如何有效将阅读效率提高200%？
每一个数据背后都透露着一个信息，在信息爆炸的时代，数据可视化不仅只是呈现数据，还能帮用户理解数据背后隐藏着的含义。
数据可视化的用途非常多样，例如后台看板、月报、财报之类的，它以各种各样的形式出现在我们的生活中。
之前接了个紧急需求——Y事业部的精准试用平台的运营看板，在做项目的过程中有了更加深入的体会，借着这次机会结合以往的项目经验，总结出一条做数据可视化的方法论，来跟大家聊聊~
-
PART · 1
数据可视化的历史演变
（1）萌芽
关键词：空间、时间、距离 学术研究
早在17世纪前，世界就已经出现数据可视化的雏形。由于测量手段有限及数据样本量比较少，大多数都是集中于时间、空间、距离的测量上面，所以早期的雏形都是比较简单的描述空间的图表模型。这些最早的模型主要是用于学术研究，比较难以理解。
之后，笛卡尔发展出解析几何和坐标系，成为数据可视化的重要的一步。更多学科的萌芽发展，数据收集的方式有了系统性的发展，人们也开始用更多可视化方法处理数据。
（最早的图表，研究星体运行的轨道）
（托莱多到罗马之间12个当时已知的经度差异，Michael Florent van Langren）
（2）出现
关键词：统计学 经济发展 决策依据
进入到18世纪后，工业革命促进了社会繁荣，科技、文化也在这时期得到了充分的发展，也加速了数据可视化的发展。
1786年，苏格兰工程师、经济学家 William playfair 出版的《商业与政治图解》运用了图表记录工业革命时期的贸易情况，通过数据可视化辅助供资本家进行商业决策。后来，这些图表成为了现代数据可视化图表的经典样式。
（《商业与政治图解》描述英国这一时间段的贸易与债务情况，William playfair）
（3）发展
关键词：公共问题 普罗大众 视觉化呈现
到了19世纪，社会统计学对数据统计的需求也逐渐加大。由于城市化的发展爆发了很多公共问题，人们开始用视觉化表达来解决公共问题。
这个时期的数据可视化群体已经由专业的受众变成普罗大众，更加需要关注通俗性表达的问题。
所以这一时期的主要的转变是表达方式从抽象图表变成象形图表。但是其内核--数据表现的关系等结构层本质是没有改变的，只是从表现层有了一个比较大的提升。
（《拿破仑行军图》拿破仑军队的人数、行军距离、温度、经纬度、移动方向、以及时间和地域的关系，Charles Joseph Minard）
（19世纪，英国伦敦爆发霍乱，John Snow绘通过绘制水源与疫情分布找到疫情爆发的原因，从源头找到治理疫情的关键）
（4）黄金时期
关键词：多媒体交互式 生活应用 实时
到了现代，由于计算机的发明，人们搜集处理数据的方式有了一个极大的飞跃，同时也促进了数据可视化表现形式的变化。
面对大数据时代的到来，数据可视化已经广泛地应用到各种领域当中，给我们的生活工作带来了极大的便利。数据可视化通过实时动态变化或交互的方式来传达出有价值的信息，更好的应用到实际生活中去。
（2015年美国飓风可视化，直观地展示风速和移动方向）
（美国进百年的人口金字塔，借助可视化的力量揭示人口问题可能带来的社会问题）
（5）小结
通过大致了解数据可视化的发展历程，其实我们大致能够总结出比较关键的两点：
1.数据表现形态的变化：
2.用户群体及使用场景的变化：
随着表现形式越来越接地气，服务的用户群体越来越大，可以预见的是，数据可视化的应用场景将会渗透到我们生活的方方面面。
对于设计者而言，把数据可视化以最合理的形式运用到能解决人们各种需求的场景上，准确又生动地表达出数据背后的信息是重要的。
-
PART · 2
数据可视化的分类
我们以表现形式和使用场景进行交叉分析，到底怎样的场景下面适用哪种样式，我们应该如何去设计数据可视化，总结有没有什么共性的表达。
我们常见的可视化的作品一般会分成两种类型：
（1）注重效率的数据看板；
一般使用在效率产品上面，例如后台看板、理财APP等工具型产品上。由于数据量大，数据种类繁多，展现方式就需要简单直接，能直观清晰展现关键信息即可。
这种产品上面的可视化大多使用比较简单的图表模型，例如条形图、饼图、进度条这类简单的图表。这类简单图表有个特点：一个图表只讲一个信息，目的是减少用户的认知负担同时提高阅读效率。
以如下图的C2M精准投放运营看板为例，简单的可视化图表一个界面可以出现几个；但对于相对比较复杂图表，越少越好。为了令界面更加聚焦，一个界面最好只存在一个复杂图表，辅助多个简单图表。
