在當今以數據驅動為主導的世界里，清晰且具有洞察力的數據可視化至關重要。然而，在創建數據可視化時很容易犯錯誤，這可能導致對數據的錯誤解讀。本文將探討一些常見的糟糕數據可視化示例，并提供如何避免這些錯誤的建議。

本文總結了8個數據可視化的典型錯誤，在日常工作中我們應該盡量避免，這樣才可以制作出更好的可視化效果。

1、誤導色彩對比

雖然使用不同的顏色有助于解釋數據可視化，但過多的顏色會讓用戶感到困惑。堅持使用有限數量的獨特顏色是至關重要的。

用戶不知道那個值更重要，并且當可視化中有太多的顏色時，用戶可能需要更長的時間來理解信息。

不要使用顏色來顯示哪個值比其他值高或低。具有高對比度的顏色使觀看者感知到更多的數據價值。確定對比度值的最簡單方法是在灰度上比較對比度顏色，而不是使用不同的顏色。

2、太多顏色的數據圖表

使用大量數據提供更有深度的內容并沒有什么錯，但如果一次性呈現太多數據，可能會讓用戶不知所措。

用戶無法理解所有的可視化細節，并且不知道該把注意力集中在哪里。

所以首先要確定用戶需要關注什么，這樣就可以將數據限制為與想要傳達的信息最相關的數據。并且不要把所有的見解都寫在圖表里。多種可視化可以幫助您更有效地交流數據。

建議在單個可視化中使用不超過5-6種顏色。

3、省略基線而只顯示比例

這種數據可視化問題在匯報時很普遍，它可能會顯示錯誤的模式，甚至是不存在的趨勢。

聽眾沒有完全理解這些數據，在某些情況下會導致誤解。當然也可以故意這么做，你懂的

4、誤導性標簽文字

在數據可視化中，不僅圖表本身可以表達含義，標題、標簽、符號和描述也幫助用戶理解信息。如果這些更改呈現的故事與數據有所不同，則用戶可能會感到困惑。

上面這張圖表描繪了遭受骨科損傷的兒童的百分比。如果用戶只看標題而不看描述，他們可能會認為5.2%的正常兒童患有脊髓損傷，從而產生嚴重的誤解。

即使數據是正確的，如果文本修改具有誤導性，也可能影響受眾的解釋。

只有在需要說明所展示的內容時，才應使用書面描述。并且要確保標題、標簽和描述傳達的意思沒有誤導性。

5、錯誤的可視化方法

選擇適當的可視化來表示數據是數據可視化的關鍵步驟。可能有幾個圖表適合顯示數據，但是如何選擇最好的一個呢?

在上圖中，兩個圖表都可以顯示每個候選人的回答百分比。但是當我們用餅狀圖表示它時，用戶可能會感到困惑，因為圖表部分看起來彼此相似，并且數字不能等于100%。

所以需要為數據選擇合適的圖表，必須首先確定數據試圖傳達什么樣的見解。一旦有了這些信息可以按照下面的方法來選擇使用那個圖表

6、沒有因果關系的相關性

你有沒有遇到過數據顯示出相似的趨勢，但是原因卻有很大的不同?如果你把他們放到一起，可能導致用戶試圖找出與彼此無關的事情的原因。

如圖所示，自殺人數的上升與美國在科學、太空和技術方面的投資數額的上升是同步的，這似乎是相同的趨勢。然而，如果我們在科學上投入更多的錢，我們真的會看到更多的案件的增加嗎?

這種相關性是誤導性的，因為它沒有聯系。所以在制作圖標前一定要確認趨勢相同的數據是否有相關性。

7、放大有利數據

這是一種選擇性地展示支持你觀點的數據，同時忽略與你觀點相反的證據的方法。在可視化中只會顯示一點點來自實際數據的見解。

這種可視化隱藏了重要的數據，只給我們的用戶一點洞察力。

如果你是要做正經的報告一定要注意這一點，但是哪些不正經的匯報這個方法十分有用，你懂的。

8、3D圖形使用不當

大多數3D圖表不再經常用于顯示常見數據，因為它們有很大的數據失真風險，因為我們的人眼很難理解3D視覺效果。

但是有好多人卻在一直使用，這是因為他的視覺表現比較酷炫。

這個餅狀圖讓后半部分看起來比前半部分大，盡管實際值是30%比35%。另一種類型的3D圖表在準確顯示數據值方面存在一些問題。

3D圖表會扭曲數據的真實性。所以盡量使用2D圖表。當然如果某人偏愛酷炫的效果，那么就用吧，沒辦法。

并非所有數據都需要在可視化中表示

你的數據有時可能會為自己說話。有些值可以表示重要的信息，可能不需要在數據可視化中顯示這些信息。

在圖表或圖形中顯示數據可能是不必要的。數據可視化是一種傳遞信息的手段。在某些情況下可以使用它，而在其他情況下使用其他工具更合適。

總結

掌握數據可視化意味著將復雜的數據轉化為令人信服的、真實的敘述。我們優先考慮每個圖表的清晰度、準確性和洞察力，確保這些數據和圖表可以為我們的決策提供準確的支持。正確的可視化不僅講述了一個故事，而且還賦予了決策權力。