這次，我們的故事大約在五年前開始，也許還有更多。 我的女兒正處在火車訓練階段，所以我和她將用木製的小火車搭建軌道。 有時，我們會接管廚房地板。
她希望我能在睡前給我讀《托馬斯的引擎》故事，而她最喜歡的節目是BBC的《托馬斯和朋友們》故事。 現在這和什麼有關JMP ？ 好吧，在當時，還不是當之無愧的事情。 在那個階段，我什至沒有為JMP工作。 但是因為我沒有去旅行（因為世界正在走向香蕉），我已經回到圖形設計的根基並研究數據可視化。 很好玩。
我一直在看我們自己的Xan Gregg（ @XanGregg ），翻閱其他演講中的筆記，閱讀愛德華·塔夫特和史蒂芬·菲爾。 我什至要和Nick Desbarats一起上幾節課。
在過去幾個月的某個地方，有些聲音發出了響聲，我意識到所有這些數據可視化專家都在同一條軌道上運行（如果您原諒雙關語的話）。 如果您將數據可視化專家所說的一切歸結為一個簡單的想法，那麼它可能就出自《 Thomas the Tank Engine》一書：有用。
華而不實的火車vs.工作的火車
在我女兒的（受版權保護的）書籍中，擬人化的火車通常都試圖發揮作用。 但是他們都有自己的個性：有些喜歡乾淨，有些不介意有些粗糙，有些喜歡浮華。 各種各樣，對吧？ 但最終，人類可以給予引擎的最高讚譽是它們是“真的有用。”並不是說它們漂亮，浮華或邊緣粗糙，只是因為它們很有用。
如果我們要對圖進行擬人化，則可能會有類似的感覺。 那麼，圖如何變得有用呢？ 好吧，它始於問題陳述，消息或發現圖形旨在進行通信。 讓我們看一些示例，將它們與它們的既定目的進行比較，然後看一些調整使其更有用。
此圖顯示在我的新聞提要中。 聲明的目的是根據[冠狀病毒風險]，“ [顯示]活動如何堆積”文章。
那麼，該圖滿足可視化練習目的的程度如何？ 對我來說，答案是：“他們做的還不錯，但可以做得更好。”我們稍後將討論其原因的細節，但核心點在於，很難一眼就分辨出哪些活動具有風險，並且很難比較活動之間的風險水平。
在下一個示例中，我將自己服用一些藥物，並使用為2020年萬聖節文章創建的視覺效果。 我分析了奧森·威爾斯（Orson Welles）播放的“世界大戰”的文字。 你可以看一下我的分析這裡。 可視化的目的是總結廣播腳本中的所有術語並突出顯示重要的主題或術語。
我怎麼辦 我會說我失敗了。 為什麼？ 好了，我們稍後再討論細節，但是詞云之類的東西更多地進入了數據藝術領域。 您會看到詞云被用作徽標，營銷材料，T恤衫等，因為它們很有趣或視覺上引人注目。 作為交流見解的工具-即使有幫助突出顯示-它們也很糟糕。
啊，蜘蛛地……我的老宿敵。 抱歉。 我必須承認對這些有一定的偏見。 但是，讓我看看是否能使您明白為什麼他們這麼煩我（對雙關語很抱歉）。 這是一張蜘蛛圖的標題期刊文章：“圖中顯示了14種啤酒的5種感官屬性的蜘蛛圖。 不同的樣品具有各自的感官特徵，而樣品8、10、14、11、9和2分別具有最強的酸味，苦味，甜味，山羊味，酸味和“其他口味”。”而且，這是圖形：
是的 很糟糕。 但這在這些圖表中是相當普遍的情況。
進行這項工作以了解有關數據可視化的更多信息的一個缺點是，一旦發現問題，您實際上就無法看不見他們。 而且，當前世界的問題在於每天都會產生大量圖表。 在大流行和美國大選之間，我們被大量圖形所淹沒。 儘管這些可視化效果可能在邊緣處顯得浮華，拋光或粗糙，但在大多數情況下，很多功能都沒有用。 因此，我們有一個悲傷的，無法實現的圖形世界。 （這是一個可悲的想法，不是嗎？）嗯，這是假期，所以讓我們解決這個問題。 首先，我們需要解決潛在的問題。
漂亮也許沒有用，但有用總是美
為什麼會有這麼多無用的圖呢？ （我不會打電話給他們壞圖;它們沒有用不是他們的錯-他們只是這樣畫的）。 我的看法是，歸結為人們缺少一個概念：沒有用處的事情可能會很漂亮，但是有用的東西本來就很漂亮。 然後漂亮，我的意思是，某種形式的優雅來自完美地滿足其預期目的的東西。
