经常在网络上看到这样的问题：“从零开始学习数据可视化，需要怎么开始？”《Data at Work》一书的作者Jorge Camoes在一次演讲中，提出了“数据可视化思考者”这一概念，并分享了他的12个想法。我们从中选取了最具价值的8个，进行了编译。
1、有数无形少直观，有形无数难入微
第一组数据是最“正常”的；第二组数据所反映的是一个精确的二次函数关系，只是在错误地应用了线性模型后，各项统计数字与第一组数据恰好都相同；第三组数据描述的是一个精确的线性关系，只是这里面有一个异常值，它导致了上述各个统计数字，尤其是相关度值的偏差；第四组数据则是一个更极端的例子，其异常值导致了平均数、方差、相关度、线性回归线等所有统计数字全部发生偏差。
“有数无形少直观，有形无数难入微”。这个日后被称为“安斯科比四重奏”的例子告诉我们，在分析中， 数据可视化与统计指标缺一不可，相辅相成。
2、“七三原则”
“数据可视化”这一表达，很容易让人觉得这是一个把70%的时间与精力花在“可视化”上的过程。但实际上，如果你真的用了大部分时间来保障图表炫酷，那么最后的成果只有30%的可能性是好的。真正的“数据可视化”，我们会把70%的时间花在减少错误、构建数据、确保概念正确等工作上。
俄国新闻机构TASS重新演绎了著名的《拿破仑远征图》。左边是随着故事线不断自动演绎变化的地图，右边是故事＋信息图。像一本可以动的“小说”一样，利用叙事、色彩、动画等多种技巧，在可读性方面，完美致敬并超越了经典原作。
（优秀的可视化作品，可以让人拥有“数据视觉”，一眼看穿数据背后隐藏的模式、问题或机遇。将复杂的数据解读过程，变成简单的“比大小”、“看长短”、“辨深浅”、“明趋势”。）
5、数据可视化是一个提问与回答的过程
请注意自己所提的问题。它们通常不仅透露你想要知道的内容，还透露你实际知道的内容。更好的问题意味着更佳的理解。将问题分门别类，与各种图表类型配对，是个非常有趣的过程。一个有50个切片的饼图并不一定是坏的：通常，可视化失败并不是因为数据点太多，而是因为作者本身不理解数据，或是不关心数据传达出的信息。
（可实现“焦点＋上下文”形式的看板。copyright@数据观）
数据可视化思考者，以数据可视化为工具，对工作、对企业、对市场、对世界进行思考。数据观，帮助您踏出成为数据可视化思考者的第一步。
本站特约专栏文章，作者：数据观，本文链接：https://www.afenxi.com/52311.html 。内容观点不代表本站立场，如若转载请联系专栏作者。
朋友会在“发现-看一看”看到你“在看”的内容