十个应该避免的数据可视化错误

数据可视化错误（一）引人误会的色彩对比

色彩是最具说服力的设计元素之一。即使是细微的色调变化也会引起强烈的情绪反应。在数据可视化中，强颜色对比度可能会让观众认为价值差距比实际情况更大。例如，热力图用颜色描述值的大小。较高的值显示为橙色和红色，而较低的值显示为蓝色和绿色。值之间的差异可能很小，但颜色对比会产生热感和增强的差距感。

数据可视化错误（二）3D图形使用不当

几个世纪以来，三维空间的二维表示一直吸引着观众，但三维图形给数据可视化带来了两个严重的问题。
当一个3D图形部分遮挡另一个3D图形时，就会发生信息传递的阻滞。这是模仿自然界中的空间的结果-在自然界中，对象具有不同的X、Y和Z坐标。在数据可视化中，遮挡会模糊重要数据并创建错误的层次结构。

当3D图形通过透视压缩向图片平面后退或从图片平面投射出来时，就会发生失真。在绘图中，透视压缩使对象看起来像处在三维空间中，但在数据可视化中，它创建了更多错误的层次结构。前景图形看起来更大，背景图形看起来更小，数据序列之间的关系不必要地倾斜。

数据可视化错误（三）数据太多

这是一个永恒的设计问题--在追求清晰沟通的过程中，应该包含什么内容，删减什么内容。数据可视化也不例外，特别是当数据既丰富又发人深省的时候。
仅用一个视觉效果即可表达深刻的观点，乍听上去是个充满诱惑的事。那么问题究竟出在哪里呢？人类没有做好充分的准备来计算以视觉形式抽象的多个值的含义。

当可视化包含了太多的数据时，信息就会被淹没，数据就会融化成大多数观众无法忍受的图形大杂烩。

数据可视化错误（四）省略基线，截断比例尺

数据差异有时很大，比如根据地理区域衡量收入水平或投票习惯时。为了使可视化效果更具戏剧性或美感，设计师可能会选择操作图表上的比例值。
一个常见示例就是省略基线或从零以上的某个位置开始Y轴，以使数据差异更加明显。另一个例子是截断数据序列的X值，使其看起来与较低值的序列具有可比性。

数据可视化错误（五）有偏见的文字描述

告诉某人他们应该在图像中看到什么，他们很可能就会照做。可视化附带的文本(文案、标题、标签、字幕等)旨在为观众提供客观的上下文，而不是操纵他们对数据的感知。

数据可视化错误（六）选择错误的可视化方法

每种数据可视化方法都有自己的用例。例如，饼图是用来比较整体的不同部分的。它们可以很好地处理预算细分和调查结果(同一饼图)，但不能在不同的数据集(不同饼图)之间进行比较。
饼图可以用来显示三个相互竞争的企业的收益，但条形图会使这三个企业之间的差异(或相似之处)变得更加明显。如果可视化是为了显示一段时间内的收入，那么折线图将是更好的选择。

数据可视化错误（七）混淆的相关性

可视化数据集之间的相关性是帮助观众更深入地理解主题的一种方式。显示相关性的一种方式是将数据集叠加在同一图表上。当需要深入研究相关性时，叠加会使对比更加明显。但当覆盖率过高时，观众会很难找到联系。
在将相关性进行可视化的过程中，也可能会产生错误的暗示。一个著名的例子是将冰淇淋销量的增加与暴力犯罪的激增联系在一起，但实际上两者都是温暖天气的结果。

数据可视化错误（八）放大有利数据

数据与时间密不可分。可视化财务报表是常见的罪魁祸首。考虑一张图表，它显示了短期内强劲的数字，这使其看起来像是一家正在蓬勃发展的企业。不幸的是，缩小显示，该公司只经历了一次小幅上扬，而总体在急剧和持续的下滑中。

数据可视化错误（九）避免常见的视觉联想

视觉设计元素影响着人的心理。图标、配色方案和字体都带有影响观众感知的内涵。当设计师忽略这些联想或回避它们，转而倾向于创造性表达时，很少会进展顺利。
分析数据可视化是一项繁重的脑力工作。在认知的关键时刻，大脑可能不会花时间去解读熟悉的设计元素的崭新含义。

数据可视化错误（十）首先使用数据可视化

数据可视化将难以与上下文联系起来的数字形象化。当数据复杂且有多个变量在起作用时，它们揭示了意义。但可视化并不总是必要的。

如果数据可以直接用统计数据清楚而简明地传达，那就应该是这样的。如果文本描述更具洞察力，并且数据可视化的作用很小，则不需要可视化。