八个常见的数据可视化错误以及如何避免它们

在当今以数据驱动为主导的世界里，清晰且具有洞察力的数据可视化至关重要。然而，在创建数据可视化时很容易犯错误，这可能导致对数据的错误解读。本文将探讨一些常见的糟糕数据可视化示例，并提供如何避免这些错误的建议。

本文总结了8个数据可视化的典型错误，在日常工作中我们应该尽量避免，这样才可以制作出更好的可视化效果。

1、误导色彩对比

虽然使用不同的颜色有助于解释数据可视化，但过多的颜色会让用户感到困惑。坚持使用有限数量的独特颜色是至关重要的。

用户不知道那个值更重要，并且当可视化中有太多的颜色时，用户可能需要更长的时间来理解信息。

不要使用颜色来显示哪个值比其他值高或低。具有高对比度的颜色使观看者感知到更多的数据价值。确定对比度值的最简单方法是在灰度上比较对比度颜色，而不是使用不同的颜色。

2、太多颜色的数据图表

使用大量数据提供更有深度的内容并没有什么错，但如果一次性呈现太多数据，可能会让用户不知所措。

用户无法理解所有的可视化细节，并且不知道该把注意力集中在哪里。

所以首先要确定用户需要关注什么，这样就可以将数据限制为与想要传达的信息最相关的数据。并且不要把所有的见解都写在图表里。多种可视化可以帮助您更有效地交流数据。

建议在单个可视化中使用不超过5-6种颜色。

3、省略基线而只显示比例

这种数据可视化问题在汇报时很普遍，它可能会显示错误的模式，甚至是不存在的趋势。

听众没有完全理解这些数据，在某些情况下会导致误解。当然也可以故意这么做，你懂的

4、误导性标签文字

在数据可视化中，不仅图表本身可以表达含义，标题、标签、符号和描述也帮助用户理解信息。如果这些更改呈现的故事与数据有所不同，则用户可能会感到困惑。

上面这张图表描绘了遭受骨科损伤的儿童的百分比。如果用户只看标题而不看描述，他们可能会认为5.2%的正常儿童患有脊髓损伤，从而产生严重的误解。

即使数据是正确的，如果文本修改具有误导性，也可能影响受众的解释。

只有在需要说明所展示的内容时，才应使用书面描述。并且要确保标题、标签和描述传达的意思没有误导性。

5、错误的可视化方法

选择适当的可视化来表示数据是数据可视化的关键步骤。可能有几个图表适合显示数据，但是如何选择最好的一个呢?

在上图中，两个图表都可以显示每个候选人的回答百分比。但是当我们用饼状图表示它时，用户可能会感到困惑，因为图表部分看起来彼此相似，并且数字不能等于100%。

所以需要为数据选择合适的图表，必须首先确定数据试图传达什么样的见解。一旦有了这些信息可以按照下面的方法来选择使用那个图表

6、没有因果关系的相关性

你有没有遇到过数据显示出相似的趋势，但是原因却有很大的不同?如果你把他们放到一起，可能导致用户试图找出与彼此无关的事情的原因。

如图所示，自杀人数的上升与美国在科学、太空和技术方面的投资数额的上升是同步的，这似乎是相同的趋势。然而，如果我们在科学上投入更多的钱，我们真的会看到更多的案件的增加吗?

这种相关性是误导性的，因为它没有联系。所以在制作图标前一定要确认趋势相同的数据是否有相关性。

7、放大有利数据

这是一种选择性地展示支持你观点的数据，同时忽略与你观点相反的证据的方法。在可视化中只会显示一点点来自实际数据的见解。

这种可视化隐藏了重要的数据，只给我们的用户一点洞察力。

如果你是要做正经的报告一定要注意这一点，但是哪些不正经的汇报这个方法十分有用，你懂的。

8、3D图形使用不当

大多数3D图表不再经常用于显示常见数据，因为它们有很大的数据失真风险，因为我们的人眼很难理解3D视觉效果。

但是有好多人却在一直使用，这是因为他的视觉表现比较酷炫。

这个饼状图让后半部分看起来比前半部分大，尽管实际值是30%比35%。另一种类型的3D图表在准确显示数据值方面存在一些问题。

3D图表会扭曲数据的真实性。所以尽量使用2D图表。当然如果某人偏爱酷炫的效果，那么就用吧，没办法。

并非所有数据都需要在可视化中表示

你的数据有时可能会为自己说话。有些值可以表示重要的信息，可能不需要在数据可视化中显示这些信息。

在图表或图形中显示数据可能是不必要的。数据可视化是一种传递信息的手段。在某些情况下可以使用它，而在其他情况下使用其他工具更合适。

总结

掌握数据可视化意味着将复杂的数据转化为令人信服的、真实的叙述。我们优先考虑每个图表的清晰度、准确性和洞察力，确保这些数据和图表可以为我们的决策提供准确的支持。正确的可视化不仅讲述了一个故事，而且还赋予了决策权力。