尼克·德斯巴拉特使用希臘語端粒描述這個概念。 我們這個行業中的許多人（包括我自己在內）都無法適應可視化的邊界，以至於我們忘記了數據可視化是關於通訊。 一旦出於可視化的目的而進行可視化並丟失了該溝通工具，我們的圖形就有變得無用的危險。 現在，這並不是說這些無用的圖形不是漂亮的，只是它們不是最佳的交流工具。
堅持簡單的軌道
那麼我們該怎麼辦呢？ 我已經向您展示了一堆實際上並沒有用的圖表。 而且由於它們沒有發揮出應有的作用，因此它們是可悲的圖表。 我們不要悲傷的圖表，對嗎？ 沒有！ 因此，讓我們修復問題。
在第一個例子中，問題是作者沒有發揮大腦視覺處理系統的優勢。 如果我們要遵循丹尼爾·卡尼曼（Daniel Kahneman）書中規定的推理路線思考，快和慢，我們可以說我們有兩種處理信息的系統：一種是無意識地運行並且效率極高的系統（系統1）；另一個是為處理複雜問題而設計的，但更為故意（系統2）。 使用第二種系統還需要消耗大量能源，因此，如果使用第二種系統，我們就有可能使觀眾感到疲勞。 因此，當人們不得不對圖形進行認真思考時，它們就沒有用（即，悲傷的圖形），並且我們的大腦會變得疲倦（悲傷的大腦）！ 為了解決此問題，訣竅是使用第一個更本能的處理系統。
系統1設計用於快速模式識別，判斷線性距離和類似任務。 可以這樣想-如果幾千年前需要用它來決定生死攸關的瞬間，那麼它將由系統1處理。 這就是為什麼數據可視化專家對使用條形圖更好的想法寄予厚望的原因。 與曲線或面積相比，我們更擅長判斷線性距離（直線）。 我們通常使用系統1處理條形圖。 說這是一個人的另一種方式是硬連線快速讀取和處理條形圖中的信息。 兩點之間的最短距離是一條直線，而穿過我們大腦的最快路徑也恰好是一條直線！
回到第一個圖形，根本問題是我們正在創建一個要求我們使用系統2的視覺對象。 我們必須創建一些任意的縮放比例，針對該縮放比例量化活動的每個平方，並對每個平方的值求和。 所有這些只是為了獲得總風險評分。 然後，如果我們要比較活動，則必須再次執行該操作。 （只是讓我感到疲倦！）那麼，為什麼不這樣做圖表中的所有內容呢？ 這是一些替代方法（我在JMP中創建了兩個，另外一個是從德州醫學協會），適合使用系統1：
看到這些閱讀起來容易得多嗎？
讓功能驅動表格
讓我們再考慮一下啟動整個思路的坦克引擎。 您是否考慮過為何機車看起來如此？ 我的祖父是模型火車的忠實擁護者，所以我想我對這個話題的想法可能是遺傳的。 或可能是由於我小時候度過的暑假，他看著火車或去商店收集最新的物品。 無論哪種方式，我總是在蒸汽機車的外觀上找到某種優雅。
資料來源：https://en.wikipedia.org/wiki/Steam_locomotive_components
即使當他們決定對外觀進行現代化改造時，功能也驅動了這種形式：
來源：https://en.wikipedia.org/wiki/Steam_locomotive#/media/File:Number_4468_Mallard_in_York.jpg
同樣，我們應始終使用目的聲明某種。 請記住，圖要有用，必須有目的。 如果我們正在進行探索性分析，那麼該聲明甚至可能是推動調查的一個問題。
對於我使用的“雲”一詞，目標是以顯示腳本中最重要的主題。 雲這個詞做得不好。 正如我所說的，它比“數據可視化”更像是“數據藝術”。詞云在愚弄視覺感知方面存在問題，因為較長的單詞僅因其長度而“出現”在詞云中更為重要。 在下面的示例中，我對數據進行了一些處理，並將外觀更改為平行圖。 最好跟踪每個角色或一組角色與不同主題的關聯，以提供更有見地的視圖，以免誤導觀眾。 （順便說一下，這是交互式的，所以請單擊左側的“本地數據過濾器”。）
