摘要：人們往往貪圖便利直接進行最直接的可視化，而沒有仔細想清楚目标。本文通過兩大問題，清晰劃分出了四類可視化方法，告訴你在四種不同的情況、目标下，你應該如何利用可視化提升自己的管理技能。
◆ ◆ ◆
導讀
不久以前，資料可視化還是一個可有可無的加分技能，多數情況下，是一些需要設計思維和資料思維的經理特意去學習的加分項。而現在情況不同了，資料可視化成為了所有管理者的必備技能，很多情況下，為了搞明白自己的業務，他們必須要選擇可視化交流方式。
資料是這個變化發生的幕後推手。業務上的決定越來越依賴于爆炸式增長的資料。資料增長的速度已經遠遠超乎我們的想象，不通過幾次抽象過程，我們完全無法了解資料在告訴我們什麼。而視覺抽象則是最有效的方法。
舉個例子：負責波音公司v-22傾轉旋翼機“魚鷹”項目的經理需要提高飛機起飛和降落的效率。但是每次的起飛和降落，飛機上的傳感器都會産生1tb的資料。10次的起飛和降落産生的資料就比美國國會圖書館所儲資訊總和還要多。
沒有資料可視化，想要找到隐藏在資料的規律和異常中飛機的效率問題簡直不可能。甚至非結構化資料也要求可視化的呈現。比如複雜的工作流程或者一個消費者在商店裡面的行動路線，如果你沒有親眼看到整個過程，沒有可視化的話是非常難了解的。
随着網際網路和各種低價甚至免費的工具的出現，即便是一個沒有什麼資料和設計背景的人都可以迅速将資訊轉化成可視化圖型。
這總體來說是一件好事，但是有一個問題：人們往往貪圖便利直接進行最直接的可視化，而沒有仔細想清楚目标。貪圖便利而放棄品質，這容易導緻最後的圖形無法清楚和有效的表達出資料的本質。自動将excel表格上的幾行資料轉化成圖示隻是展示了表格的一小部分，并不能真正表達一個想法。
用示範專家nancy duarte的說法來說就是“不要向大家表現你隻是在展示一個表格。你應該展示人的行為是如何影響資料的，人是怎樣讓這些線上下波動。你應該說‘我們是在這裡沒有達到我們的銷售目标的’而不簡單是‘這是我們的第三季度财政報表’”
想要提高自己制表水準的管理者一般從學習一些規範開始。什麼時候應該用柱狀圖？應該用幾種顔色？标簽應該放到哪裡？縱軸應該從0開始嗎？這些規範很有用也很重要，但是僅僅知道這些法則并不能保證就能做出出色的圖表。先學制表規範就像是不考慮政策直接執行，就像是還不知道去哪旅遊就開始打包行李。
如果從一開始你就明白資料可視化并不是一個單獨的問題，而是很多不同的計劃、資源和能力的結合，你的可視化結果會更有效。
我之是以寫這篇文章恰恰是因為我發現了自己犯了這個錯誤。這篇文章是從一本書簡化而來。當我開始寫這本書的時候的想法是做一個制表規範大全。但是當我了解了可視化的曆史，當今可視化研究激動人心的進展以及領域裡面領先的想法的時候，我對這本書的規劃發生了改變。我們需要的不是另一本規範大全，我們需要一本能幫助我們思考用視覺溝通作為一個整體的學科的書作為起點。
本篇文章所描述的結構是非常簡單的。隻需要回答兩個關鍵的問題，你可以為自己之後的成功打下堅實的基礎。
兩個問題
想要開始用視覺的方法思考，你需要考慮目前問題的本質和目标：
我所面對的資訊是概念性的還是資料驅動的？ 我想展示還是探索一些事情？
如果你能回答這兩個問題，你就可以計劃需要用什麼樣的資源和工具，并且你可以決定什麼類型的可視化可以幫助你更有效地達到目标。
第一個問題要比第二個問題簡單，答案往往非常明顯。你要麼在展示一些定性的資訊，要麼你在繪制一些定量的資訊：一個是想法一個是統計資料。這裡要注意的是，這個問題是關于資訊本身的，而不是你想最後展示資訊的方式。舉個例子，高德納公司的技術成熟度曲線是用一個傳統上資料驅動的方式展示的（一條曲線），但是展現的内容并不是真實的資料而是一個概念。
