数据可视化设计的精益之道

推荐会员: tutu 所属分类: 行业精选 发布时间: 2017-08-24 10:22

大数据

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。

大数据

大数据

2.使用场景

大数据

  • 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。
  • 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。
  • 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。
  • 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

大数据

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。

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。

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

大数据

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。

大数据

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。

大数据

3.坐标轴。坐标轴包括X坐标轴、Y坐标轴和次坐标轴。

  • 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。
  • 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。
  • Y轴刻度值尽量转化为千位分隔符,如K,M,B。
  • Y轴最大值取值要恰当,保证图表占据2/3以上。

大数据

4.缩略轴。包括滑面和滑柱。

  • 拖动滑柱滑动,增加或较少滑面,从而改变查看密度。
  • 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。

大数据

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。

  • 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。
  • 所有形式总长度超过内容区换行或换列。
  • 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。
  • 连续型数据通过渐变色来展示数据大小的变化。

大数据

6.提示信息。包括查看单个数据点和多个数据点。

  • 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。
  • 提示内容遵从表单规范,按照冒号对齐。
  • 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。

大数据

7.预警线。数据超过阈值就会报警,帮助用户监控数据。

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。

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。

大数据

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。

大数据
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。

大数据

4.适配

  • 增减留白。图表大小固定不变,只是增减留白空间。
  • 等比缩放。图表的长宽都以相同比例缩放。

大数据

UI

1.颜色

(1)颜色主题

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。

大数据

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。

大数据

(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”。

大数据

(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。

大数据

(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。

大数据

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”。

大数据

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。

大数据

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。

大数据

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

来自36大数据(36dsj.com):36大数据 » 图表设计总结:数据可视化的精益之道

关键词:

版权声明:本站原创和会员推荐转载文章,仅供学习交流使用,不会用于任何商业用途,转载本站文章请注明来源、原文链接和作者,否则产生的任何版权纠纷与本站无关,如果有文章侵犯到原作者的权益,请您与我们联系删除或者进行授权,联系邮箱:service@datagold.com.cn。

发表评论

电子邮件地址不会被公开。 必填项已用*标注

This site uses Akismet to reduce spam. Learn how your comment data is processed.