数据可视化的常见陷阱.docx

数据可视化的常见陷阱导读：〃一千个读者心中有一千个哈姆雷特〃，数据可视化亦是如此。在日常的 工作中，我们经常会遇到这样的情况：即使是完全相同的原始数据，不同的表达 方式会让读者有完全不同的理解。本文将介绍数据可视化过程中常见的几个陷阱 和处理方法，帮助大家更加准确、高效地展示数据，洞察数据背后的意义。
01什么是数据可视化数据可视化，是将抽象的数据、指标、概念进行具象图形可视的过程。其在几个 世纪前就是人们理解数据之间相互关联的首选方法。举个例子，最早的条形图开
发在1786年发威廉,普莱费尔发布的《The Commercial and Political Atlas》，这是有史以来第一个线性图和条形图。
T八上are 7^n T八//And/i/arA. ftrc 益/t/if JftA betulin at
（史上第一张条形图）

威廉•普莱费尔想比拟苏格兰一年内(1780-1781 )的进口总额和出口总额，并按照进出口的来源和目的地进行细分。为了绘制进出口总额，区分进出口的来源和 目的地，他尝试了许多方法，最后发现条形图和标尺的组合可以到达他想要的效 果。这就是世界上第一个有记录的条形图的来源，它最后的呈现结果如上所示。
数据在可视化之前，纵使作者阐述时巧舌如簧，效果也会大打折扣。原因很简单， 字不如表，表不如图。数据本身是有沟通障碍的，尤其是当读者或者上级对数据 不敏感时，此时的可视化就相当于是一种“翻译"，将数据以及数据背后的逻辑， 准确又高效地传递给对方。
02数据可视化的常见陷阱在日常的工作中，我们经常会遇到这样的情况：即使是完全相同的原始数据，不 同的表达方式会让读者有完全不同的理解。下面我们将会针对几个常见可视化案 例，来探讨数据可视化过程中的陷阱和处理方法。(以下数据已脱敏)
案例1 ：百变的坐标抽背景说明：11月下旬网易某产品更新了版本，对产品样式进行了较大调整。图 1-1是某个模块的曝光情况。通过以下折线图数据，A同学得出结论：新版对该
模块的曝光没有明显影响。
图1口
10月20日11月4日11月19日12月4日12月19日
事实上：图1-1是一个折线图：横轴展示了最近2个多月的样本点；纵轴同时展 示了 4个指标，但每个轴的高度很有限。
如果我们改变横轴的时间周期、调整纵轴的轴范围，我们会发现一个更加符合实 际的情况结论（如图1-2 ）:新版发布后，该模块的曝光人数下降了 10%以上， 无论是周末的高峰还是周中的平峰；且随着新版本的逐步覆盖，下降仍在继续。
一个简单的折线图，我们通过调整横轴和纵轴的轴范围，最终得到了问题的答案。
图1-2
500K
450K
曝光人数
400K
350K
11月26日12月1日12月6日12月11日 12月16日
案例2:图表样式的选择
背景说明：图2-1是某公司A-E这5款产品的月销量数据。但领导看到这个图以后仍然提出了几个问题：每个商品的销售趋势如何？谁更有开展潜力？每个月的 销量排名是怎样的？哪些产品高于平均水平？
图2-1
A
C
D
E
商品/月份
B
月份
■ 1
事实上：很显然，图2-1展示的条形图样式，没有快速解答领导的疑惑。
如果我们改变图表样式，调整横轴和颜色的维度，我们会发现领导提出的几个关 键问题都在图上得到了答案（如图2-2 ）:商品销量逐月上涨，其中商品B的增 幅最快；每个月的销量排名在图中一目了然，其中AB商品的销量大局部情况下 都高于平均水平。
图2-2月份商品

D100
0
1234567合理的图表样式和展示形式，能让读者快速理解数据，得到关键结论。
案例3:过度可视化背景说明：图3-1是某公司各城市的利润数据 每个城市对应一个条形图的颜色。
图3-1省/自治区 山东 广东 安徽 湖南 河南 福建 广西 吉林 天津 河北 陕西 云南 江西 上海 重庆 山西 北京 新曲 贵州 海南 青海 西藏 宁夏 四川
内蒙古 甘肃 江苏 浙江 湖北 辽宁-20K-10K 0K

-20K-10K 0K
10K20K
30K40K50K
利润
事实上：图3-1的这种形式可能看起来像一个有趣的视觉效果，但它并没有创造任何新的数据信息或使图形更容易阅读。
如果我们改变样式，用颜色来标识各省对应的地区，我们会发现更多的信息（如 图3-2 ）:华东和中南地区包揽了利润前7的省份；但同时，负利润的7个城市 中，华东和中南地区也占了 3个，说明两大区内部的利润表现极差较大，可以尝 试做一些内部优化。
图3-2省/自治区
山东
广东
安徽
湖南 河南
福建
广西 吉林 天津 河北 陕西 云南 江西 上海 重庆 山西 北京 新强 贵州 海南 青海 西藏 宁夏内蒙古 甘肃
江苏 浙江
湖北
辽宁 颜色是增强数据可视化的一种非常有效的方法，但不恰当或者过多的颜色选择也 会破坏视觉效果、适得其反。颜色的使用必须是基于某一个目的的，而不是用来 分散注意力的。
03总结数据可视化是一个提问与回答的过程。问题通常不仅透露你想要知道的内容，还 透露你实际知道的内容，更好的问题意味着更佳的理解。将问题分门别类，找到 合适的图表类型进行匹配，是一个需要长期实践和探索的过程。
最后，希望大家都可以根据需求正确理解数据、合理表达，让数据可视化帮助我 们的大脑减负，替我们的数据说话。
关于 豆彬，网易云音乐资深数据分析师。曾参与过网易云音乐、LOOK直播等产品的 分析工作。
-END -