好图表坏图表：可视化语言打造看得见的说服力_[美]斯科特·贝里纳托(Scott Berinato)、黄涛译_9787111687399

在一个以数据为主导、社交媒体得到广泛使用的商业时代，
如何让模糊庞杂的内容一目了然？
如何剔除冗余的信息简化心智？
如何把复杂的故事讲清楚并使其具有说服力？
……
数据可视化强调以数据信息为基础实现的可视化表达，如使用柱状图、饼图、趋势图等形式传达信息。它已经成为商业人士共通的语言、一项职场人士的沟通技能。
好的图表（数据可视化）可以超越文本，甚至语言和文化，帮助人们互相理解，建立联结，实现有效的沟通。
你只需要通过准备、交谈与倾听、草绘和原型设计4个步骤，就能掌握制作好图表的思维和方法。这是一本数据可视化的入门图书，也是干货满满的实用指南和工具书，书中列举了2个问题、3项准备工作、4个核心步骤、20多种关键图表类型、300余张实际案例图表，手把手教你制作清晰明了、简洁有力的好图表，让你成为图表高手和数据可视化专家，提升你的职业技能和职场竞争力。

在一个以数据为主导的世界里，在一个以思想为硬通货的知识经济时代，可视化已经成为所有人的共同语言。图表、图形、映射图、示意图一，甚至GIF动画和表情符号，都超越了文本、语言和文化，帮助人们互相理解，建立联结。这种视觉语言随时随处可见。
汽车导航帮助人们在通勤路上避开深红色的拥堵路段，找到绿色的畅通路线；天气应用程序（App）用图标和滚动趋势线使预报内容一目了然；健康管理App用简明的图表显示用户每天的行进步数、睡眠模式、饮食习惯等；公用事业公司的账单也使用图表，方便消费者比较自家和邻居的能源消耗水平；报纸、杂志和网站纷纷用可视化图表吸引消费者，或者用图表把复杂的故事讲清楚。社交网络上充满了形色各异的可视化图表，或实用，或见解深刻，或仅仅是看起来简单有趣，它们争相成为被转发的热点。体育直播干脆将可视化数据直接叠加在运动员的现场动作画面上在画面上叠加首攻线，用复杂的序列示意图和喷雾图显示球的轨迹，揭示投球和击球的趋势……
你可能无法注意到数据可视化渗透日常生活的所有形式，但你已经开始对它产生期待了。即使你自认为还没有掌握这门语言，你每天也免不了要听到并听懂这门语言。
是时候学习使用这门语言了。如同技术采用（technology adoption）的消费化二和社交媒体的广泛使用改变了商业环境一样，数据可视化图表在生活中的普及使我们对好图表的需求渗透于各种场景中：部门会议、销售演示、客户调查报告、绩效考核、企业家推介，甚至董事会会议。越来越多的高管在读到一幅Excel自动生成＋复制粘贴的折线图时，会疑惑为什么这幅图不像健康管理App里的图表那么简单漂亮。当一位管理者需要花很多时间才能理解公司仪表盘里的饼图、圆环图以及众多趋势线时，他会想，为什么它们看起来不像天气App那样好看又易于理解？
商界新型通用语
掌握这门新语言要求我们拥抱新的思维方式视觉思维。视觉思维的迅速发展得益于可视化在商业环境中的大量应用，制作好图表已经不再是特殊或可有可无的技能了，而是的。如果你制作图表时一直依靠Excel或谷歌表格的图表自动生成功能，那么一定有些同事已经做得更好，并因此受到了关注。如今，没有一家公司会雇用一位不会创建电子表格的管理者，而未来将没有一家公司会雇用一个不具备可视化思维、不会做图表的员工。
数据可视化已经成为企业竞争力不可或缺的一部分。未来，那些在储备具有可视化思维的管理人才方面准备不足的企业将必然落后于准备充分的企业。文森特·莱布内特尔（Vincent Lebunetel）是中航嘉信（Carlson Wagonlit Travel）的创新部副总裁，该公司在招聘和培训信息设计师方面设有专项资金。他说，无法创建清晰的可视化图表的管理者和领导者对企业的价值就低多了：如果你无法将要传达的信息处理得简单易懂，那么你对自己要表达的观点的理解恐怕也不够充分。而可视化可能是帮助人们有效掌握信息的好方法。
