京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据可视化-信息图背后的心理学_数据分析师
随着数据导向在企业中蔚然成风,数据展示类的信息界面也变得重要起来。
拥有可视化数据和交互式界面的它正成为商业用户手中重要的工具。更重要的是数据类信息界面也在以app的形式融入普通用户的生活,帮助管理日常活动,如预算追踪和健康管理。
那么是什么让数据类信息界面如此诱人?人们内心渴望,而又被数据类界面完美呈现的这些因素是什么?
人们喜欢控制感。可以想象一下如果自己处于一个完全黑暗的环境内。很快你体内的“紧急开关”就将被启动,驱使你去了解周遭情况和了解你可以控制什么。
从进化的角度来理解,让周围环境处于我们掌控中,我们才更可能生存下来。潜意识会基于感知到的可控层级帮助我们堤防各种危险(打还是逃)。
数据类信息界面就给了我们这种控制感。不论是了解花销动态的个人财政数据界面还是帮助企业追踪营销预算的营销数据界面,都是提高你对情况的感知,给你基因内渴求的控制感。
数据可视化""="" width="" 600""="" height="" 435""="">
This Marketo dashboard帮助市场团队对预算保持同步,确保花销可控。
大多数的数据界面使用如下三种策略来建立控制感:
数据可视化""="" width="" 600""="" height="" 215""="">
Calvin and Hobbes by Bill Watterson
在Jakob Nielsen的“Short-Term Memory and Web Usability”一文中,指出人类在短期记忆中不能记住太多信息,特别是多个抽象的感念或者不寻常的数据。他引用的他人研究建议短期记忆的数量不应该超过七个,这些信息存在我们的大脑里面也只有20秒钟。
数据界面就是为了克服短期记忆的难题。通过在一个屏幕用户的眼睛跨度内呈现所有相关数据,减少对短期记忆的依赖。不需记忆任何东西,因为它们都在你眼前。
然而,在大多情况下,数据会多到在一屏之内显示不完。因此数据界面围绕短期记忆的限制做了如下三件事:
为了更好的理解这一点,对比如下两种展示数据的方式:一个表格和一张折线图。
数据可视化""="" width="" 600""="" height="" 141""="">
数据可视化""="" width="" 600""="" height="" 482""="">
记忆折线图中的上下趋势比表格中的准确数字要简单得多
在概览屏中提供了关键数据的快照,减少短期记忆的负担。但用户也可以深入了解如果他们需要特定数据的详细信息。
数据可视化""="" width="" 600""="" height="" 789""="">
The RescueTime的概览提供了关键指标的鸟瞰图,并且可以进一步了解细节。
将信息分解成可消化的小块,可以降低用户的认知负担。将相关的信息放到同一个tab下面,方便用户来分析他们。
数据可视化""="" width="" 600""="" height="" 445""="">
Mint将数据分解成吐下tab:概览,交易,预算,目标,趋势,投资和如何更省。
保持简单!这一原则在商业和现实生活中同样适用。
比如有个库存管理系统。如果使用纸笔,将花费好几个小时来维持同步入库和出库订单的记录(更别提这么做需要的腿脚),有了数字化的数据界面,这些时间可以被大幅衰减。
数据可视化""="" width="" 600""="" height="" 646""="">
Stitch Labs就是这样一个库存管理系统,可以让商家同时监控多个销售渠道的库存。
随着响应式设计的普及,这些数据信息将能够跨设备使用,让用户可以通过台式机、笔记本或其它移动设备访问该数据。
数据可视化""="" width="" 600""="" height="" 198""="">
The FitBit dashboard可以在多个设备上使用。
任何将数据类信息作为关键服务的产品,都需要将以上用户的心理需求牢记在心。用户喜欢控制感,她们的短期记忆很有限,他们喜欢简单的东西。这三个因素应该成为所有数据信息界面设计的基础。了解你们的用户需求,将它们加入你的设计实践中,这样你就能建立完美的数据信息界面。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25在数字化时代,数据已成为企业核心资产,而“数据存储有序化、数据分析专业化、数据价值可落地”,则是企业实现数据驱动的三大核 ...
2026-02-25在数据分析、机器学习的实操场景中,聚类分析与主成分分析(PCA)是两种高频使用的统计与数据处理方法。二者常被用于数据预处理 ...
2026-02-24在聚类分析的实操场景中,K-Means算法因其简单高效、易落地的特点,成为处理无监督分类问题的首选工具——无论是用户画像分层、 ...
2026-02-24数字化浪潮下,数据已成为企业核心竞争力,“用数据说话、用数据决策”成为企业发展的核心逻辑。CDA(Certified Data Analyst) ...
2026-02-24CDA一级知识点汇总手册 第五章 业务数据的特征、处理与透视分析考点52:业务数据分析基础考点53:输入和资源需求考点54:业务数 ...
2026-02-23CDA一级知识点汇总手册 第四章 战略与业务数据分析考点43:战略数据分析基础考点44:表格结构数据的使用考点45:输入数据和资源 ...
2026-02-22CDA一级知识点汇总手册 第三章 商业数据分析框架考点27:商业数据分析体系的核心逻辑——BSC五视角框架考点28:战略视角考点29: ...
2026-02-20CDA一级知识点汇总手册 第二章 数据分析方法考点7:基础范式的核心逻辑(本体论与流程化)考点8:分类分析(本体论核心应用)考 ...
2026-02-18第一章:数据分析思维考点1:UVCA时代的特点考点2:数据分析背后的逻辑思维方法论考点3:流程化企业的数据分析需求考点4:企业数 ...
2026-02-16在数据分析、业务决策、科学研究等领域,统计模型是连接原始数据与业务价值的核心工具——它通过对数据的规律提炼、变量关联分析 ...
2026-02-14在SQL查询实操中,SELECT * 与 SELECT 字段1, 字段2,...(指定个别字段)是最常用的两种查询方式。很多开发者在日常开发中,为了 ...
2026-02-14对CDA(Certified Data Analyst)数据分析师而言,数据分析的核心不是孤立解读单个指标数值,而是构建一套科学、完整、贴合业务 ...
2026-02-14