这类数据可视化的表现准则：准确、有效、清晰、美，视觉呈现简洁优雅。
（京东C2M精准试用后台运营看板）
（Taro IDE的运营监控看板）
（2）注重感受传达的可视化作品
一般使用在不太严肃的场景，例如海报等。目的是借助视觉化的手段传达信息，让用户以视觉语言寻找到数据信息的艺术感知。
信息时代数据疯狂增长，用户每天都需要面对大量的数据信息。为了帮助用户快速了解数据背后的含义，用更加艺术化的方式呈现出来。在传达数据信息的同时，也注重给用户美的享受。
这类数据可视化的表现准则：数据的严谨性、呈现的艺术性。
（重庆市疫情地图，数据可视化呈现让这些疫情病例从冷冰冰的数字变成让人触目惊心的数字）
（京东2018 Q3财报，用可视化的方式传达出京东这些日子做出的努力及成果）
-
PART · 3
数据可视化的创作方法论
（1）确定可视化目标
刨除表现层的视觉样式、语义符号的表达，最重要的一点是：透过视觉表层，分清数据表达的目标是什么。所以分析数据、选对模型，是可视化的最关键的一步。
国外专家Andrew Abela将可视化图表展示的关系分为4 类：对比、分布、构成、关系。
基本上我们所表达的目标都可以按照这4个维度进行归类。这张图表给图表类型的选型给出了非常全面的建议，就算复杂的可视化模型也可以基于基本图表进行再创作。
（Andrew Abela博士授权的中文翻译版，由《Excel图表之道》作者刘万祥翻译为中文版）
（2）根据展示信息进行图表重组
市面上面的图表样式种类繁多，但是如果按照表现形式一一比对选用的话，不仅效率低下还会陷入无穷无尽的选用陷阱中，毕竟图表是穷不尽的。
掌握产生图表的核心原理，才不会被可视化图表的表现牵着走。
所有复杂、多维的数据图表都是由最简单的单维图表组合而成的，我们也可以将这些最基本的图表单元想象成一个积木，能和其他积木组合然后产生新的反应。
什么叫单维图表？就是说一个图表样式只表示一个信息，而且是最简单的样式。例如条形图——只表达数量信息，刨去视觉样式无论是竖向的柱形图和横向的条形图，都是一样的。
（以上是图表表现信息的最基本图表，已经是拆无可拆的基本单元）
我们用拆分的思路去回顾一下我们经见的一些可视化图表，看看能不能这些可视化作品能不能化整为零，变成我们常见的最简单的图表。
（从上面两章举例过的案例进行拆分，包含两种类型：简约图表和数据可视化作品，分析由那些基本图表组成、表达了什么目标。）
（3）根据使用场景选择表现形式
当我们确定目标、选择能表达目标的图表类型组合之后，我们的可视化图表基本成型。表现形式只是浮于结构上面的一层皮而已，不同的表现形式需要根据我们的使用场景来判断。
例如：效率型产品使用简洁优雅的经典样式、情感化传达信息用艺术性的表达。
对于使用静态展示、动态视频演示还是互动式操作等，不同的表现形式也需要细细斟酌。
（视频动态展示形式，京东品牌识别宣传视频）
（4）小结：
其实制作数据可视化图表，我们也可以把它当成一个产品。我们从产品的角度去思考，可以把目标理解成战略层、基本图表重组是结构层的重构、视觉样式是表现层，也是可以从里到外一步步推导出来的。
最后是总结出来的数据可视化图表创作方法论：
1.我们数据想表现的目标
2.根据目标选择适合的图表进行重组
3.根据我们的使用场景选择表现形式
-
PART · 4
结语
本文先带大家了解数据可视化的历史，结合社会环境和数据可视化的变化带大家了解数据可视化的“成长史”。从历史的演变我们可以总结出可视化的表现形式以及使用场景的变化。
再结合两种常见的表现形式：经典图表样式和艺术化表达，分析一下使用场景对表现层的影响，也给出了一些数据可视化视觉的设计原则。
最后从这两种表现形式的数据可视化进行进一步剖析，总结出一条可以复用数据可视化创作的方法论。由表及里地一层层拨开数据可视化的核心，供大家参考。
参考资料：
·遇见大数据可视化：来做一个可视化报表 腾讯大数据可视化设计团队的专栏
· Friendly M . A Brief History of Data Visualization[M]// Handbook of Data Visualization. Springer Berlin Heidelberg, 2008
· History of Information Graphics，信息图形史