埃森哲（Accenture）技术实验室的一个团队将某NBA球队的投篮模式做成了可视化图表。图表得到了广泛传播，因此球队顾问开始向该团队成员请教如何做出类似的图表来打动客户。
埃森哲遂为他们开设了一系列在线和面授的视觉素养课程。这些课程的内部反响很大，以至于公司决定将这门课开发为一项客户服务，同时为球队顾问开放了一条可视化方面的职业通道。
一位NBA球队经理直言：在我们这一行，每个人都知道要把数据通过可视化呈现，但效果往往很差。我们也对数据可视化进行了投资。如果在其他人还不得其法的时候，我们能够把这个工具用对了，那将是令人兴奋的事情。
那么什么是对，什么是?错?呢？
什么是好图表
可视化兴起后，许多人提出了制作可视化图表的正确方法，或者对错误可视化进行了苛刻的评价。但大多数建立图表制作规则的尝试所缺少的是全面系统的视角，而后者应包括可视化思维的定义、可视化图表的框架，以及构建图表的一般步骤。
要熟练地使用这门新的语言，利用这个工具实现职业成长，进而为组织带来竞争优势，你首先需要学会识别好图表。
下面这个全球销售收入图怎么样？它是一个好图表吗？
资料来源：COMPANY RESEARCH
完成一个可视化图表后，你需要知道一些问题的答案。它是一个好图表吗？它有效果吗？你帮助人们理解或学到了东西吗？你把自己的观点讲清楚了吗？甚至只是给老板留下了深刻的印象吗？
那么，这个图表好不好呢？
它看起来当然很漂亮：它标注清楚，避免了冗余的装饰性元素，配色选择明智。它讲述了一个清晰、简单的故事：经过一年多的健康增长，销售收入达到，然后开始收缩。即便将这幅图与爱德华·塔夫特（Edward Tufte）、史蒂芬·费优（Stephen Few）和黄慧敏（Dona ）等数据可视化专家提出的规则和原则逐条对照，想必也能符合其中大部分。
但这是否意味着它就是好图表呢？
像Excel这样的工具几乎可以即时将数据变成图表，但这是否意味着它们是好图表呢？
这个图表可能比你在Excel文件或谷歌表格中快速生成的要好。而快速生成又恰好是大多数管理者的做法，毕竟他们只需单击鼠标就可以把一行数据变成图表。而如果图表面向的是CEO或股东们，你可能会动用Excel的一些其他功能预设选项，让图表看起来更漂亮、更活泼一些。很多人喜欢三维立体化效果，因为它很吸引眼球。
这些功能选项就跟数据摆在一起，使用起来又非常容易。但是，当数据可视化变得越来越重要，而我们又不断遇到设计更精致、观点更深刻、更有说服力也更具启发性的图表和图形时，我们已经认识到，用软件自动生成的图表是不够好的，即便我们无法明确说出它们不好在哪儿。大多数管理者使用Excel，就是不假思考地将单元格数据自动生成图表。这个效果的确比直接读表格要好，但并不足以作为标准做法。
相比上页右侧的两幅图表，上页左侧的图表更好。但是问题仍然存在：上一页的图表是好图表吗？
答案是：不知道。因为如果没有情境，就没有人说得出它是不是好图表包括你、我、专业的设计师或数据科学家，甚至连塔夫特、史蒂芬·费优或者黄慧敏也不能。在没有情境信息可循的情况下，图表谈不上好坏，我们只能说它做得好看或不好看。要判断一幅图表的价值，你需要知道的不仅限于（且远远不止于）它是否使用了正确的图表类型，是否选择了好的配色或正确标记了数轴。这些元素对好图表有帮助，但在没有情境可循的情况下，它们只是技术考量。相对而言，明确以下这些问题要重要得多：图表面向的对象是谁？他们想要什么？他们需要什么？我想传达的观点是什么？我能展示什么？我应该展示什么？在回答完这一切之后，我要以什么方式进行展示？
如果你是向董事会做展示，那么本节的幅图可能谈不上是一个好图表。因为董事们非常了解每季度的销售收入，他们会屏蔽你的展示内容，低头看手机，甚至会因为你浪费了他们宝贵的时间而感到厌烦。或许他们正在寻找新的投资市场来扭转销售收入的下降趋势，如果是这样，那么，分析销售收入的全球区域分布变化的图表可能就算是一个好图表了。