如果我們說第一個問題揭示了你有什麼樣的資料，那第二問題則想解釋你想要做什麼：要麼你想要表明一些資訊（表明），要麼你想解決一個問題（探索）。
一般來說管理者需要用到展現式的可視化用來傳達一個态度，一般來說是在一個比較正式的情況下。如果你有一堆銷售資料，然後你想用這些資料來展示每季度的銷售量，你的目标就是展示性的。
但假說你的老闆想知道為什麼最近的銷售業績不盡如人意。你懷疑可能是因為季節性原因導緻了銷售的下滑，但是你并不是很确定。你現在的目标就是比較探索性的，你需要用資料來展示出你的假設是正确的還是錯誤的。你的聽衆往往是你自己或者是幾個人。
如果你的假設是成功的，那麼你就可以直接向你的老闆展示一個表明性質的可視化圖表。”這個圖展示了為什麼銷售業績發生震動。”
探索性的可視化一般有兩種。在我們上面的例子中，你在證明一個假設是否正确。但如果你并不知道為什麼業績下滑，也就說你不知道你在資料中找什麼。這時候你需要挖掘工作簿中的規律、趨勢和不規則現象。
比如你可以看當你通過一個銷售人員負責的區域大小來看他的銷售業績會怎樣？天氣會影響銷售業績嗎？這樣的頭腦風暴會給資料分析帶來全新的視角。比較大的戰略問題，比如為什麼公司收入下降？哪些地方可以讓我們更加高效？客戶是怎樣和我們互動的？這些都可以從探索性的可視化中得到好處。
視覺溝通的四種類型
上面的兩個問題自然的将可視化溝通分成了一個2x2的四個象限：展現想法，産生想法，視覺探索和日常資料可視化。
一、展現想法
我們也可以叫這個象限“咨詢角”。咨詢師們會情不自禁的處理表格。展現想法最的就是利用我們了解比喻（樹、橋）和簡單的設計規範（圓，圖）。組織結構圖和決策樹是經典的展示想法的例子。我們這篇文章所用的2x2的四格圖也是一個經典的例子。
展現想法
資料類型：流程，架構 典型應用場景：展示，教學 主要技能：設計，編輯 目标：學習，簡化，解釋
展現想法的時候需要非常清楚和簡單的設計，但是大量比喻的引入，會帶愛不必要的附加品。因為展現想法的時候并沒有資料集所來來的規範和限制，這些規範需要人為産生。是以這個方向的關注點應該在于溝通，想法的架構和邏輯也要明了。這一部分最重要的技能與用文檔編輯器編輯文檔差不多，都在于将複雜的事情解構成它們的本質。設計能力也很重要，有的時候需要尋求幫助。
假設一個公司請咨詢公司幫自己的研發部門在其他行業找一些項目靈感。這些咨詢師一般會用一種叫做金字塔搜尋的方法：這是一種從與你熟知的領域專家那裡擷取他們領域中的頂尖人物，然後反複尋找下一個領域的專家的方法。
這個方法解釋起來有點困難，咨詢師用下面的圖來展現這個方法：
看到這些坐标軸我們可以一下子了解：橫軸表示離我們近或者遠的行業，縱軸表示專家程度的低到高。而金字塔圖型本身展示出來頂尖專家和入門級專家相比的稀缺性。而标題中的“爬金字塔”讓我們很快就可以了解這個概念。而最後設計師沒有無謂的對這個圖示進行裝飾，金字塔隻是一個三角形并不是一個真正的金色的四面體。
往往展示想法沒有我們看到的這麼出色，比如這個：
這張圖裡面的漸變色，箭頭的陰影和三位的金字塔都分散了我們的注意力。而這些箭頭并展示不了金字塔搜尋的本質。而且入門級專家和頂尖專家被放在了同一個平面上，而不是像之前的圖一樣放在了不同的高度表明兩者的地位不同。
二、産生想法
主管們不一定把可視化當做輔助他們産生新想法的工具，但常常會用于頭腦風暴：在白闆上，草稿紙上，或餐巾紙上。和展現想法一樣，産生想法依賴着概念的象征，但它更多地發生在沒有那麼正式的場合，比如辦公室外，戰略會議或早期的創新項目。它被用于發現如何看待商業運作以及解決複雜管理問題的新方法：公司團體重組，開發新商務流程，為決策系統編制規則。
産生想法
資料類型：複雜，未定義 典型應用場景：工作會議，頭腦風暴 主要技能：團隊組織，輔助 目标：解決問題，探索問題，創新
