电子手册:

数据可视化过程要求智能设计,准确的数据

Fotolia.

管理 学会应用最佳实践并优化您的操作。

七个良好的数据可视化实践,用于视觉完整性

数据可视化需要视觉完整性,以确保它们存在的数据可以正确解释。遵循这些设计步骤以帮助您的可视化值得信赖。

在电子表格,报告等中读取原始数据很难。结果,好的数据可视化在将嵌入企业数据集的信息传递给业务决策者方面起着越来越重要的作用。

在许多组织中,数据可视化过程不仅仅是设计图表和其他信息图。数据分析人员和业务人员都使用自助式BI和数据可视化工具创建与文本的融合可视化的演示文稿讲一个数据故事。这意味着更有趣 - 而且启发 - 对于观看RAW数据的行或一系列图表的执行。

但是公民数据科学随着使用分析和可视化工具的人越来越多,他们必须遵循适当的设计程序,以保持他们所创建的信息图和数据故事的视觉完整性。

在这种情况下,视觉完整性 - 或图形完整性,因为它也被称为 - 意味着确保准确表示的内容代表了数据被可视化的内容,并且没有设计选择扭曲或混淆了固有的事实和分析结果。看看这些推荐的数据可视化实践,以帮助促进视觉完整性作为BI和分析举措的一部分。

包括关于数据出处的信息。没有正确引用所用数据的来源构建数据可视化留下有关如何收集数据的潜在重要信息,这可能会影响所传达的信息的可信度。

清楚地定义数据变量。可视化设计师可能会假定目标用户将理解包含在其中的数据变量的含义。然而,在许多情况下,只有附带的文本解释了它所涉及的内容,视觉表示才有意义。所有数据变量都应该明确定义,以防止可能的误解。

确保所使用的数据是完整的。有时,数据分析师决定从可视化中排除信息或以影响观众的解释的方式组织它可能是误导性的方式。一个例子是省略异常值这将迫使重新定义可视化数据。另一个涉及通过设置轴的范围来影响视图的轴阈值来影响观众的比较不同的数据值。第三个例子是遗留出与图表中包括的依赖的数据变量相关联。甚至不正确标记轴是违反数据完整性的,可以破坏否则良好的数据可视化。

并确保它一致。以观众能够正确理解的方式呈现数据。一个常见的错误示例是,在一个图表上叠加多个轴,并在不同的轴上添加直线——例如,有两个不同的y轴,一个标记在图表的左边,一个标记在图表的右边。这样做意味着比较;但是,如果两个轴之间没有关系,那么它们的直线之间就不应该有推断出的关系。其他例子包括对颜色、形状、纹理、线条类型和粗细的使用提供错误的假设。

在规模上也要保持一致。良好数据可视化中元素的大小应对应于数据指示的内容。在某些情况下,热情的设计师可能会尝试通过缩放结果来突出发现,使其看起来更加突出。这样做是欺骗性的,特别是作为图形元素的大小与实际数据值之间的比率变大。(这是Edward Tufte称为“Lie因子”在他的书中定量信息的可视化显示。)

保持可视化免受视觉“噪音”。设计良好的数据可视化不应该包括不能正确反映所呈现数据的图标或其他图形。在其他情况下,设计师在图像中添加编辑评论,这可能会影响数据的解释。

不要过滤掉数据,以便无法查看。有时,可视化的设计限制了可以查看数据的方式 - 例如,通过过滤Businese Execs可以钻取的数据维度的约束交互式仪表板。可视化不应防止观众自由地查看所有包含的数据值,无关,这些数据值与预定义的过滤条件集无关。

您可能会惊讶地发现,有多少可视化操作违反了这些基本准则。数据分析师和其他用户必须小心地设计具有真正视觉完整性的数据可视化,以确保所呈现的信息被视为可信的——从字面上和形象上都是如此。

深入了解数据可视化软件

搜索数据管理
搜索AWS
搜索内容管理
搜索甲骨文
搜索SAP
搜索SQL服务器
关闭