图表设计总结┃数据可视化的精益之道

1,516 阅读9分钟

数据可视化是传达信息的最好的方法之一,它可以直观地呈现数据,快速吸引用户的注意力。但是如果设计师对图表设计的理解有偏差,在界面呈现上可能会对用户产生错误的引导,因此笔者结合自己的工作经验对图表设计进行总结,希望每位设计师都能成为优秀的数据搬运工

下面我将从功能、交互和UI深挖图表设计的各个知识点,敲黑板划重点咯~

前言

1.概念

图表泛指在屏幕中显示的,可直观展示统计信息属性(时间性、数量性等),对知识挖掘和信息直观生动感受起关键作用的图形结构,是一种很好的将 对象属性数据直观、形象地“可视化”的手段。

如果说表格可以承载数据的全面性,那么图表可以完美展现数据的特点和变化,它对数据的解读能力是表格无法做到的。

2.使用场景

(1)比较数据差异情况。基于分类的数据,可以通过比较数据来了解不同分类的差异,比如柱状图。基于流程的数据,可以通过比较数据了解数据的变化趋势,比如折线图。(2)分析数据关联情况。展现数据间相互关系和数据的流向。比如桑葚图。(3)查看数据分布情况。对于错综复杂的变量之间关系,可以通过图表来找出规律。比如利用气泡图进行回归分析。(4)了解数据构成情况。发现各变量的占比情况,比如饼图。

3.原则

(1)轻量。众所周知表格是可以承载数据的全面性,但将相同的数据用可视化展示时,设计师总想将所有的信息堆砌在图表上,显得图表非常笨重,因此增加了用户的思考时间。在此建议明确你图表类型的特点,将主要信息呈现在图表上或者分层展示图表,比如数据钻取功能。(2)直观。设计师应该将数据信息清晰而直观地表达出来,使用户一眼就能洞察事实,更快地发掘商业价值并作出决策。(3)美感。缺乏美感的数据可视化仅仅是数据展示。美感包括两个部分,第一个部分是整体协调美,比如对图表中的各个元素(标题、网格、坐标轴、缩略轴、图例、提示信息、预警线和辅助线等)进行合理的排版和使用协调的配色。第二部分是局部细节美,比如设计师根据流行趋势给图表加上渐变色。

功能

我将用一种最复杂的图表类型-双轴图当作示范。1.标题。包括左对齐、居中对齐和右对齐。在选择某种对齐方式前,请兼顾图例的摆放位置。

2.栅格。包含点状、线状和斑马线。(1)根据数据特点选择横纵向辅助线,横向引导线增强水平方向的导视。纵向引导线增强垂直方向的导视。(2)线状建议用虚线,因为不是用户确定指向值。

3.坐标轴。坐标轴包括X坐标轴、Y坐标轴和次坐标轴。(1)X轴刻度方向的改变,如果维度过多,则横向刻度的展示范围有限。在没有缩略轴的情况下,需要适当改变刻度的角度(0~90度为宜)节省空间,但是要遵从人的阅读习惯是从左到右的规则。(2)Y轴初始值定为0,如果不是,则无法体现数据的全面性。如果数据的波动比较小有意义的(例如,在股票市场数据中),你可以截断刻度以显示这些差异。(3)Y轴刻度值尽量转化为千位分隔符,如K,M,B。(4)Y轴最大值取值要恰当,保证图表占据2/3以上。

4.缩略轴。包括滑面和滑柱。(1)拖动滑柱滑动,增加或较少滑面,从而改变查看密度。(2)拖动滑面滑动,保持滑面长度,进行前后移动。不改变查看密度,只改变查看范围。

5.图例。离散型数据包括横向排列和纵向排列,连续型数据包括连续图例。(1)所有图表类型的排列方式要统一,所以要考虑整体的图表空间是适合横向排列,还是纵向排列。(2)所有形式总长度超过内容区换行或换列。(3)双轴图包含了2种图表类型,不同类型的图例样式要有所区分。(4)连续型数据通过渐变色来展示数据大小的变化。

6.提示信息。包括查看单个数据点和多个数据点。(1)单变量的浮层提示内容为相同维度下选择的变量。多变量的浮层提示内容为相同维度下所有的变量。(2)提示内容遵从表单规范,按照冒号对齐。(3)拓展:直联表的图例是展示所有变量,但是交叉表不是,是“变量+列维度”的排列组合。

