下载掌阅APP，畅读海量书库
立即打开
虽然本书的主题是动态图表，但是在介绍动态图表之前，还是先做些铺垫，介绍一下数据可视化（Data Visualization）以及数据可视之美。因为只有带着数据可视之“美”的眼光，你才能发现动态图表与传统图表的不同，并被动态图表的可视化效果所打动
数据可视化是一个专业名词，与信息图形、信息可视化以及统计图形等密切相关，是当今商务智能链条上
不可或缺的一环。Julie Steele和Noah Lliinsky在Beautiful Visualization（可视化之美）一书中将“数据可视化”定义如下：
Visualization is the graphic presentation of data-portrayals meant to reveal complex information at a glance．
数据可视化是指通过对事实数据进行图形化展示达到快速揭示复杂信息的目的。
可以看出，数据可视化是关于数据的视觉表现形式的研究，旨在借助图形化手段，清晰有效地传达与沟通信息。在这个英文定义中，特别使用了“at a glance”，即使用图形化展示的目的是使数据背后的信息能够“一目了然”或被“直观地”呈现。
在数据尤其是大数据中穿梭，我们很容易迷失。而图形则具有直观、生动、形象的特征，易于理解。生理学证明，人的大脑皮层中有40%是视觉反应区，人类的神经系统天生就对图像化的信息最为敏感。想象一下，一幅地铁路线图（如图1.1）所包含的站点及线路信息，如果不是用图而是用表格来记录，我们还能快速确定线路及距离吗？
显然，数据如何呈现会直接影响到信息传递的质量和效果。好的呈现方式能够以直观、生动、易懂的特点帮助人们迅速领会或抓住关键信息，并且常常令人记忆深刻，过目不忘；相反，不恰当的呈现方式则让人迷惑和费解。
图 1.1
图1.2和图1.3摘自Beautiful Visualization一书，其中图1.2是网络上非常流行的“标签云”，用文字大小来表示标签被搜索或出现的频次，反映标签的热度；图1.3则是数据地图，也叫热力图（Heat Map），用颜色的类型或深浅来划分不同的程度。
图 1.2
图 1.3
能够在数据处理和分析的基础上，对数据进行可视化处理，对于大数据时代职场中的我们而言，是一项越来越重要的基础能力。
好的数据展现总是给人“美”的感觉，让人眼前一亮，倍感愉悦，难怪有人说数据可视化是一道用眼睛可以探索的风景线。Beautiful Visualization一书中指出了这种“美”感的原因：
Successful visualizations are beautiful not only for their aesthetic design，but also for the elegant layers of detail that efficiently generate insight and new understanding．
成功的可视化所带来的美感并非仅仅源于其美学上的设计，同样来自于其通过对细节的优雅展示，从而有效地激发人们对数据的洞察，产生新的理解。
显然，数据可视之“美”来自于两方面，即设计之“美”和功能之“美”。设计之美体现为视觉上的感官享受，功能之美则往往来自于独特的信息呈现方式所带来的冲击力。无论是设计之美还是功能之美，都是通过“细节的优雅展示”强化信息的传递效果，从而“激发人们对数据的洞察，产生新的理解”。
更具体一点，如图1.4所示，一个可视化成功与否、是不是“美”的，可以依据以下四个要素进行判定。
图 1.4
1）新颖（Novel）。新颖是指可视化的表现形式上的创新（例如1.1节中提到的标签云和数据地图）。形式上的创新往往能够让人感到兴奋、愉悦，但如果该创新对于数据的洞察和信息的理解不能产生任何帮助，那也不能算是“美”的可视化。
2）信息含量（Informative）。信息含量是指可视化形式对于信息的反映程度，是一种功能属性，也是数据可视化的第一属性。不能反映或不能充分反映数据信息的可视化只是徒有其表的空架子。
3）效率（Efficient）。效率是指信息借由可视化进行传递的效果，同样是一种功能属性。成功的可视化要有明确的信息目标，数据的过量展示与展示不足均不可取，数据展示不足会导致信息偏差或残缺；而数据过量展示则会产生“噪声”，形成干扰，无法突出主要信息和关键信息。
4）美学设计（Aesthetic）。美学设计是指可视化的外观呈现，强调对图表图形美学元素的把握（如布局、形状、颜色、字体及线条等）和整体设计。
在可视化的过程中，我们应该尽量从这四个方面去把握，但是也不要过分痴迷于外在的形式和表面的设计。形式和外表固然重要，但功能属性才是关键，在有效传递信息的前提下，再去选择好的表现形式，优化细节上的设计。