雖然“産生想法”可以單獨完成，但交叉使用設計思維、盡量多地收集不同的觀點和圖像處理方式收集會對此助益良多。
jon kolko是奧斯丁設計中心（the austin center fordesign）的創辦人、負責人，也是well-designed: how touse empathy to create products people love的作者。他把他辦公室牆上的白闆畫滿了概念性、探索性的可視化圖。“這是我們思考複雜事物的方法”，他說，“畫出來能幫助處理意味含糊的問題，得出明确結果。”
擅長帶領團隊，組織頭腦風暴，鼓勵并捕捉創造性思維的人在這一塊能做得很好。設計和編輯技巧在這裡并沒有那麼重要，而且時常起反作用。但你在尋找突破口時，編輯并不是你要做的事，你應該給出一份大緻内容的草稿。細節設計會使你的節奏慢下來。
假設一個市場團隊正在出差。團隊成員需要想出一個展示給總經理他們對高端市場戰略的方式。在白闆前集合一個小時能産生許多報告的方式，而最終，一個方案赢得全隊同意，因為它捕捉到了關鍵：争取少量高消費客戶。白闆的内容如下圖：
當然，伴随産生想法出現的圖像經常需要更正式的設計，在報告中展現想法。
三、視覺探索
這是最複雜的部分，因為它實際上包括兩部分。一開始我們把以探索為目的的可視化分為兩種：證明假設，和挖掘規律、趨勢和不規則現象。前者更加目的明确，而後者比較靈活。資料越大越複雜，而你的相關知識越少，做法便越偏向開放性。
視覺探索
資料類型：大資料，複雜，動态 典型應用場景：工作會議，測試，分析 主要技能：商務智能，程式設計，配對分析 目标：趨勢發掘，結合情理了解，深度分析
視覺證明
面對這種任務，你要回答兩個問題：我所猜測的真的正确嗎？有其他描述這個想法的方式嗎？
資料範圍一般是可控的，而且你使用的圖表類型大多相似，雖然希望用新方法描述時你可能會嘗試些比較罕見的類型。視覺證明一般不會用于正式場合；你這麼做是為了準備适合用于報告的圖表，這意味着你的注意力需要從設計轉到快速生成可視化。電子表格操作和程式設計技能在這裡比較有用。
假設一個市場部經理認為一天中某些時間會有更多顧客用移動裝置購物，而不是座機，但他的營銷裝置并不能充分利用這點，他輸入一些資料到一個線上工具去驗證他的想法是否正确。
他仍然不能确認或否認他的假設，但他的原型技術和工具使用幫助他更簡單地通過不同方式觀察資料。他的工作完成得很快，設計也不成問題。他嘗試用線形圖代替柱狀圖（2）。現在他發現了一些東西，但同時處理三個變量不然能讓他得到想要的“移動vs座機”畫面，是以他再次用兩個變量嘗試（3）。每次重複時，他會評估是否能證明自己最初的假設：一天中某些時間相對座機，會有更多顧客用移動裝置購物。第四次嘗試時，他放大圖檔，證明了假設（4）。新的軟體工具意味着這類可視化相對以往更加簡單：它們會使我們全都成為資料分析師。
開放性的、用資料驅動的可視化一般是資料科學家和商務智能分析師的領域，雖然新工具正逐漸把商務經理們吸引到視覺探索中來。視覺探索值得嘗試，因為它通常能提供其它方式無法收集到的資訊。
因為我們并不知道我們正在尋找的東西是什麼，這些可視化會更直覺地呈現資料。在一些極端的情況下，這類項目會結合多個資料集，或結合自動更新的動态、實時資料到系統裡。統計模型會從中受益匪淺。
視覺探索會引發互動：經理們可以調節參數，加入新資料，重新可視化。複雜的資料有時候也适合特殊的可視化，比如force-directeddiagrams展示網絡如何分類，以及地理相關的圖表。函數在這兒很有優勢：分析，程式設計，資料管理和商務分析技能相比創造出報告圖表更為關鍵。意料之中的是，這是經理們最頻繁尋求專業幫助達到分析目的的部分。
