Datavisualiseringsdesign er processen med at skabe grafiske elementer og kompositioner for at præsentere information og data i en mere forståelig og tilgængelig form. Målet med datavisualiseringsdesign er at gøre komplekse datasæt mere læsbare, forståelige og intuitive for publikum.
Grundlæggende principper for datavisualiseringsdesign omfatter:
- Klarhed og enkelhed: Visualiseringer skal være enkle og lette at forstå. Undgå overflødig information og komplekse elementer, der kan gøre det svært at forstå.
- Valg af passende grafer og diagrammer: Forskellige typer data er bedst repræsenteret ved hjælp af forskellige grafer såsom cirkeldiagrammer, søjlediagrammer, linjegrafer osv.
- Farveskema: Farver kan forbedre opfattelsen og diskriminationen af data. Det er vigtigt at vælge farver, der er let at skelne og ikke vildledende.
- Hierarki og organisation: Strukturer dine data baseret på deres betydning og relationer. Brug elementer som størrelse, farve og form til at fremhæve vigtige aspekter.
- Interaktivitet: Afhængigt af datapræsentationsmiljøet kan tilføjelse af interaktive elementer forbedre oplevelsen af at interagere med informationen.
- Tilpasningsevne: Sørg for, at din visualisering kan ses på en række forskellige enheder og skærme.
- Kontekst og overskrifter: Medtag kontekst og billedtekster til grafer for at give dit publikum de oplysninger, de har brug for at forstå.
Datavisualiseringsdesign er meget brugt inden for forskellige områder som f.eks forretningsanalyse, journalistik, videnskab og uddannelse. Høj kvalitet datavisualisering Fremmer en bedre forståelse af komplekse begreber og hjælper dig med at træffe informerede beslutninger baseret på dataanalyse.
Kraften ved datavisualisering
Din hjerne er kablet til at behandle visuelt indhold meget hurtigere end tekst, og derfor er datadesign så kraftfuldt. Ved at "se" data, modtager din hjerne lettere, syntetiserer og beholder den præsenterede information.
Desværre tror mange mennesker, at en kombination af flere diagrammer betyder, at du laver et godt datavisualiseringsdesign. Ikke alene gør du det ikke godt; Du kan virkelig skade dit brand. Ikke standard datadesign kommer i mange former: Forvirrede visualiseringer, forkert mærkede data, 3D-diagrammer, der forvrænger opfattelsen osv. I disse tilfælde kan din autoritet være på spil, og det er der ingen, der ønsker.
Nøgleforskelle mellem import og eksport
Selvom du ikke misviser dataene, hvis du ikke præsenterer dem i den mest optimerede form, gør du din læser en bjørnetjeneste. Heldigvis er der mange enkle ting, du kan gøre for at sikre, at dine datahistorier har den effekt, de burde.
Så hvis du er klar til at tage dit datavisualiseringsdesign op et trin, har vi samlet vores teams bedste tips til at hjælpe dig med at rette almindelige datadesignfejl og forbedre eksisterende datavisualiseringer, ét diagram ad gangen. Vi har endda organiseret denne liste i kategorier, hvis du har brug for en hurtig reference. Vi håber, de hjælper.
25 råd. Design af datavisualisering
Lad os først se på et par generelle ting, du skal huske på. Husk, at hvert datavisualiseringsdesign, du foretager, bør forbedre din læsers oplevelse, ikke din. (Beklager, men det her handler ikke om at vise dine store stregkunstfærdigheder frem). Følg disse tips for at gøre dine data retfærdige.
1) Vælg en tabel, der fortæller en historie. Der kan være flere måder at visualisere data på. I dette tilfælde skal du tænke på, hvad du forsøger at opnå, det budskab, du kommunikerer, hvem du forsøger at nå osv.
2) Fjern alt, der ikke understøtter historien. Nej, det betyder ikke, at du dræber halvdelen af dine datapunkter. Men vær opmærksom på ting som unødvendig grafik, ekstra kopi, unødvendige illustrationer, skygger, ornamenter osv. Det fantastiske ved datavisualisering er, at design kan hjælpe med at gøre det hårde arbejde med at forbedre og formidle historien. Lad det gøre sit arbejde. (Men brug ikke XNUMXD-diagrammer. Som tidligere nævnt kan de forvrænge visualiseringsoplevelsen.) Datavisualiseringsdesign
3) Design til forståelse. Når du har oprettet din visualisering, skal du tage et skridt tilbage og tænke over, hvilke simple elementer du kan tilføje, justere eller fjerne for at gøre dataene nemmere for læseren at forstå. Du vil måske tilføje en trendlinje til et linjediagram eller indse, at der er for mange udsnit på et cirkeldiagram (brug maksimalt 6). Disse subtile ændringer gør en enorm forskel.
Sammenligning
Datavisualisering gør sammenligninger meget nemmere ved at give dig mulighed for at "se", hvordan to forskellige datasæt står over for hinanden. Men blot at sætte to diagrammer side om side gør det ikke nødvendigvis. Faktisk kan det gøre det mere forvirrende. (Har du nogensinde prøvet at sammenligne 32 forskellige cirkeldiagrammer? Ja, det tror jeg ikke.)
4) Inkluder en nul-basislinje, hvis det er muligt. Selvom et linjeplot ikke behøver at starte fra en nul-grundlinje, bør det inkluderes, hvis det giver mere kontekst til sammenligning. Hvis relativt små variationer i dataene giver mening (for eksempel i aktiemarkedsdata), kan du trimme skalaen for at vise disse variationer. Datavisualiseringsdesign
5) Vælg altid den mest effektive visualisering. Du ønsker visuel konsistens, så læseren kan sammenligne med et øjeblik. Dette kan betyde, at du bruger stablede søjlediagrammer, et grupperet søjlediagram eller et linjediagram. Uanset hvad du vælger, skal du ikke overvælde læseren ved at få læseren til at arbejde ved at sammenligne for mange ting.
