1. 背景
有多少人可以用一句话来总结「好」图表的标准是什么？
很多读者曾研习过国际可视化标准和各种图表应用的技巧，但标准和技巧的内容可以罗列出数百条，当在工作中应用时，又很难逐一在脑海中闪过每条细则，而最后是否达成一张好图表，往往凭借的还是强大的个人经验。
比起基于标准规范式的方法论（rule-based），其实应该先有一个基于原则的判断逻辑（principle-based），以更宏观的方式来解决可视化问题。
2. GLAD 原则
马世权老师在「乐见数据：商业数据可视化思维」里提出，一个成功的商业数据可视化要满足两要素：
提供足够的商业价值
帮助读者快速理解信息
那什么是好的商业数据可视化图表？
答案：符合 GLAD 原则的图表
| 项目 | 中文含义 | 思考问题 | 评分标准 | 不恰当问题举例 |
|---|---|---|---|---|
G | 图表的灵魂：发现好数据与好洞察 | 数据是否恰当 | 如类别和度量使用恰当，得1分 | 类别的不恰当使用
度量指标的不恰当使用
|
| 洞察在哪个层次 |
| |||
L | 降噪：简约至上 | 特效／颜色／字体是否有明显「噪声」 | 如无明显噪声，得1分 | |
| 辅助信息（文字／标签／图例／标尺等）是否有明显「噪声」 | 如无明显噪声，得1分 | |||
| A | 精准表达：提升数据表达的准确度 | 图形元素的精确度是否过低 | 如图形元素选择准确，得1分 | |
| 数据密度是否合适 | 如数据密度合适，得1分 |
| ||
| 数据显示效果是否准确 | 如显示效果准确，读者不必做算术题，得1分 | |||
| D | 画龙点睛：突出洞察信息的标识 | 是否有突出洞察的标识 | 如洞察信息做明显突出区分，得1分 |
3. GLAD 原则评分实践
3.1 案例一
| 项目 | 思考问题 | 评分标准 | 点评 | 得分 | 满分 | 建议改善方案 |
|---|---|---|---|---|---|---|
G | 数据是否恰当 | 如类别和度量使用恰当，得1分 | 1 | 1 | ||
| 洞察在哪个层次 |
| 描述型分析 | 1 | 3 | 增加诊断／预测信息和洞察内容 | |
L | 特效／颜色／字体是否有明显「噪声」 | 如无明显噪声，得1分 | 动效有些多，上面4个指标卡+两个环形图都使用了特效 | 0 | 1 | 减少特效的使用 |
| 辅助信息（文字／标签／图例／标尺等）是否有明显「噪声」 | 如无明显噪声，得1分 | 1、颜色有噪声，不符合指标颜色一致性
2、图例和标签要一直配对查看
3、橙色预警和黄色预警颜色比较接近 | 0 | 1 | 1、同一个指标建议使用相同的颜色 2、环形图的图例合并到标签上 3、预警说明中的橙色和黄色建议换一个差别大一点的颜色 | |
| A | 图形元素的精确度是否过低 | 如图形元素选择准确，得1分 | 两个环形图的精确度较低，分类超过4个，就不建议使用饼图了，因为最小的几个值在饼图上看不到 | 0 | 1 | 换成条形图，通过条形的长度对比，更精确地感知各类别间的差异 |
| 数据密度是否合适 | 如数据密度合适，得1分 | 1 | 1 | |||
| 数据显示效果是否准确 | 如显示效果准确，读者不必做算术题，得1分 | 1、这里柱形图和折线图的组合图不太恰当 2、有一些货值的数据未显示
| 0 | 1 | 把组合图拆分，进行降维 | |
| D | 是否有突出洞察的标识 | 如洞察信息做明显突出区分，得1分 | 1 | 1 | ||
| 4 | 10 |
3.2 案例二
