数据分析图的十大错误,你占了几个?

大数据 数据可视化
优秀的数据可视化依赖优异的设计,并非仅仅选择正确的图表模板那么简单。全在于以一种更加有助于理解和引导的方式去表达信息,尽可能减轻用户获取信息的成本。当然并非所有的图表制作者都精于此道。

"数据可视化"是个好帮手,可以帮助用户理解数据。但是,你真的会用它吗?看看这里,数据可视化的十大错误你占了几个?

优秀的数据可视化依赖优异的设计,并非仅仅选择正确的图表模板那么简单。全在于以一种更加有助于理解和引导的方式去表达信息,尽可能减轻用户获取信息的成本。当然并非所有的图表制作者都精于此道。所以我们看到的图表表达中,各种让人啼笑皆非的错误都有,下面就是这些错误当容易纠正的例子:

1、饼图顺序不当

饼图是一种非常简单的可视化工具,但他们却常常过于复杂。份额应该直观排序,而且不要超过5个细分。有两种排序方法都可以让你的读者迅速抓取最多的重要信息。

方法一:将份额***的那部分放在12点方向,逆时针放置第二大份额的部分,以此类推。 

 

方法二:***部分放在12点,然后顺时针放置。

 

2、在线状图中使用虚线

虚线会让人分心,而是用实线搭配合适的颜色更容易彼此区分。 

 

3、数据摆放不直观

你的内容应该符合逻辑并于直观的方式引导读者阅读数据。对类目进行按字母,次数或数值大小进行排序。

 

 

4、数据模糊化

确保数据不会因为设计而丢失或被覆盖。例如在面积图中使用透明效果来确保用户可以看到全部数据。

 

 

5、耗费读者更多的精力

要通过辅助的图形元素来使数据更易于理解,比如在散点图中增加趋势线。

 

 

6、错误呈现数据

确保任何呈现都是准确的,比如,气泡图的大小应该跟数值一样,不要随便标注。

 

 

7、在热图中使用不同颜色

一些颜色比其他颜色突出,赋予了数据不必要的重元素。反而你应该使用单一颜色,然后通过颜色的深浅来表达。

 

 

8、柱状过宽或过窄

柱子与柱子之间的间隔***调整为宽的1/2。

 

 

9、数据对比困难

对比是呈现差异的有效方式,但如果你的读者不易对比时,效果就大打折扣了。确保数据的呈现方式一致,可以让你的读者对比。 

  

 

10、使用三维图

尽管这些图看来让人振奋,但3D图也容易分散预期和扰乱数据,坚持2D是王道。 

 

怎么样?看过10个数据可视化的错误之后,是否意识到领导对你的数据分析图表摇头的原因了,快行动起来吧~ 

责任编辑:庞桂玉 来源: 大数据
相关推荐

2010-05-10 09:10:51

Linux

2022-06-08 13:02:19

数据治理变革管理工具

2010-02-03 10:15:30

2009-12-23 15:26:21

微软决策错误

2019-09-25 15:30:15

2013-02-26 11:18:14

2019-07-29 15:15:45

2022-09-07 15:49:53

敏捷IT团队

2019-07-31 10:59:36

2023-03-10 09:00:49

Swift开发者工具

2019-08-02 16:15:13

2013-10-23 14:34:15

2013-11-04 09:29:14

科技创业IT

2009-01-05 18:53:53

服务器管理

2010-08-16 13:51:22

DIV+CSS

2024-02-26 12:34:52

模型数据决策模型

2022-10-09 15:32:05

数据分析大数据运营

2016-01-11 11:32:41

Java程序员错误

2009-08-31 09:05:51

2010-09-02 13:28:55

CSS
点赞
收藏

51CTO技术栈公众号