理一些非標準格式時，需要留出更多的時間。

2）Google Refine是一個很好的數(shù)據(jù)清洗工具，盡管在有些地方，特別是處理非表格化數(shù)據(jù)時有些不足。此外，還有一些數(shù)據(jù)清洗專用的工具如Data Wranger 和 Mr. Data Converter。不過，很多的數(shù)據(jù)清洗工作仍然需要你熟悉腳本語言如Python或者需要你在Excel里進行一些手工工作。記得把你的腳本存檔，你以后肯定用得上。

3）用簡單的一些散點圖或者直方圖來發(fā)現(xiàn)一些超正常范圍的錯誤數(shù)據(jù)。

 

秘密二： 柱狀圖往往更好

和柱狀圖比起來，氣泡圖可以在同樣的空間表現(xiàn)更多地數(shù)據(jù)，餅圖可以更清晰地表現(xiàn)整體和局部的關系，樹狀圖能夠更好地表現(xiàn)分層的結構。然而，這些圖在簡單明了方面都無法與柱狀圖相比。

在考慮數(shù)據(jù)可視化設計方案時，我們要問自己的第一個問題就是：“這個方案比柱狀圖好嗎？”

如果你需要在一個單一維度上可視化一個可量化的數(shù)據(jù)集，那么很少有別的方式能比得上柱狀圖。類似的，時間序列最好表現(xiàn)為線狀圖，而散點圖一般用來表現(xiàn)兩個線性度量的相關性。在數(shù)據(jù)可視化設計中，使用這些從18世紀以來就一直在使用的圖風險最低。

而柱狀圖對于進行數(shù)據(jù)比較的可視化來說是最佳方式。因為我們人眼最習慣的比較方式就是將兩個東西并排比較。

關于柱狀圖優(yōu)先，其實揭示了數(shù)據(jù)可視化中一個最大的秘密，那就是，那些最酷的可視化往往用處反而最小。

最求新奇以及美觀的可視化往往帶來一個問題，那就是數(shù)據(jù)的可理解問題。很多柱狀圖的替代圖迫使人們用他們并不擅長的方式進行比較，如比較面積，角度，色彩，或者透明度等。這些比較，說好聽的，是增加了比較的難度，說的嚴重一些，可能會對數(shù)據(jù)進行扭曲，導致使用者得出錯誤的結論。

工具及處理方式：

1、不要輕易拋棄那些傳統(tǒng)的可視化方式，如果這些方式能夠表現(xiàn)你的數(shù)據(jù)。先試試柱狀圖或者線狀圖，如果你的數(shù)據(jù)真的需要其他的再考慮其他圖。

2、理解其他形式的圖的表現(xiàn)優(yōu)勢，比如，氣泡圖支持更多地數(shù)據(jù)范圍，餅圖支持局部全局的對比，樹狀圖能夠支持分層結構等等。

3、柱狀圖是可視化最容易的圖形之一，你可以手工編寫一段HTML代碼，僅僅使用CSS或者很少量的JavaScript，或者從Excel里面的一個公式，就可以生成一個有效的柱狀圖來。

 

秘密三： 真實數(shù)據(jù)不可替代

對一個數(shù)據(jù)集進行清洗和格式化已經(jīng)很繁瑣了，如果你需要設計一個基于多個數(shù)據(jù)集的可視化呢？ 比如你需要把公司不同部門的數(shù)據(jù)進行可視化，而這些部門各自有各自的數(shù)據(jù)庫，而且你也沒有時間手工把每個數(shù)據(jù)集進行清洗。這時候，人們的第一想法可能是抓一些Demo的數(shù)據(jù)來進行可視化。而且你的可視化庫里可能就有一些標準的樣本數(shù)據(jù)。

很不幸，真實數(shù)據(jù)不可替代。Demo數(shù)據(jù)一般遵循正態(tài)分布而且數(shù)據(jù)量有限。是為了展示可視化用的。而一個看上去完美的柱狀圖，并不能幫助你解決那些數(shù)據(jù)缺失，異常數(shù)據(jù)或者現(xiàn)實中的真實問題。如果你過度依賴Demo數(shù)據(jù)，當你用真實數(shù)據(jù)時，你就會發(fā)現(xiàn)你的數(shù)據(jù)可視化設計并不能真正滿足你的數(shù)據(jù)分析或者數(shù)據(jù)表現(xiàn)的需求。

工具及處理方式：

1、如果你無法訪問整個數(shù)據(jù)集，不妨先試試從真實數(shù)據(jù)集中隨機取些樣本數(shù)據(jù)。

2、保留無效或者缺失數(shù)據(jù)，如果你的數(shù)據(jù)集在可視化前不準備進行數(shù)據(jù)清洗，那么也不要清洗樣本數(shù)據(jù)。

3、真實數(shù)據(jù)集也許過大。在你使用樣本數(shù)據(jù)時，在生成最終的可視化圖前，等比例調整樣本數(shù)據(jù)規(guī)模。

 

秘密四：細節(jié)的地方才最頭痛

如上圖，當你水平排列數(shù)據(jù)標識時，數(shù)據(jù)標識會看不清，如果旋轉90度，數(shù)據(jù)標識是看清楚了，不過又浪費了很大一塊空間。選擇一個合適的數(shù)據(jù)標識格式對有些可視化來說是個解決方案，不過也不是對所有方案都適用。