7.预警线。数据超过阈值就会报警,帮助用户监控数据。(1)预警线建议用实线,并用警示的颜色引起用户的注意,最好用邮件或短信通知用户。

8.辅助线。用户设置某值作为数据参考进行比较,比如设置平均分为参考数值。(1)辅助线建议用虚线,仅起参考作用。

交互

1.加载方式。加载动画建议使用和图表相关的样式。

2.排除异常值。允许用户剔除高度异常点,因为异常值会影响用户对整个图表的分析。

3.数据钻取。单击某个数据可以看到该数据的详细信息,变换分析的粒度。

4.适配(1)增减留白。图表大小固定不变,只是增减留白空间。(2)等比缩放。图表的长宽都以相同比例缩放。

UI

1.颜色(1)颜色主题1)深色背景。适合较少信息内容。优点:可以通过布局建立良好的视觉层次,深层次地反映内容,而且视觉吸引力强,给人以高端的视觉感受。缺点:可读性低。页面太过聚焦所以对留白的平衡要求较高。

2)浅色背景。适合较多信息内容。优点:可读性高,增加了页面空间。缺点:内容不聚焦,信息过少则页面显得太空。

(2)配色方案。首先要确保颜色数量足够满足数据系列在图表中的展示。1)使用成熟的色板,比如Flat UI Colors和Material Design Colors。2)使用流行的元素,比如渐变色。3)使用情绪板 ,情绪板是一种借助于图像,启发和探索用户的体验,然后再作用于视觉设计的研究方法。 可以调查并形成具有指导意义的“风格感受”和“设计元素”。

(3)颜色生成规则。一个变量统一用一种颜色,再按配色方案依次出每个变量的颜色。 使得同一图表的色彩搭配和谐且具有美感。

(4)视觉缺陷。世界上有一部分人群有视觉缺陷,他们无法通过颜色来得到来精准地区分图表的维度和变量。作为设计师不能忽略这部分较为庞大的特殊群体。

设计师常用的PS和AI提供了模拟红色盲和绿色盲的校样设置,选择“视图—校样设置—红色盲型/绿色盲型”。

想要从根本上解决这个问题,推荐一篇腾讯设计师的文章信息图形中的颜色探讨—面向色盲人士友好的设计解决方案。

2.布局视觉层级要符合逻辑层级,利用信息深度引导用户阅读。每个元素要保持一致,保证布局的整体协调。

3.插画符合主题和整体基调,简单易懂,数据可视化具有一定的认知门槛,有时候需要插画来提高用户的理解力。

4.留白信息过多容易造成视觉压力,合理的留白可以增强用户对信息的吸收能力。

5.字体避免有个性的衬线字体,字体要保证清晰可见。字体大小适中,太小影响阅读,太大容易占用图表控件。普通字体大概12px,标题用14px。

工具

1.使用大厂开放的图表库图表库的图表类型丰富且统一,而且大大节省了开发时间,比如百度的Echart和 阿里的G2。

2.在专业数据分析网站获取灵感笔者刚开始学习数据可视化就是拿着数据表格不停地在竞品上摸索,作为一名用户去感受这些图表的交互体验。这里推荐一份数据可视化网站名单 。

总结

1.先懂数据,再谈可视化为此我们要了解图表类型的适用场景和局限,可以看33种经典图表类型总结,轻松玩转数据可视化。了解这些可以帮助大家通过UI设计更好地展现图表的特点。比如展示各地区的人口密度,可以用柱状图来展示,但是我们发现用地图会更加接近用户的期望。

2.为了数据,过度可视化很多时候设计师在图表上很难展现自己的设计功力,从而会给图表增加过多的视觉效果,比如3D效果。

3.真实数据,友好可视化数据产品不要试图去掩盖问题,而要反映真实数据,暴露问题,并且和用户一同解决。比如对数据阈值进行监测,预警线就是很友好的可视化方式。

参考资料

1.http://www.199it.com/wp-content/uploads/2014/06/Data_Visualization_101_How_to_Design_Charts_and_Graphs.pdf2. http://www.woshipm.com/ucd/199509.html3.https://antv.alipay.com/vis/doc/design/principle/color.html4. http://www.woshipm.com/ucd/653066.html5.http://www.jianshu.com/p/2f34821b0e9d

(注:本文示例图表图片来自于BDP,我不是托~)