不做数据调研的可视化设计,都是在凭空捏造

CrazyPM产品经理社区  阅读数  22  2021-09-10 07:02:56

编辑导语:数据调研可以帮助我们更专业地做设计,尤其在数据可视化设计中,设计前对数据的了解可以帮助设计师提前做好方案规划,从而实现更好的可视化效果,展示数据的真实样貌。本篇文章里,作者就数据调研于可视化设计的重要性、以及如何进行数据调研等方面做了总结,一起来看一下。

不做数据调研的可视化设计,都是在凭空捏造

你说把大屏画好,却对数据摸不清头脑,然后你想,那我问你改到深夜要不要?

大家好,这里是EasyV数字孪生可视化设计师(划掉:腿长1米8的)元宝,来填坑了,这是最近几天写的关于“数据调研”的文章。

距离我上一次更新的文章也已经过去一年多了,系列前两篇指路:

今天这是《数据大屏设计师,我不信你没有这些困惑》系列的第3篇——关于数据调研。

不做数据调研的可视化设计,都是在凭空捏造

一、写在前面

  • 因为我是设计师,所以这是一篇设计师视角下的关于数据调研的心得,不够专业之处,欢迎指正交流~
  • 文风平易近人和蔼可亲,不严肃。

若无单独说明,配图均来自个人制作或EasyV平台。

二、为什么要做数据调研

上理论:

  • 可视化=装盘,数据=菜。
  • 菜有多有少,有干有汤,有长有短,如果你不知道菜啥样,你就装不好盘。
  • 避免“无中生有”、“凭空想象”地做设计,不然等接数据的时候,你要改很多 , 客户还会觉得你很不专业。
  • 客户对你的“理想效果图”很满意,但是因为数据原因,看到落地效果很差,会有种“被骗”的感觉,先扬后抑的情绪会影响交付。

好!举一些没有根据真实数据做设计而踩坑的生动例子。

1. 菜很多,但你准备了个小盘子

翻译:你预留的空间被数据撑爆了!

不做数据调研的可视化设计,都是在凭空捏造

最常见的是这种:

不做数据调研的可视化设计,都是在凭空捏造

如果设计前对数据做了了解,我们就可以针对性地做调整:

  • 调节X轴标签的文字方向,避免重叠。
  • 排序(柱子少的时候,我们可以很快地用肉眼比较大小,但柱子数量太多时,判断起来就没那么容易了)。

然后就能得到一个更好一点的可视化效果:

不做数据调研的可视化设计,都是在凭空捏造

没有对数据做截断处理:

不做数据调研的可视化设计,都是在凭空捏造

没有针对指标名称太太太太太长的情况做处理:

不做数据调研的可视化设计,都是在凭空捏造

增长率会超过100%,但是右侧轴的最大值卡死成了100:

不做数据调研的可视化设计,都是在凭空捏造

给翻牌器的数位留少了,都长到挡住了右边的icon:

不做数据调研的可视化设计,都是在凭空捏造

2. 你准备了大盘子,但菜只有一小点儿

翻译:你以为数据很多很饱满,但其很干瘪。

不做数据调研的可视化设计,都是在凭空捏造

一个近年来的趋势图,结果只有两年的数据,要是早知道是这样,就不会用折线图了:

不做数据调研的可视化设计,都是在凭空捏造

你以为数据是全省开花很丰满:

不做数据调研的可视化设计,都是在凭空捏造

但接了数据以后,发现很“惨淡”:

不做数据调研的可视化设计,都是在凭空捏造

如果早知道是这种情况,在设计上,可以在西北方加点光晕点缀,让地图的视觉更平衡,也更加突出:

不做数据调研的可视化设计,都是在凭空捏造

当然,也可以放大地图到东南部地区,但是不利于得到一个“全局”观感:

不做数据调研的可视化设计,都是在凭空捏造

3. 你准备好了盘子,但是菜没了

翻译:你设计完了,最后客户说这些指标数据取不到/不要了。

不做数据调研的可视化设计,都是在凭空捏造

令客户决定去掉某个指标的原因,包括但不限于:

  • 需要跨部门取数,那个部门的人不给。
  • 这个数据显得我们业务很差。
  • 这个数据在库里有做字段,但实际没有收集到。
  • 这个数据的计算规则太复杂了,被人问到可能说不清楚。
  • 我们地图上的点位和路线都是手画的,没有经纬度数据。
  • 我就是不想要了。
  • ……

作为设计师,又能怎么办呢?所以要在开始设计前,尽量确定取数难度和数据质量,降低客户砍数据的概率。

4. 菜不好看,但要你装盘得好看

翻译:就是数据美化。

不做数据调研的可视化设计,都是在凭空捏造

例如,数据差异太大,除了系列四,其他三类基本看不出来变化趋势:

不做数据调研的可视化设计,都是在凭空捏造

面对这种情况,我们不能去强行拉小差距(比如改大Y轴的最小值),这会造成数据观测的“失真”!但我们可以通过交互去解决:

不做数据调研的可视化设计,都是在凭空捏造

因为经常吃这种亏,所以我现在都是(在EasyV中)优先选择带“点击图例隐藏系列”功能的图表组件去还原设计了。

这种坑,对于“一枝独秀”的柱状图,也是可以套用的:

不做数据调研的可视化设计,都是在凭空捏造

还有这种,收入在上升,增长率在下降,客户说看上去像是业绩下滑:

不做数据调研的可视化设计,都是在凭空捏造

首先,我认为,这是读图(就是阅读理解)的问题,不能抛开指标本身的含义,去单独得出「下降就是业绩不好」的结论。环比增长率下降,但依然为正值,所以只是“增速变缓”而已。

但是,对于展示类的可视化大屏,客户不想被观众第一眼就理解为业绩变差,也是可以理解的!所以,建议增长率在下降的情况下,就不要展示增长率了,直接换成柱子的数据,增强业务在上升的感觉:

不做数据调研的可视化设计,都是在凭空捏造

如果甲方就是要显示增长率,可以在上一张图的基础上,将增长率做定制开发,显示在两根柱子之间:

不做数据调研的可视化设计,都是在凭空捏造

一些负面类数据,其实数据少才代表业务好,但客户经常会觉得“太空”:

不做数据调研的可视化设计,都是在凭空捏造

面对这种观感反馈,我们可以给出以下三种方案:

  1. 空什么空?那是业务好,请尊重事实,就这样不改了!
  2. 可以反转换成类似“不逾期率”、“良率”(但估计没有这样的反义使用)和“及格率”,这样业务好的时候就是满满的数据了
  3. 将图形换成带有警示意味的颜色,能得到一个比较顺畅的逻辑:红色少 = 坏的少 = 业务好 。

不做数据调研的可视化设计,都是在凭空捏造

大家应该看出来了,我们设计师能做的“美化”,不是去干“下降的变上升、少的变多、强行拉小差距”这种违背事实的骚操作。

不做数据调研的可视化设计,都是在凭空捏造

而是在尊重数据真实样貌的前提下:

  • 让观众把数据看全、看清;
  • 帮助客户更好地达到展示目的;
  • 用更符合逻辑的方式展示数据,促进理解。

5. 其他

图片(图片也是一种数据)的尺寸不都是方形,填充到容器内发生变形:

不做数据调研的可视化设计,都是在凭空捏造

这Y轴上一大串的0,真是有、、多:

不做数据调研的可视化设计,都是在凭空捏造

这种最烦人,大部分的X轴标签长度都可以在2行内显示完,就有那么一个特别的长,也没造成遮挡,但是就是看着不舒服:

不做数据调研的可视化设计,都是在凭空捏造

上面这种情况(就是文本长度差距大的),建议直接横向柱状图走起:

不做数据调研的可视化设计,都是在凭空捏造

总之,在对数据了解不充分的情况下,我们设计出来的可视化系统,无法很好地承接和展现真实数据的样貌,会显得很“蹩脚”、“不专业”!

三、那么我们应该去调研数据的哪些方面呢!