同一数据集，完全不同的图表。
如果老板说：我们找时间单独聊一聊销售收入的趋势吧。这说明这个图表本身并不坏，但可能用力过猛了。要跟老板单独聊收入趋势的话，用来优化图表的时间可能更应该花在对销售数据进行白板演绎上；白板演绎具有即时交互的优势，便于随时做各类标记，更有利于从数据中挖掘出更多的信息。
资料来源：COMPANY RESEARCH
但如果是在执行委员会未来工作战略讨论会的特定场合下，这可能就不是一个好图表了。要讨论未来，一幅只包含过去信息的图表怎么够用？这种情境下，好的图表应该像下面的收入预测图那样，提供对未来多种可能的设想。
但是，如果你要见的是一位新入职的经理，且他需要对公司基本情况进行了解，那么第Ⅶ?页的左图就是一个好图表。
超越规则和老生常谈
这个简单的例子应该可以将你从这样一个观念中解放出来：图表的价值主要取决于制作水平（并非如此），而质量以遵循图表制作规则的程度来衡量（亦非如此）。这就像阅读了斯特伦克（William Strunk Jr.）和怀特（E. B. White）的《英语写作手册：风格的要素》（The Elements of Style）无法保证你写出好的文章，学习了可视化这门语言的语法也无法确保你做出好的图表。
约瑟夫·M.威廉姆斯（Joseph M. Williams）在他的杰作《风格：写作的清晰与优雅》（Style: Toward Clarity and Grace）一书中解释了语法书的不足。
告诉我要讲清楚就像告诉我要从正面击球一样。我知道这么做是对的，但不知道如何做到。想把如何讲清楚给解释明白，陈词滥调是不够的。
我希望你能理解：为什么有些文章读起来很清晰，有些文章却不那么清晰；为什么两位读者对其清晰与否可能意见不一；为什么被动语态可能比主动语态好；为什么很多关于写作风格的老生常谈不是不够全面就是完全错误。更重要的是，我想要的不是只包含零星轶事的经验碎片，而是比用简短句4这类所谓规则更为有用的条理分明的规则体系。
威廉姆斯关于写作的评论对于数据可视化同样适用。你要超越规则，真正理解数据可视化过程中究竟发生了什么。为什么有些图表让你喜欢，而有些你却喜欢不起来？为什么有些看起来清晰，有些看起来很混乱？
比如，你如何知道在什么情况下使用地图而不用折线图？一本图表制作指南类的书中明确指出：除非与地理位置有关，否则不宜使用地图。5这就好比在告诉你要从正面击球一样。你如何知道数据是否与地理位置有关呢？有关又怎么理解？前面在董事会上展示各区域销售额百分比变化的案例中，地理位置可以说是与图表相关性的影响因素，那么是否应该改用地图进行展示？
用地图能否比用普通图表更好说明区域收入的问题？它能否帮助你说服董事会，让他们相信区域收入很重要？这是你想要做的事情吗？是否值得花费额外的精力用地图来绘制这些数据？
这些问题探讨的是演示的情境，而所谓的图表制作规则无法回答这些问题。我并不认为规则对于制作好的可视化图表来说没有必要或毫无用处。它们必要且有用。但要得到好的数据可视化结果，对于规则的解释应该是开放的，要注意到它的武断性和适得其反的可能性。规则是用来响应情境的，而不是用来设定情境的。
不要担心图表的对或错，要关注它是不是好。诚如威廉姆斯所说，你需要一些原则来帮助自己理解为什么选择条形图或折线图，或为什么选择干脆不用图表。比起那些制作完美，却纳入了不恰当的数据、传达了错误的信息或毫无吸引力的图表，打破了一些图表制作规则却紧扣观点的可视化图表的价值要大得多，因而更好。图表与所表达的观点越紧密相关，在一定程度上，我们对图表的制作水平就越宽容。
你制作的图表应该落在上面这幅好图表矩阵的右上角区域。掌握可视化思维，制作好图表就是本书的主题。
可视化思维必不可少
三个相互关联的趋势正影响着对可视化思维的需求：个就是上面提到的可视化应用对象的大量增加。如今，复杂而高质量的数据可视化在各种产品和媒介中随处可见，将我们对在消费过程和商业互动中用到的图表的期望值也提高了。
第二个趋势是数据量和数据更新速度的变化。如此多的信息以如此快的速度向我们袭来，要求我们用一种新的传达方式对其进行抽象和简化，帮助我们应对挑战。
例如，在波音（Boeing）公司，工程师希望提高鱼鹰（Osprey）的运行效率这款飞机能够像直升机一样垂直起降。每次起降，飞机的传感器会产生一万亿字节的数据进行分析。10次鱼鹰飞行产生的数据和国会图书馆（Library of Congress）6的全部印刷资料一样多。任何试图以原始格式厘清这些数据的想法都是荒谬的，但有人还是尝试了?一个五人团队工作了7个月，寻找提升鱼鹰运行效率的方法。他们失败了。
随后，波音公司改用可视化分析的方法，尝试从海量数据的噪声中筛选出真正的信号。不到两个星期，两位数据科学家便发现了提升效率的方法以及飞机维护中存在的问题。但这样依旧不足以明确噪声中的信号，他们不得不把工作传递给专业的决策者。两位数据科学家把复杂的可视化图表转换为更简明的版本呈现给管理团队，后者批准了对鱼鹰维护代码的修改，鱼鹰的运行效率提高了。波音公司一位参与了该项目的技术研究员大卫·卡西克（David Kasik）说：复杂数据里面包含的信息很难讲出来，我们终必须提供一种形式，使我们能以对方能够理解的方式把故事讲出来。这种形式就是数据可视化。
不仅限于如此专业的数据，即使如财务数据和市场分析数据之类普通的企业运营数据，如今也已经深奥和复杂到人们无法对其原始形式有效地加以理解和运用了。
第三个趋势是数据可视化的全民化。从历史上看，很多技术都经历过全民化的时刻变得足够便宜，也足够容易，任何人都可以尝试。这种转变的例子很多：阿图斯公司（Aldus）的PageMaker（个文字处理器）和超文本标记语言（HTML），使每个普通人都拥有了发表作品的机会；丹·布里克林（Dan Bricklin）是个电子表格VisiCalc的联合创作者之一，他曾说，VisiCalc的全民化将有些人原本需要20个小时完成的工作在15分钟内完成，并让工作者变得更有创造力。
当技术的所有权从少数专家转移到大众手中时，大量的实践就会出现，实践成果有好也有坏。HTML催生了花哨的地球村网站（GeoCities），但也成就了谷歌。
数据可视化也是一样曾经被高级制图师、数据科学家、设计师、程序员以及学者等少数人掌握的一门小众学科，现在正经历着轰轰烈烈的全民试验阶段。有史以来次，那些用于可视化数据的工具变得既价格合理（有些是免费的），又易于使用（有些用鼠标拖放即可）。如今已经出现了许多网站，允许用户上传数据集，并在几秒钟内跳出符合定制要求的可视化图表。Tableau目前是可视化编程的宠儿，其目标是成为数据可视化领域的文字处理器你的可视化语法指南和图表设计指南。
与此同时，通过互联网，大量免费或低成本的数据成为助力可视化发展的燃料储备。对数据进行可视化的尝试几乎不需要任何成本，因此数百万人都在尝试。但是，同规则手册一样，拖放软件也无法确保人们做出好的图表来。学会可视化思维，将有助于管理者在职业成长期自然结束之前限度地利用好这些迅速发展的可视化工具。
掌握易学手艺的简单方法
好的消息是，这不是一门很难学习的语言，即便它看起来有些唬人。掌握一套简单的制作流程就可以对数据可视化的质量和效果产生巨大的影响。你可能听过人们提到可视化的艺术，或者数据可视化的科学。本书给出了一个更好的术语手艺（craft），这个词同时表明了艺术性和科学性。想想看，一个制作柜子的工匠，他可能懂一些艺术也懂一些科学，但终做出的是一件功能性的东西。
一个制作柜子的学徒要学习手艺，可能会从了解柜子开始柜子的历史、人们如何使用柜子、制作柜子所需的材料和工具。然后他会系统地学习如何制作好的柜子，在这个过程中他可能会做出很多柜子。他还要安装柜子，并了解客户如何在不同类型的空间使用不同类型的柜子。终，他的技能将足够深入，有能力加入一些具有艺术性和巧妙功能性设计的细节。