設計數(shù)據(jù)標識，注釋或者橫軸縱軸通常都是在初始可視化后才考慮的。不過這些元素對可視化來說非常重要，而且可能會很困難或者需要大量時間才能把它們做好。特別是在你無法事先預知你的數(shù)據(jù)的情況下。

在設計你的可視化的時候，你需要留出相當部分的空間以便你可能需要添加標識只用，通常要在你的圖周圍留出相對較大的空間。

橫縱軸上的標識要保證它們不相互覆蓋而且可讀。如果必要的話，可以將標識進行旋轉來增加可讀性。如果有一塊空間標識過于集中，而你又需要這些標識可讀，你可以讓考慮把標識離它們所指的元素遠一些，然后用連接線把標識和元素連起來。另外一種方式就是把標識整合成一個組，用標識工具提示的方式來進行可視化。如果標識的文字過長，可以考慮進行縮寫或者把超出的文字剪掉等方式。

類似的，對圖的注釋也需要事先計劃好。最簡單的方式就是在可視化中保留一部分區(qū)域來方便添加注釋。不過，這樣意味著你的圖所占的部分就會減小。為了保留空間，把注釋放在圖上的空白部分�；蛘甙炎⑨屪龀煽赏献�，這樣用戶可以把注釋移開來看注釋遮蓋的部分。

工具及處理方式：

1）在設計時把數(shù)據(jù)標識，數(shù)據(jù)軸及注釋的空間在圖上留好。

2）對數(shù)據(jù)標識，定義最大字符數(shù)，超出部分需要裁掉。把相近的標識組合在一起，在用戶點到時再顯示。

3）對長注釋，可以考慮用滾動或者展開的方式

4）無論如何，不要忽視這些元素。數(shù)據(jù)標識在你專注圖形設計的時候，可能不是你的最主要考慮，不過它們對可視化的用戶來說非常重要。

 

秘密五：需要的時候才用動畫

可視化的設計者經(jīng)常希望能夠在最終設計上加上動畫。動畫是一種連接數(shù)據(jù)和變化趨勢的非常有用的工具。

不過動畫也常常會導致對你的數(shù)據(jù)的錯誤理解。你需要對它會如何影響你的最終效果進行評估，而不是簡單地在最后加上動畫效果。動畫最適合表現(xiàn)的，是揭示數(shù)據(jù)如何在不同狀態(tài)下組合在一起，如何隨時間變化或者是如何相互影響的等場合。

一般的設計原則是，動畫要簡單，可預測并且可以重新播放。讓用戶能夠多次播放動畫，可以讓他們看到動畫元素從哪里開始到哪里停止。

要避免不同元素在移動中互相覆蓋，不要讓元素的運動不可預測。對于復雜的動畫，研究表明，可以把動畫分解為幾個不同的階段，在每個階段暫停一會給用戶一些時間來體會。這樣有助于提高用戶的理解。

工具及處理方式：

1、盡可能讓動畫簡單

2、如果動畫復雜或者有很多動畫元素，可以考慮分階段動畫

3、一開始動畫往往能夠給人新鮮感，不過會很快讓用戶感到厭倦。不要僅僅因為你會加動畫就在你的可視化你加上動畫。

 

秘密六： 數(shù)據(jù)可視化不是分析

數(shù)據(jù)可視化可以產(chǎn)生一些分析結果，不過需要指出的是，可視化是一個輔助分析的工具，而不是數(shù)據(jù)分析的替代，它也不是統(tǒng)計的替代：

你的圖形可能揭示了一些數(shù)據(jù)差異或者數(shù)據(jù)的相關性。不過，要得出存在這些差異和相關性的可靠結論，還需要運用統(tǒng)計的方法。要對你的數(shù)據(jù)真正了解，需要分析的技能，以及專業(yè)的知識。不要指望可視化能夠給你這些。因此，在進行可視化項目的時候，要調整客戶或者你的CEO的期望值。

工具及處理方式：

1、除非你就是數(shù)據(jù)分析師，你對數(shù)據(jù)可視化得出的結論不要輕易下判斷。如果需要進行結論，最好找一個統(tǒng)計師或者專業(yè)人士一起驗證后再給結論。

2、一些細小的設計改變，比如調色板的變化，對某個變量的可視化方式等，都可能改變可視化得出的結論。如果你用可視化進行分析，一定要試試多種可視化方式，而不要依賴于一種方式。

3、Stephen Few的 書“Now You See It”里面介紹了利用可視化進行商業(yè)分析的方式，包括對開發(fā)者如何設計可供分析使用的可視化工具的一些建議，讀者可以參考。

 

秘密七： 數(shù)據(jù)可視化不僅僅是編程 

現(xiàn)在大量的可視化編程庫和教程使得普通的人員在進行基于Web的可視化中，也可以設計出高質量的可視化產(chǎn)品。然而，要想真正設計一個能夠提供深入見解，或者能夠清楚表達的可視化產(chǎn)品，除了編程之外，還需要很多其他的技能。比如圖像設計，數(shù)據(jù)分析，交互設計，以及對人們認知的了解等待。這些技能，是那些可視化編程庫提供不了的。不過，好消息是，如果你堅持采用一些數(shù)據(jù)可視化的基本原則的話。

你也不需要對這些技能了解太多。對于初學者來說，需要堅持一些最基本的原則，比如，盡量使用柱狀圖，不要把圓半徑設置按線性比例設定（編者：在面積比較時會給用戶錯誤理解），設計要簡單（不要用3D，少用動畫，不要用陰影）等。

按照一些好的可視化樣本，初學者也可以創(chuàng)造出好的可視化作品來。