在论证完设计前做数据调研的重要性之后,我尝试总结了应该提前关注数据的以下特征。

1. 客户是否能提供数据

1)要展示的这些指标,是否都能提供数据?(就是提供数据接口)

  • 转给数据开发的同事核对数据接口细节;
  • 了解数据格式是否统一规范。

2)是否能提供地图上的经纬度数据

  • 全国各地的公司所在地的经纬度;
  • 水路运输的路径经纬度;
  • ……

不做数据调研的可视化设计,都是在凭空捏造

因为客户无法提供点位的经纬度,要手动“造点”。

2. 数据含义和文本长度

1)数据的含义是什么(别设计完了,别人问你,你说不清楚指标啥意思)

2)数据之间的关系

3)指标名称/文本类数据的长度:

  • 最少几个字;
  • 最长几个字。

不做数据调研的可视化设计,都是在凭空捏造

3. 数据的数量和种类

1)一共有多少个数据

  • 各区县营收柱状图:一共有28个区县;
  • 各节点健康状态:一共有120+个节点;
  • 地图上显示分公司点位:只有3个分公司;
  • ……

2)一共有多少种分类(我们要根据这个预置颜色/样式的数量)

  • 货物种类占比图:一共有15种货物(对于分类过多的,一般操作是:取前5,之后归为“其他”,我们预置6种颜色);
  • 预警信息一共有4个等级:一般、较重、严重、特别严重;
  • ……

不做数据调研的可视化设计,都是在凭空捏造

4. 数值范围

1)一般为几位数

2)最大值会到多少:例如,若是百分比会超过100%吗?

3)最小值会到多少:例如,最小会为负值吗?

4)是否可为空:例如,为空时如何处理:隐藏 or 占位标记?

5)是否有人为设定的区间:

  • 🌰>80%变为预警状态;
  • ……

不做数据调研的可视化设计,都是在凭空捏造

5. 数据格式

1)单位是什么

  • 人民币还是美元;
  • 元还是万元;

2)小数还是百分比

3)保留几位小数:小数末尾为0是否保留

4)带经纬度的数据格式

  • 基于什么坐标系;
  • 点线面数据的格式;
  • ……

不做数据调研的可视化设计,都是在凭空捏造

6. 其他

1)监控视频流

  • 画面比例是多少;
  • 视频流格式是什么。

2)图片类数据

  • 来源:静态还是URL;
  • 尺寸比例。

3)数据样式规范

  • “红增绿减”还是“绿增红减”;
  • 有的正常状态的颜色不能用绿色,要依照已有系统沿用为蓝色;
  • ……

还有很多零零碎碎的,但是我年纪大了记不起来了。

四、真实工作中的数据调研

在真实工作中,往往因为各种条件限制,我们无法得到充分的数据调研支持,原因包括但不限于:

  • 没有数据分析师帮你;
  • 你自己调研太被动;
  • 甲方的对接人也要去问不同的人,调研周期太长;
  • ……

在这样的条件下,我们只好先设计,然后多问题也只能等到接上了真实数据之后再去发现。

但是,心态要放好,经验告诉我,当开始刻意关注数据情况之后,你会条件反射地预判之前说的那些可能发生的问题,然后提前做一些预备处理,等到真的发生了,就不会慌(但是依旧是会烦),会产生一种“我就知道会这样!”的稳重感哈哈哈。

最后用三句话,想让大家给我点18个赞

很多时候,我们并不是在“设计数据”,而是在“给数据设计容器”。

基于真实数据做可视化设计,会更容易感受到数据的意义和价值,会更有收获感。

祝大家少踩坑,少改图,少加班❤️

 

本文由 @EasyV数字孪生 原创。未经许可,禁止转载

题图来自Unsplash,基于CC0协议

 

赞助商推荐:GeekData是新一代用户行为分析与数据智能平台,支持用户数据分析运营数据分析留存分析路径分析漏斗分析用户画像SEM数据分析等16种分析模型的数据分析产品,支持网站统计网站分析APP统计APP分析等分析工具,以及会员营销系统A/B测试工具等数据智能应用,支持SAAS和私有化部署,提升用户留存和转化率,实现数据驱动增长!

 

【独家稿件及免责声明】本站原创文章如需转载请联系我们,未经书面许可禁止转载,本站转载文章著作权归原作者所有,如有侵权请通过邮箱editor@kaifou.com联系我们。

增长工具