以朋克一族的行事方式来学习可视化,此灵感源自 1977 年 1 月的《Sideburns》杂志

本文首次发表在 ComputerWorld 上。

“要高效地展示信息需要特殊的技能,这类技能并不是与生俱来,必须通过学习经验法则来掌握。”求Stephen Few 在他的优秀著作《Show Me the Numbers》(直观展示数据)中写道。

从原则上讲,我同意这个观点。

但这里有个问题:一些技能只能通过练习才能获得。知道构成纯功能图表的元素,并不会让您懂得人类心理学,以及参与和训练的必要性。而开始阶段汲取的失败和成功经验,则可以让您获得与书本中同样多的知识。

遗憾的是,我看到许多人因其他专家的存在而心生怯意,不敢参与到实践中来。他们认为自己需要先达到某个较高的水平,然后才能起步(示例见此博客的评论)。

我建议大家在了解了最基本的知识后就开始起步,然后边实践,边学习。

2012 年,现任 Google 数据编辑 Simon Rogers 就倡导大家采用朋克一族的方式来了解数据新闻学:“你我都能做到。”只知道两三个预先要注意的属性,并不意味着您将会制作出优秀的作品,但可以让您起步并带来更多的益处而非问题。

数据开启对话

这是我早期制作的仪表板之一,创建于 2008 年,展示了学生学习研究生课程的进度。

我作为分析师制作图表的经历始于牛津大学。我早期制作的图表都十分低劣。这与我料想的情况一模一样。但是,由于第一次能够直观地看到数据,足以让我的同事受到启发:“不错,但我不喜欢这种数据展示方式,而是希望这样来展示。”

我们两个人通力合作,不断更正,最终制作出适合每个人使用的仪表板。朋克一族的行事方式帮助实现了原型设计。这些是我在学业之余学到的。

分享初期作品可让您快速提高

分享早期作品可带来良性的反馈循环。在整个 2016 年,由社区引导的数据可视化项目 Makeover Monday 就印证了这一点。在该项目中,我们每周会分享一个新的图表及其数据,让大家在该原始图表的基础上重新制作。我们从将近 500 名用户那里收到了超过 3,000 份美化作品。

该项目中蕴含的朋克方式让大家不断成长。下面的推文展示了纽约分析师 Tom O'Hara 最初的美化作品之一。这份作品总体质量不高。故事主题不清晰,颜色运用也不理想。实际上,我并不太在意这些方面;我高兴的是他参与进来了。

一年下来,Tom 的技能水平突飞猛进。以下是他后来的一份美化作品。可以看到,他对设计和故事讲述技能的理解有了显著的进步。“参加 Makeover Monday 之前,我不知道如何通过数据来讲述故事。” 他对我说道,“我会制作一些随意的图表,忽略了这对最终用户的影响。Makeover Monday 帮助我强化了故事讲述技能。”

如果我们当初为 Makeover Monday 项目设立较高的门槛,这里就会只有那些已做出成绩的优秀人士,而让其他人裹足不前。就像 Tom 一样,许多人投身到项目中,并收到了关于自身作品的反馈。这种迭代式的公共学习方式提升了他们的技能。我希望只让数据可视化专家参与此项目,还是通过此项目来鼓舞更多人呢?答案不言自明。

杂乱的即席可视化探索也很重要



回顾您的最佳数据可视化作品的制作过程,一定充满了杂乱和无序。

许多人认为,可视化作品必须经过优化,达到可付印的水平。事实并非如此。杂乱无章的数据可视化探索与向管理层提供的数据展示一样重要。为进行探索,您可以随意将数据散布在画布上并制造一些混乱。

Aeria Games 柏林办公室的 Kirill Andriychuk 对此深有体会:“一天傍晚,我们与 Aeria Games 的 CEO 坐到一起,着手按国家/地区快速制作一些可视化,分析哪里的客户带给我们的利润最高。正在这个时候,他说:‘停下,停下,我们来看看这个。新加坡发生了什么事情?’原来我们在那里有一些盈利性相当高的客户,我们此前却对此一无所知。”

以朋克方式反复研究混杂的草案,可为您提供所需的见解。这些草案不需要保留或分享;这只是随意散布基本数据,由此探索其中的脉络关系。

本文的灵感来自我与 VisualisingData.com 的 Andy Kirk 最近主持的数据辩论会。如欲了解支持学术方式的论据,请观看该辩论会!

您可能会感兴趣的内容…

添加新评论 

订阅我们的博客