学习如何构建好的图表与学习如何打造好的柜子并无不同，本书将以同样的方式展开。部分：了解提供了可视化的简史，并对图表制作背后的艺术积累和科学发展进行高度总结。这部分内容依赖于（有时也挑战了）专家和学者在视觉感知科学、设计思维以及其他领域的知识，阐明了什么是可视化以及当人们看到一幅图表时的反应。除了提供一套知识性的基础外，这个简短的部分应该可以缓解你对学习一门全新学科的恐惧。你不需要成为专业的设计师或数据科学家就能在图表制作上达到一个新的高度。
有了基本知识的准备，就可以开始学习制作好图表了。第二部分：创建是本书实践方面的核心。它为图表的改进提供了一个简单的框架。你将了解到哪些工具和技能可以帮助我们成功地实现四种基本可视化类型的创建。你还将学习如何就自己想展示的内容展开思考，然后草拟一个方案。这个过程所需的时间比你想象的要少。在短短一个小时内，你就可以极大地改进那些从Excel中自动生成的基础图表。你可能对此抱有疑问，因为你自认为天生不是学习可视化的料，这对你来说太难。但这可能不是真的，研究表明，尽管我们确信自己是视觉思考者（visual thinker）或语言思考者（verbal thinker），但两者的区别可能并不存在。
研究还表明，任何人都可以提高基本的视觉流利度（visual fluency），就像任何人都能做到在一门新的语言中学会足够的基本用语来与人交流，而无须彻底掌握这门语言。
第三部分：优化介绍了为框架完善的图表加工上精美而巧妙的视觉效果的重要技巧，能使图表既令人印象深刻又有说服力。它没有简单罗列出一个设计图表的注意事项，而是将设计技巧与它们创造出来的感觉联系起来。你可以用什么技巧来让图表看起来干净，或者让它简明到读者可以快速理解？这部分展示了如何使图表不仅能清晰地传达信息，还能改变人们的想法，促使人们采取行动。它还探讨了说服他人的边界问题，以及为什么某些技巧能够越过这个模糊的界限，变成对观众的欺骗和操纵。
第四部分：演示与实践展示了通过控制图表的演示方式和讲故事的方式，让图表的效果得到更大发挥，超越眼睛所见而深入到人的思考中去。它还提供了一个框架，帮助你通过自己主导的批评会话一发现自己和他人图表中的核心观点，以及发现自己想要使用的图表类型。它还为每天在网络上百家争鸣的大量图表提供了解决争议的依据推特（Twitter）上的数据可视化爱好者乐于公开接受各种对自己可视化作品的评判。9
《好图表，坏图表》这本书构建了一套完整的论证，但根据读者的具体需求，四个部分也可以独立为读者提供相应的信息和灵感，而且每章末尾都有对该章关键概念的简洁重述。当你面临的挑战是一场即将到来的带图演讲时，请直接进入演示与实践部分。如果你希望与团队一起用可视化方法对某些数据进行更深入的思考，请使用创建部分。我希望这本书能成为你韦编三绝的对象。
后有几点说明：首先，我会使用许多词来描述可视化交流，包括可视化、数据可视化、信息可视化、图表、图和信息图形。我知道有些人对这些词进行了具体的区分，但我不会这样做。在这本书中，这些词都是普适性的描述，说法的不同仅仅服务于文字的可读性和得体性。
其次，若以数据为主题的话，发现数据、收集数据、结构化数据、清洗数据、扰乱数据这些内容本身就是一整本书。而本书聚焦于可视化的过程，从数据收集完成开始，且假设读者了解并习惯使用电子表格等数据操作工具。对于更复杂的数据分析和数据操纵，我建议与数据专家合作使用配对分析法（paired analysis），本书第4章详细讨论了这种方法。
后，这本书中的大多数图表和情境故事都是基于现实情况和真实数据的。在某些情况下，出于对身份和保密性资料的保护，我对数据、图表标题、名称等做了更改。
………………

你还可能感兴趣

我要评论