6) Hold øje med din placering. Du kan have to flotte histogrammer, der giver læseren mulighed for at sammenligne point, men hvis de er for langt fra hinanden til at "få" en sammenligning, har du allerede tabt.
7) Fortæl hele historien. Måske var salget steget med 30 % i fjerde kvartal. Spændende! Men hvad er mere spændende? Viser, hvad du virkelig er øget salg 100 % siden første kvartal.
Kopi. Design af datavisualisering
Data handler selvfølgelig om tal, men det bruges normalt i forbindelse med kopiering for at hjælpe med at skabe kontekst for det pågældende punkt. Men i mange datavisualiseringer, infografik og e-bøger vi ser, at visualisering og datakopiering virker mod hinanden, ikke sammen.
8) Overdriv det ikke. Hvis kopien allerede nævner et faktum, bør underoverskriften, billedforklaringen og diagramtitlen ikke gentage dette.
9) Hold diagram- og graftitler enkle og præcise. Der er ingen grund til at blive klog, verbose eller ordspil. Hold enhver beskrivende tekst over diagrammet kort og direkte relateret til diagrammet nedenfor. Husk: fokuser på den hurtigste vej til forståelse.
10) Brug billedforklaringer med omtanke. Forklaringer er der ikke for at fylde pladsen. De bør bruges bevidst til at fremhæve relevant information eller give yderligere kontekst. Design af datavisualisering
11) Brug ikke distraherende skrifttyper eller elementer. Nogle gange har du brug for at understrege en pointe. Hvis dette er tilfældet, brug kun fed eller kursiv tekst for at understrege pointen, og brug ikke begge dele på samme tid.
Farve . Design af datavisualisering
Farve er et fantastisk værktøj, hvis det bruges korrekt. Hvis det bruges dårligt, kan det ikke kun være distraherende, men også vildledende for læseren. Brug dette klogt i dit datavisualiseringsdesign.
12) Brug én farve til at repræsentere den samme type data. Hvis du plotter salg måned for måned på et søjlediagram, skal du bruge én farve. Men hvis du sammenligner sidste års salg med dette års salg i en grupperet graf, bør du bruge en anden farve for hvert år. Du kan også bruge en accentfarve til at fremhæve et vigtigt datapunkt.
13) Hold styr på positive og negative tal. Brug ikke rød for positive tal eller grøn for negative tal. Disse farveassociationer er så stærke, at de automatisk vil ændre betydningen i beskuerens sind.
14) Sørg for, at der er tilstrækkelig kontrast mellem farverne. Hvis farverne er for ens (lysgrå vs. lysegrå), er det svært at se forskel. Undgå omvendt at bruge farvekombinationer med høj kontrast som rød/grøn eller blå/gul. Design af datavisualisering
15) Undgå mønstre. Striber og prikker lyder sjovt, men de kan være utroligt distraherende. Hvis du forsøger at differentiere, f.eks. på et kort, skal du bruge forskellige mætninger af samme farve. På denne note skal du kun bruge optrukne linjer (ikke streger).
16) Vælg farver i overensstemmelse hermed. Nogle farver skiller sig mere ud end andre og tilføjer unødvendig vægt til dataene. Brug i stedet én farve med varierende nuance eller et spektrum mellem to ens farver for at vise intensitet. Husk intuitivt at kode farveintensitet efter værdier.
17) Brug ikke mere end 6 farver i ét layout. Nok sagt.
Mærkning
Mærkning kan være et minefelt. Læsere er afhængige af etiketter til at fortolke data, men for mange eller for få kan komme i vejen. Datavisualiseringsdesign
18) Dobbelttjek, at alt er mærket. Sørg for, at alt, der skal have en etiket, har en - og at der ikke er dubletter eller slåfejl.
19) Sørg for, at etiketterne er synlige. Alle etiketter skal være uhindrede og lette at identificere med det tilsvarende datapunkt.
LinkedIn vs Facebook: Hvad er bedre for virksomheden?
20) Mærk linjerne direkte. Hvis det er muligt, skal du inkludere dataetiketter med dine datapunkter. Dette giver læserne mulighed for hurtigt at identificere linjer og tilsvarende etiketter uden at skulle lede efter en forklaring eller lignende punkt.
21) Overdriv det ikke. Hvis den nøjagtige betydning af et datapunkt er vigtig for at fortælle din historie, så tilføje dataetiketter for at forbedre forståelsen. Hvis de nøjagtige værdier ikke er vigtige for at fortælle din historie, skal du ikke inkludere dataetiketter. Datavisualiseringsdesign
22) Installer ikke din type i en vinkel. Hvis dine akseetiketter er for overfyldte, kan du prøve at fjerne alle andre etiketter på aksen, så teksten passer komfortabelt.
Bestille. Design af datavisualisering
Datavisualisering er beregnet til at hjælpe med at forstå. Tilfældige mønstre, som er svære at fortolke, er frustrerende og skadelige for det budskab, du forsøger at formidle.
23) Bestil data intuitivt. Der skal være et logisk hierarki. Organiser kategorier alfabetisk, sekventielt eller efter værdi. Design af datavisualisering
24) Bestil konsekvent. Rækkefølgen af elementerne i din forklaring skal efterligne rækkefølgen af dit diagram.
25) Bestil jævnt. Brug naturlige trin på dine akser (0, 5, 10, 15, 20) i stedet for akavede eller ujævne trin (0, 3, 5, 16, 50).
Efterlad en kommentar