searchusermenu
  • 发布文章
  • 消息中心
点赞
收藏
评论
分享
原创

如何用数据讲故事——一些实用的数据可视化表达技巧

2024-05-28 02:19:37
26
0

一、理解语境

1、对象:和谁沟通?和受众的关系?

  • 有哪些至关重要的背景信息?
  • 受众和决策者都是谁?对他们有什么了解?
  • 受众可能对话题存在什么样的正面或者负面偏见?

2、内容:需要对象了解什么或者做什么?

“我宁愿写一封更简短的信,但我没有足够的时间”。 ——数学家、哲学家布莱斯 ·帕斯卡

如果你只有三分钟的时间把必要的信息告诉受众,你会讲什么?

将沟通内容进一步精炼为一句话,是什么?

3、方式:有什么样的数据可以用来表达观点?

  • 有什么样的数据可以支撑这个案例?这些数据是受众所熟悉的还是新的?
  • 有什么风险?什么因素会弱化案例?我们是否需要主动提出来?

 

TIPS:不要指望一次性完成,用低成本的方式创建内容

不要从PPT开始, 使用白板、便利贴或是白纸

 

二、选择合适的图表(附优秀案例)

1、简单文本:当只有一两项数据需要分享时,直接使用数据本身,简单直接

 

 

2、散点图:展示两件事是否存在某种关系以及存在何种关系(研究领域使用更频繁)

 

 

3、线图:最常用于绘制连续的数据,通常以时间为单位

 

4、斜率图:斜率图适用于两个时间段或者两组对比数据点,可以快速地展示两组数据之间各维度的相对提升、降低等差异。

5、条形图:

 

 

 

三、掌握格式塔原则: 消除杂乱,减少视觉认知负荷

 

 

 

 

四、前注意属性:如何引导受众视线,突出重点?

观察下图,你发现了什么?

 

 

利用加粗、颜色、大小、斜体、间距、包围、下划线...等方式突出重点是一方面。另一方面,消除干扰也很重要。

一定要注意:

  • 不是所有的数据都同样重要。
  • 当不需要细节时,请总结。
  • 抵制住因为某些内容可爱或者花费了心血而保留它们的诱惑。如果不能论证内容,那它们就与沟通的目的不符。
  • 将必要但不直接影响内容的元素融入背景。

使用关于前注意属性的知识进行弱化。浅灰色的效果就不错。

 

 

 

参考文献:

《用数据讲故事》,作者Cole N. Knaflic(数据分析专家)

 

0条评论
0 / 1000
Alicia
3文章数
1粉丝数
Alicia
3 文章 | 1 粉丝
Alicia
3文章数
1粉丝数
Alicia
3 文章 | 1 粉丝
原创

如何用数据讲故事——一些实用的数据可视化表达技巧

2024-05-28 02:19:37
26
0

一、理解语境

1、对象:和谁沟通?和受众的关系?

  • 有哪些至关重要的背景信息?
  • 受众和决策者都是谁?对他们有什么了解?
  • 受众可能对话题存在什么样的正面或者负面偏见?

2、内容:需要对象了解什么或者做什么?

“我宁愿写一封更简短的信,但我没有足够的时间”。 ——数学家、哲学家布莱斯 ·帕斯卡

如果你只有三分钟的时间把必要的信息告诉受众,你会讲什么?

将沟通内容进一步精炼为一句话,是什么?

3、方式:有什么样的数据可以用来表达观点?

  • 有什么样的数据可以支撑这个案例?这些数据是受众所熟悉的还是新的?
  • 有什么风险?什么因素会弱化案例?我们是否需要主动提出来?

 

TIPS:不要指望一次性完成,用低成本的方式创建内容

不要从PPT开始, 使用白板、便利贴或是白纸

 

二、选择合适的图表(附优秀案例)

1、简单文本:当只有一两项数据需要分享时,直接使用数据本身,简单直接

 

 

2、散点图:展示两件事是否存在某种关系以及存在何种关系(研究领域使用更频繁)

 

 

3、线图:最常用于绘制连续的数据,通常以时间为单位

 

4、斜率图:斜率图适用于两个时间段或者两组对比数据点,可以快速地展示两组数据之间各维度的相对提升、降低等差异。

5、条形图:

 

 

 

三、掌握格式塔原则: 消除杂乱,减少视觉认知负荷

 

 

 

 

四、前注意属性:如何引导受众视线,突出重点?

观察下图,你发现了什么?

 

 

利用加粗、颜色、大小、斜体、间距、包围、下划线...等方式突出重点是一方面。另一方面,消除干扰也很重要。

一定要注意:

  • 不是所有的数据都同样重要。
  • 当不需要细节时,请总结。
  • 抵制住因为某些内容可爱或者花费了心血而保留它们的诱惑。如果不能论证内容,那它们就与沟通的目的不符。
  • 将必要但不直接影响内容的元素融入背景。

使用关于前注意属性的知识进行弱化。浅灰色的效果就不错。

 

 

 

参考文献:

《用数据讲故事》,作者Cole N. Knaflic(数据分析专家)

 

文章来自个人专栏
文章 | 订阅
0条评论
0 / 1000
请输入你的评论
1
1