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
【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-05在数据库数据查询、业务报表统计、多表关联分析中,LEFT JOIN左连接是使用率最高的SQL关联查询语句。其核心特性是保留左表全部数 ...
2026-06-05 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-06-05任何一款产品从诞生、普及到最终退出市场,都会遵循一套固定的发展规律,这就是产品生命周期理论。在市场竞争日益激烈、产品迭代 ...
2026-06-04在Excel数据分析、办公统计、业务报表制作场景中,数据透视表是数据汇总、分类统计、快速复盘的核心工具,能够高效完成海量原始 ...
2026-06-04 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 ...
2026-06-04在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 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 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 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 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 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 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 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 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 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。 ...
2026-05-28