京公网安备 11010802034615号
经营许可证编号:京B2-20210330
编译:Mika
【导读】
信息爆炸时代,经过精心设计、形象生动的可视化图表往往要比一篇深度长文章更容易赢得眼球和青睐。
在一次TED演讲中,信息设计师汤米·麦考尔追溯了长达几个世纪的图形和图表的演变过程,并展示了复杂的数据是如何通过处理,演变为清晰、美观的可视化形式的。
我爱信息图表。
作为一个信息设计师,在过去25年中我跟各种各样的数据打交道。今天跟大家分享一些我的见解。
首先让我们聊一聊历史。
沟通是对信息的编码、传输和解码。沟通的突破标志着人类文化的转折点。在沟通方面,语言、文字和算术能力得到了很大的发展。它们让我们可以把想法编码为文字,并量化成数字。没有沟通能力,人类的发展将会停滞在石器时代。
尽管人类已经存在25万年,但仅在8000年前,才出现原始文字。在将近3000年后,首个正式的书写系统才成形。地图已存在了几千年,图表出现了数百年之久。
但通过图形来表示数量,还是一个相对较新的发展领域。
直至1786年,威廉·普莱费尔发明的首个条形图,这才催生了对数量信息的视觉显示形式。
1786年 威廉·普莱费尔发明的首个条形图
15年后,他引入了首个饼图和面积图。他这些发明仍是今天最常使用的图表类型。
1801年 威廉·普莱费尔的饼图和面积图
1857年,弗洛伦斯·南丁格尔发明了鸡冠花图 (又名南丁格尔玫瑰图),用来来向维多利亚女王介绍军队的死亡率。在用蓝色强调的部分,她展示了军队的大多数死亡可以如何被避免。
1857年 弗洛伦斯·南丁格尔的鸡冠花图
不久之后,查尔斯·米纳德绘制了拿破仑进军莫斯科的图表。其中展示了一支42.2万人的军队是如何在战斗、地理和冰冻的影响下付出惨痛代价,最终减少到只有1万人的。这当中,他将桑基图与制图以及温度线图表结合在一起。
1861年 查尔斯·米纳德 绘制的拿破仑进军莫斯科图
用图表让数据会说话
当有很多数据可用是,我总是很激动,特别是当它产生出有趣的图表形式时。
看到这张整理数千份联邦能源补贴数据的图,南丁格尔玫瑰图是它的灵感来源。图中仔细显示出,相比化石能源,可再生能源投入不足。
联邦能源补贴数据图
这个桑基图展示了美国经济中的能源流动,强调了近一半的能源消耗是作为废热流失的。
美国经济中的能源流动
我喜欢把数据用美观的形式展现。
在这里,硅谷女性的个人和职业联系可以被绘制成弧线。
硅谷女性的个人和职业联系
同时,全球范围内发明家的协作也可被绘制出来。
全球范围内发明家的协作图
我甚至为自己制作了图表。
我擅长数字领域,但我的拼字游戏玩得差劲。我做了这个图表来记住官方拼字字典里的所有两个字母和三个字母的单词。熟知这1168个单词显然是我的制胜法则。
有些时候我编写代码 ,去把数千个数据点快速生成图片,编程也让我可以制作交互式图表。现在我们还可以根据自己的条件来导航信息。
图表能让数据一目了然
奇特的图表当然看起来很酷,但又是很小且简单的一个点就足以满足所需,从去解决特定的思考任务。
2006年,纽约时报重新设计他们的市场板块。将原本多达8页的股票列表削减到只有1页半的基本市场数据。其中列出了最常用的股票指标,但我想帮助投资者了解这些股票表现如何。
因此我增加了一个简单小点,用来展示现在价格在一年内的水平。这样只需看一眼,价值投资者就可以通过靠近左边的点去挑选出股价接近低位的股票;短线投资者可以通过靠近右边的点找出上升趋势的股票。
2006年 纽约时报重新设计的股票板块
不久之后,华尔街日报复制了这个设计,从而简单化通常是大部分图表的目标。
一张好的图胜过千言万语
但有时候我们需要复杂性,并充分展现出大量数据集。
盖洛普公司的前主席--亚力克·盖洛普,他有次给了我一本非常厚的书。数百页纸涵盖了60年的总统支持率数据。
我告诉他,整本书可以图表化在一页上。他说 "这不可能”。
这张就是,在一页中展示2万5千个数据点。
只需一眼就可以看出:多数总统以高支持率开场,但很少能够维持。像战争那样的事件最初会提升支持率,丑闻会引发下降。这些重要事件能在图表中被注释,在书中可不行。
数据可视化能力将越来越重要
要点在于,图表可以用惊人的效率传输数据。
图形能力,即读图和画图的能力仍然处于早期阶段。
新的图表将会出现,专业的用语将会发展。图表可以帮我们更快地思考,比如在一页纸上就看到整本书的信息,这就是开启新发现的关键。
我们的视觉皮层是用来解码复杂信息的,而且还非常擅长模式识别。如今,通过图形能力、数据可视化能力,我们能充分利用大脑内置GPU,从而轻松处理海量数据,去发现藏在里面的金子!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07