Datavisualiseringsdesign är processen att skapa grafiska element och kompositioner för att presentera information och data i en mer begriplig och tillgänglig form. Målet med design av datavisualisering är att göra komplexa datamängder mer läsbara, begripliga och intuitiva för publiken.
Grundläggande principer för design av datavisualisering inkluderar:
- Tydlighet och enkelhet: Visualiseringar ska vara enkla och lätta att förstå. Undvik överflödig information och komplexa element som kan göra det svårt att förstå.
- Välj lämpliga grafer och diagram: Olika typer av data representeras bäst med olika grafer som cirkeldiagram, stapeldiagram, linjediagram, etc.
- Färgschema: Färger kan förbättra uppfattningen och diskrimineringen av data. Det är viktigt att välja färger som är lätta att urskilja och inte vilseledande.
- Hierarki och organisation: Strukturera din data baserat på dess betydelse och relationer. Använd element som storlek, färg och form för att markera viktiga aspekter.
- Interaktivitet: Beroende på datapresentationsmiljön kan lägga till interaktiva element förbättra upplevelsen av att interagera med informationen.
- Anpassningsförmåga: Se till att din visualisering kan ses på en mängd olika enheter och skärmar.
- Sammanhang och rubriker: Inkludera sammanhang och bildtexter för diagram för att ge din publik den information de behöver för att förstå.
Datavisualiseringsdesign används flitigt inom olika områden som t.ex affärsanalys, journalistik, vetenskap och utbildning. Hög kvalitet datavisualisering Främjar en bättre förståelse för komplexa begrepp och hjälper dig att fatta välgrundade beslut baserat på dataanalys.
Kraften i datavisualisering
Din hjärna är kopplad till att bearbeta visuellt innehåll mycket snabbare än text, vilket är anledningen till att datadesign är så kraftfull. Genom att "se" data tar din hjärna lättare emot, syntetiserar och behåller informationen som presenteras.
Tyvärr tror många att en kombination av flera diagram innebär att du gör en bra datavisualiseringsdesign. Inte nog med att du inte gör det bra; Du kan verkligen skada ditt varumärke. Icke-standard datadesign finns i många former: Förvirrade visualiseringar, felmärkt data, 3D-diagram som förvränger uppfattningen, etc. I dessa fall kan din auktoritet vara på spel, och ingen vill det.
Viktiga skillnader mellan import och export
Även om du inte förvränger informationen, om du inte presenterar den i den mest optimerade formen, gör du en otjänst mot din läsare. Lyckligtvis finns det många enkla saker du kan göra för att säkerställa att dina databerättelser har den inverkan de borde.
Så om du är redo att ta ditt designspel för datavisualisering upp ett snäpp, har vi sammanställt vårt teams bästa tips för att hjälpa dig rätta till vanliga datadesignmisstag och förbättra befintliga datavisualiseringar, ett diagram i taget. Vi har till och med organiserat den här listan i kategorier om du behöver en snabbreferens. Vi hoppas att de hjälper.
25 fullmäktige. Datavisualiseringsdesign
Låt oss först titta på några allmänna saker att tänka på. Kom ihåg att varje designval för datavisualisering du gör bör förbättra din läsares upplevelse, inte din. (Tyvärr, men det här handlar inte om att visa upp dina fantastiska linjekonstkunskaper.) Följ dessa tips för att göra dina data rättvisa.
1) Välj en tabell som berättar en historia. Det kan finnas flera sätt att visualisera data korrekt. Tänk i det här fallet på vad du försöker uppnå, budskapet du kommunicerar, vem du försöker nå osv.
2) Ta bort allt som inte stöder berättelsen. Nej, det betyder inte att du dödar hälften av dina datapunkter. Men var medveten om saker som onödig grafik, extra kopia, onödiga illustrationer, skuggor, ornament, etc. Det fina med datavisualisering är att design kan hjälpa till att göra det hårda arbetet med att förbättra och kommunicera historien. Låt den göra sitt jobb. (Men använd inte XNUMXD-diagram. Som nämnts tidigare kan de förvränga visualiseringsupplevelsen.) Design av datavisualisering
3) Design för förståelse. När du har skapat din visualisering, ta ett steg tillbaka och fundera över vilka enkla element du kan lägga till, justera eller ta bort för att göra data lättare för läsaren att förstå. Du kanske vill lägga till en trendlinje i ett linjediagram eller inse att det finns för många segment i ett cirkeldiagram (använd max 6). Dessa subtila förändringar gör en enorm skillnad.
Jämförelse
Datavisualisering gör jämförelser mycket enklare genom att du kan "se" hur två olika uppsättningar data står sig mot varandra. Men att bara sätta två diagram sida vid sida gör det inte nödvändigtvis. I själva verket kan det göra det mer förvirrande. (Har du testat att jämföra 32 olika cirkeldiagram? Ja, jag tror inte det.)
4) Inkludera en nollbaslinje om möjligt. Även om ett linjediagram inte nödvändigtvis behöver börja från en nollbaslinje, bör det inkluderas om det ger mer sammanhang för jämförelse. Om relativt små fluktuationer i data är meningsfulla (till exempel i aktiemarknadsdata), kan du trimma skalan för att visa dessa avvikelser. Datavisualiseringsdesign
5) Välj alltid den mest effektiva visualiseringen. Du vill ha visuell konsekvens så att läsaren kan jämföra med ett ögonkast. Det kan innebära att du använder staplade stapeldiagram, ett grupperat stapeldiagram eller ett linjediagram. Vad du än väljer, överväldiga inte läsaren genom att få läsaren att fungera genom att jämföra för många saker.
