1. 背景编辑
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 原则编辑
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 原则实践编辑
3.1 案例一
利用 GLAD 原则 对一张可视化驾驶舱进行评分,并提出改善意见。
https://bbs.fanruan.com/thread-133956-1-1.html
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
利用 GLAD 原则 对一张可视化看板进行修改优化。
未修改前:
修改:
原则 | 修改前 | 修改后 |
---|---|---|
数据类别和度量指标的使用是否恰当? |
|
|
度量指标是否恰当? 时间段指标与时间点指标的混淆 |
|
|
是否会分散注意力,增加读者的视觉负担? |
|
|
数据的密度:不宜过高,也不宜过低 |
|
|
颜色代表分类,颜色代表大小、颜色有故事 |
|
|
删除重复性词语、标签、图例不要重复出现 |
|
|
图形元素的精确度:选择合适的图表 |
|
|
通过标注,突出显示 |
饼图只有一个饼 柱状图就是几根柱子 条形图就是几个条 |
通过颜色和闪烁突出饼图中占比最大的,显示主要矛盾 加预警线,超过预警线标红;离职人数最大的月份突出显示 加了颜色区分,低于一定健康度后红色标注提示 |
修改后: