避免数据可视化中的8个常见错误

探讨8个常见的数据可视化错误及如何避免,帮助制作更清晰、准确的可视化效果。

原文标题:8个常见的数据可视化错误以及如何避免它们

原文作者:数据派THU

冷月清谈:

在数据驱动的时代,清晰的数据可视化非常重要。但创建可视化时常犯错误,可能导致误解。本文总结了8个常见的可视化错误及其避免方法:1) 误导色彩对比,应使用有限的颜色;2) 数据图表信息过多,需聚焦重要数据;3) 省略基线可能导致错误的趋势图;4) 误导性标签会混淆用户理解;5) 选择不当的可视化方法会增加用户困惑;6) 相关性和因果关系的误解;7) 选择性展示数据可能放大误解;8) 误用3D图形可能导致数据失真。掌握这些原则,可以制作出更具洞察力和清晰度的数据可视化,以支持更明智的决策。

怜星夜思:

1、在数据可视化中,你认为哪些颜色搭配比较有效?
2、大家有没有遇到过误导性标签文字的情况?分享一下经验吧。
3、你觉得哪些可视化方法最容易被误用?

原文内容

来源DeepHub IMBA

本文约1600字,建议阅读5分

本文总结了8个数据可视化的典型错误。


在当今以数据驱动为主导的世界里,清晰且具有洞察力的数据可视化至关重要。然而,在创建数据可视化时很容易犯错误,这可能导致对数据的错误解读。本文将探讨一些常见的糟糕数据可视化示例,并提供如何避免这些错误的建议。



本文总结了8个数据可视化的典型错误,在日常工作中我们应该尽量避免,这样才可以制作出更好的可视化效果。


1、误导色彩对比


虽然使用不同的颜色有助于解释数据可视化,但过多的颜色会让用户感到困惑。坚持使用有限数量的独特颜色是至关重要的。



用户不知道那个值更重要,并且当可视化中有太多的颜色时,用户可能需要更长的时间来理解信息。


不要使用颜色来显示哪个值比其他值高或低。具有高对比度的颜色使观看者感知到更多的数据价值。确定对比度值的最简单方法是在灰度上比较对比度颜色,而不是使用不同的颜色。



2、太多数据图表


使用大量数据提供更有深度的内容并没有什么错,但如果一次性呈现太多数据,可能会让用户不知所措。



用户无法理解所有的可视化细节,并且不知道该把注意力集中在哪里。


所以首先要确定用户需要关注什么,这样就可以将数据限制为与想要传达的信息最相关的数据。并且不要把所有的见解都写在图表里。多种可视化可以帮助您更有效地交流数据。


建议在单个可视化中使用不超过5-6种颜色。


3、省略基线而只显示比例


这种数据可视化问题在汇报时很普遍,它可能会显示错误的模式,甚至是不存在的趋势。



听众没有完全理解这些数据,在某些情况下会导致误解。当然也可以故意这么做,你懂的


4、误导性标签文字


在数据可视化中,不仅图表本身可以表达含义,标题、标签、符号和描述也帮助用户理解信息。如果这些更改呈现的故事与数据有所不同,则用户可能会感到困惑。



上面这张图表描绘了遭受骨科损伤的儿童的百分比。如果用户只看标题而不看描述,他们可能会认为5.2%的正常儿童患有脊髓损伤,从而产生严重的误解。


即使数据是正确的,如果文本修改具有误导性,也可能影响受众的解释。


只有在需要说明所展示的内容时,才应使用书面描述。并且要确保标题、标签和描述传达的意思没有误导性。


5、错误的可视化方法


选择适当的可视化来表示数据是数据可视化的关键步骤。可能有几个图表适合显示数据,但是如何选择最好的一个呢?



在上图中,两个图表都可以显示每个候选人的回答百分比。但是当我们用饼状图表示它时,用户可能会感到困惑,因为图表部分看起来彼此相似,并且数字不能等于100%。


所以需要为数据选择合适的图表,必须首先确定数据试图传达什么样的见解。一旦有了这些信息可以按照下面的方法来选择使用那个图表。



6、没有因果关系的相关性


你有没有遇到过数据显示出相似的趋势,但是原因却有很大的不同?如果你把他们放到一起,可能导致用户试图找出与彼此无关的事情的原因。



如图所示,自杀人数的上升与美国在科学、太空和技术方面的投资数额的上升是同步的,这似乎是相同的趋势。然而,如果我们在科学上投入更多的钱,我们真的会看到更多的案件的增加吗?


这种相关性是误导性的,因为它没有联系。所以在制作图标前一定要确认趋势相同的数据是否有相关性。


7、放大有利数据


这是一种选择性地展示支持你观点的数据,同时忽略与你观点相反的证据的方法。在可视化中只会显示一点点来自实际数据的见解。



这种可视化隐藏了重要的数据,只给我们的用户一点洞察力。


如果你是要做正经的报告一定要注意这一点,但是哪些不正经的汇报这个方法十分有用,你懂的。


8、3D图形使用不当


大多数3D图表不再经常用于显示常见数据,因为它们有很大的数据失真风险,因为我们的人眼很难理解3D视觉效果。


但是有好多人却在一直使用,这是因为他的视觉表现比较酷炫。



这个饼状图让后半部分看起来比前半部分大,尽管实际值是30%比35%。另一种类型的3D图表在准确显示数据值方面存在一些问题。


3D图表会扭曲数据的真实性。所以尽量使用2D图表。当然如果某人偏爱酷炫的效果,那么就用吧,没办法。


9、并非所有数据都需要在可视化中表


你的数据有时可能会为自己说话。有些值可以表示重要的信息,可能不需要在数据可视化中显示这些信息。



在图表或图形中显示数据可能是不必要的。数据可视化是一种传递信息的手段。在某些情况下可以使用它,而在其他情况下使用其他工具更合适。


总结


掌握数据可视化意味着将复杂的数据转化为令人信服的、真实的叙述。我们优先考虑每个图表的清晰度、准确性和洞察力,确保这些数据和图表可以为我们的决策提供准确的支持。正确的可视化不仅讲述了一个故事,而且还赋予了决策权力。


编辑:于腾凯

校对:杨学俊

饼状图绝对是个常见的误区,尤其是如果数据项太多,根本看不出比例关系。

3D图表也是,很多人为了好看,结果数据反而看不清,挺让人失望的。

我觉得柱状图和折线图最基础,适合大部分场合,但还是要注意数据的特点,不然也是误用。

我觉得经典的蓝色和橙色搭配既清晰又美观,能够突出重点,避免混淆。

个人觉得黑白搭配是最安全的选择,信息最容易被理解,也显得专业。

要看数据类型吧,有些数据需要用亮眼的颜色,比如报表中的红色和绿色搭配,明确显示增长和下降。

之前看过一个针对健康数据的图,标题说“死亡人数上升”,结果看了数据才发现其实是因为老龄化导致的,真是煞风景。

我在学校做项目时,为了美化图表,把一些数据图表标得有点夸张,老师直接指出来让我修正,后来才意识到标签的重要性。

有一次在社交媒体上看到个图表,结果标题就误导了大家,评论区讨论得热火朝天,实质上数据并不支持那些结论。