6) Titta på din placering. Du kan ha två snygga histogram som gör att läsaren kan jämföra poäng, men om de är för långt ifrån varandra för att "få" en jämförelse har du redan förlorat.
7) Berätta hela historien. Kanske ökade försäljningen med 30 % under fjärde kvartalet. Spännande! Men vad är mer spännande? Att visa vad du verkligen är ökad försäljning 100 % sedan första kvartalet.
Kopiera. Datavisualiseringsdesign
Data handlar naturligtvis om siffror, men det används vanligtvis i samband med kopiering för att ge sammanhang för punkten i fråga. Men i många datavisualiseringar, infografik och e-böcker vi ser att visualisering och datakopiering fungerar mot varandra, inte tillsammans.
8) Överdriv inte. Om kopian redan nämner ett faktum, bör underrubriken, bildtexten och diagramtiteln inte upprepa detta.
9) Håll diagram- och diagramtitlar enkla och raka. Det finns ingen anledning att bli smart, mångsidig eller ordleksfylld. Håll all beskrivande text ovanför diagrammet kort och direkt relaterad till diagrammet nedan. Kom ihåg: fokusera på den snabbaste vägen till förståelse.
10) Använd bildtexter klokt. Bildtexter är inte där för att fylla utrymmet. De bör användas avsiktligt för att lyfta fram relevant information eller ge ytterligare sammanhang. Datavisualiseringsdesign
11) Använd inte distraherande teckensnitt eller element. Ibland behöver man betona en poäng. Om så är fallet, använd endast fet eller kursiv text för att betona poängen, och använd inte båda samtidigt.
Färg . Datavisualiseringsdesign
Färg är ett bra verktyg om den används på rätt sätt. Om den används dåligt kan den inte bara vara distraherande, utan också vilseledande för läsaren. Använd detta klokt i din datavisualiseringsdesign.
12) Använd en färg för att representera samma typ av data. Om du ritar försäljning månad för månad på ett stapeldiagram, använd en färg. Men om du jämför fjolårets försäljning med årets försäljning i en grupperad graf, bör du använda en annan färg för varje år. Du kan också använda en accentfärg för att markera en viktig datapunkt.
13) Håll koll på positiva och negativa siffror. Använd inte rött för positiva tal eller grönt för negativa tal. Dessa färgassociationer är så starka att de automatiskt kommer att ändra innebörden i betraktarens sinne.
14) Se till att det finns tillräckligt med kontrast mellan färgerna. Om färgerna är för lika (ljusgrå vs. ljusgrå) är det svårt att se skillnad. Omvänt, undvik att använda färgkombinationer med hög kontrast som röd/grön eller blå/gul. Datavisualiseringsdesign
15) Undvik mönster. Ränder och prickar låter kul, men de kan vara otroligt distraherande. Om du försöker särskilja, säg, på en karta, använd olika mättnader av samma färg. Använd endast heldragna linjer i denna anteckning (inte streck).
16) Välj färger därefter. Vissa färger sticker ut mer än andra och lägger onödig vikt till data. Använd istället en färg med varierande nyans eller ett spektrum mellan två liknande färger för att visa intensitet. Kom ihåg att intuitivt koda färgintensitet enligt värden.
17) Använd inte mer än 6 färger i en layout. Nog sagt.
Märkning
Markering kan vara ett minfält. Läsare förlitar sig på etiketter för att tolka data, men för många eller för få kan komma i vägen. Datavisualiseringsdesign
18) Dubbelkolla att allt är märkt. Se till att allt som behöver en etikett har en - och att det inte finns några dubbletter eller stavfel.
19) Se till att etiketterna är synliga. Alla etiketter ska vara fria och lätta att identifiera med motsvarande datapunkt.
LinkedIn vs Facebook: Vilket är bättre för företag?
20) Märk linjerna direkt. Om möjligt, inkludera dataetiketter med dina datapunkter. Detta gör att läsare snabbt kan identifiera linjer och motsvarande etiketter utan att behöva leta efter en förklaring eller liknande punkt.
21) Överdriv inte. Om den exakta innebörden av en datapunkt är viktig för att berätta din historia, lägg till dataetiketter för att förbättra förståelsen. Om de exakta värdena inte är viktiga för att berätta din historia, inkludera inte dataetiketter. Datavisualiseringsdesign
22) Installera inte din typ i en vinkel. Om dina axeletiketter är för trånga, prova att ta bort alla andra etiketter på axeln så att texten passar bekvämt.
Beställa. Datavisualiseringsdesign
Datavisualisering är avsedd att hjälpa till att förstå. Slumpmässiga mönster som är svåra att tolka är frustrerande och skadliga för budskapet du försöker förmedla.
23) Beställ data intuitivt. Det måste finnas en logisk hierarki. Ordna kategorier i alfabetisk ordning, sekventiellt eller efter värde. Datavisualiseringsdesign
24) Ordna konsekvent. Ordningen på elementen i din förklaring bör efterlikna ordningen på ditt diagram.
25) Beställ jämnt. Använd naturliga steg på dina axlar (0, 5, 10, 15, 20) istället för obekväma eller ojämna steg (0, 3, 5, 16, 50).
Оставить комментарий