這裡的關鍵是美學很重要，但是有用的可視化的基礎是目標和對目標的明確說明。
不要纏繞在車軸上
人們嘗試使圖表變得性感的最簡單方法（是的，我稱之為圖表性感；克服它）是拍攝笛卡爾圖表（帶有x，y軸）並將其環繞在中心軸上。 這樣就產生了餅圖，雷達圖，蜘蛛圖等。是性感...但是它們是否盡可能有用？
這個問題的答案通常是“不”。人們無需連線即可比較徑向系統中的距離或尺寸（正確使用餅圖時，該規則是個例外）。 事情也會很快變得混亂。 而且，不幸的是，數據可視化世界中的許多人都陷入了這種陷阱，包括專家。
哦! 而且，而不是追求蜘蛛圖（…一次又一次），我們都同意Xan Gregg的觀點蜘蛛圖並不是特別有用看一下這個問題的一些不同例子。
的北極死亡螺旋（是的，獲得標題的情況就足夠了）是一個可靠的例子。 這個名字確實讓人聯想起戲劇，也許這就是視覺效果的最終說服力。
視覺的直接目標是傳達海冰量沒有逐年恢復的事實，實際上情況正在惡化。 問題（視覺上的問題）是，通過將數據轉換為徑向坐標系，我們現在正在使用System 2認知，這意味著我們的大腦必須更加努力地工作才能達到目的。 那麼，為什麼不去像這樣的系統1解決方案呢？
從這張圖中可以很清楚地看出：a）呈下降趨勢，b）遠遠低於過去40年中看到的任何水平。 此外，通過使用條形圖，我們正在使用系統1，這意味著您可能比第一個圖更快地得出這些結論。
第二張圖是Alberto Cairo用來在六個比例尺上衡量可視化效果的圖。 他最初是在第一本書中提出的。 Infografia 2.0，然後在功能藝術。
該圖的目的是在六個維度上傳達圖形在復雜度與清晰度之間的關係。 在我們的第一個示例的上下文中，它為（概念上）使用系統1和系統2的使用量評分。 這些尺寸以一對設計概念進行佈局（抽象與圖形，功能與裝飾，密度與亮度，一維與多維，新穎性與熟悉度以及新穎性與冗餘性）。 但是，通過圍繞中心軸散開這些尺寸，讀者必須掃描整個圖形以查看線對每一側的得分。 （同時連接分數會產生看起來像蜘蛛圖的異常情況，但我們會讓該點過去。）為什麼不這樣做呢？
傳達了相同的信息，並且它依靠快速的System 1認知來傳達信息！ 因此，您可以獲得信息快點。
我想我要說明的是，除非有確鑿的理由，對於真正有用的圖，避免使用徑向圖可能是更好的方法。
永遠誠實
這可能是一個棘手的話題，我不會指責任何人故意誤導他人。 當我們讓個人偏見滲入我們的勞動產品時，就會出現分析中真實性的問題。 數據分析和數據可視化在科學中具有主觀性。 您創建的任何視覺效果中都存在一種觀點或至少是數據解釋的元素。 我聽說過（Xan在探索峰會和空中JMP ），所有圖表都帶有偏見，有些圖表很有用（在著名的喬治·伯克（George Box）報價中有點重複）。 製作真實視覺效果的重點在於，我們在構建和數據解釋過程中所做的選擇都是透明的。 只需在圖形標題中放置要點即可簡單：
或提供有用的註釋：
重要的一點是，我們的圖需要擁有其假設和結論，而不是試圖隱藏它們。
整理東西
我在本文中沒有涉及很多內容。 確實，就我要提出的觀點而言，這些東西都是創建有用圖的簡單不同策略。 如果我們堅持製作真正有用的圖形的目標，那麼其餘的自然會隨之而來。
徑向圖通常不如線性圖有用。我們的大腦就沒有那樣連線。 由於讀者不了解自己的思維過程或無意識的偏見，因此無法表達自己的假設和解釋會使圖表變得沒用。 最重要的是，視覺上缺少問題陳述或論點將總是使製作有用的圖形變得更加困難。
因此，最終，讓我們都記住，有用的圖就是快樂的圖。 我們所有人都應盡力使圖表盡可能有用和快樂。 並希望您所有的圖表（以及您的假期）都開心。 現在，在“ Toga Springs”，雪開始在這裡落下，所以我去了一些可可和沈思。 到2021年再見。