anmolgarg, 特斯拉的資料科學家，曾經使用視覺探索來挖掘公司車輛生産的大量感應資料。garg創造了一張展示随着時間變化，車胎氣壓變化的互動式圖表。和經典的探索方式一樣，他和他的團隊首先做出許多可視化圖，然後找出使用方法：觀察應對低壓警報，車胎有否正确地充氣；尋找漏氣率；制作模型預測車胎什麼時候可能洩氣。四個車胎的氣壓通過以下的散點圖被可視化，讓觀衆一目了然。
garg為了找出隻能通過可視化展現的問題而探索資料。“我們一直在面對tb量級的資料，” 他說，“你不可能通過電子表或資料庫觀察資料。它必須在視覺上更直覺。” 為了報告，garg把這些探索過程轉化成了一些我們即将讨論的更加簡單的圖表。“管理層喜歡可視化。” 他說。
四、日常資料可視化
雖然資料科學家們大部分的工作是視覺探索，但主管們大部分的工作是日常資料可視化。這部分由你平常複制黏貼的基本圖表組成。一般來說他們是簡單的——線形圖，柱狀圖，餅圖和散點圖。
日常資料可視化
資料類型：簡單，少量 典型應用創景：正式場合，報告 主要技能：設計，故事陳述 目标：證明内容，設定情境
“簡單” 是關鍵。
理想情況下，這樣的可視化僅提供一個資訊，展現少數幾個變量。目的也是直白明确的：證明内容，設定情境。簡單是設計上的主要挑戰，是以設計技能非常重要。
在報告中，清晰和邏輯通順會使表格起到更大作用，因為時間有限。一個設計差勁的表格會使人産生疑問，報告者便要浪費時間去解釋一些本應該一目了然的東西。如果一張日常資料可視化圖不能把内容表達出來，它便失敗了，像一個需要好好解釋的冷笑話一樣。
這并不是說展示性圖表不能引起讨論。但讨論的内容應該基于圖表所含的内容，而不是圖表本身。假設一個人事主管将向董事會報告公司的醫療成本。她想傳遞的資訊是這些成本的增長已經放緩，正是公司對醫療加大投資的機會。
這位主管讀了網上一份帶有官方資料的報告，她下載下傳資料後用excel打開，幾秒後就出現了她的資料圖。但因為要用于報告，她咨詢了一位設計師同僚，加上更多細節。
圖檔注釋: 醫療投入和生産總值的變化
紅線：國家醫療投入 藍線：生産總值
這是一張精心設計過且精确的圖，但它可能不符合需求。董事會不需要二十年曆史去讨論公司對員工福利的投資。人事主管想要闡述的觀點是成本在過去幾年已經放緩增長。一般來說，如果一張圖需要觀衆花些時間去消化，這張圖和這些資訊量最好不是給聽報告的人的。
舉例來說，制定醫療政策的人在讨論長期趨勢前看到這張表格會非常受益。主管需要一些更簡潔的東西。
應該簡化成這樣：
圖檔注釋：年增長正在下降
簡練如此，是需要一些訓練和勇氣來達到的。你的動力是去概括你認識的全部。複雜的圖表會灌輸複雜的思想。
“看，這些就是我所有的資料和我完成的工作，” 它們仿佛會這樣說，但這并不是主管想要的。她想要吸引更多投資。用以上這張圖，她無需說一個字就能讓董事會了解這個趨勢，清晰地為她的闡述奠下基礎。
在某些情況下，“資料可視化” 是一個糟糕的詞。看起來，它把制作好的圖表程式設計了一個機械化的步驟。它創造了比圖表的創造所需更多的工具和方法。它就像是把《白鲸(moby-dick)》稱為“一串串位元組”，把《星空（the starry night）》叫作“一塊塊顔料”。
這也反映了在資料可視化的世界裡大家對過程的癡迷更甚于結果。可視化僅僅是一個過程。在制作一份好圖表時，我們實際在做的是在展示事實并幫助人們去感受——去領會可視化前不能領會到的東西，去改變他們的想法，去引導他們的行為。
一些通用的基本文法可以提高我們視覺溝通的能力，但優秀的可視化需要更廣的了解和戰略對策，希望本文提到的結構方法能對您在這方面的學習有所幫助。
原文釋出時間為：2016-07-05
本文來自雲栖社群合作夥伴“大資料文摘”，了解相關資訊可以關注“bigdatadigest”微信公衆号