我的编程空间,编程开发者的网络收藏夹
学习永远不晚

为什么要做数据可视化?可以这样回答

短信预约 -IT技能 免费直播动态提醒
省份

北京

  • 北京
  • 上海
  • 天津
  • 重庆
  • 河北
  • 山东
  • 辽宁
  • 黑龙江
  • 吉林
  • 甘肃
  • 青海
  • 河南
  • 江苏
  • 湖北
  • 湖南
  • 江西
  • 浙江
  • 广东
  • 云南
  • 福建
  • 海南
  • 山西
  • 四川
  • 陕西
  • 贵州
  • 安徽
  • 广西
  • 内蒙
  • 西藏
  • 新疆
  • 宁夏
  • 兵团
手机号立即预约

请填写图片验证码后获取短信验证码

看不清楚,换张图片

免费获取短信验证码

为什么要做数据可视化?可以这样回答

或者,在面对一些外行人看来,加图表是一种"花里胡哨"、"虚头巴脑"行为的无知质疑,我们应该回答?

带着这样的疑问,伟仔也是查阅了不少的资料,今天尝试着从心理学的角度来跟大家分享一下,为什么要做数据可视化?

01 存在体内的两套“决策系统”

我们每天从早上睁开眼开始,身体就不停在接收外界的信息,大脑需要不停地对这些信息做处理,给出判断和决策,来驱使肢体去行动。著名行为经济学家,出生于以色列的诺贝尔奖得主丹尼尔·卡内曼(Daniel Kahneman),在他的著作《思考:快与慢》中提到,人类做的任何一个决策都会同时启动身体内的两套决策系统,直觉反应和理性思考,二者是相互搭档的过程。

直觉反应,是我们在收到外界信息的本能反应,也被称之为"非理性",心理学叫做"直观推断"。说是我们在做某个决定的时候,依靠个人的第一感觉。这个过程的特点是决策时间短,反应速度快,但是做出的决策可能会不合理、不准确;

理性思考,也叫"逻辑思维",在需要依靠理性做某个决定时,我们要让大脑进入思考,这会是比较长的过程。比如,需要拿出笔和纸比划比划,做出利弊分析,有时还需要用计算机跑一个模型测算一下。这个过程的特点决策更加合理和准确,但是决策时间长,反应速度慢。

02 为什么要数据可视化?

"直觉反应"和"理性思考"大家都不陌生。我们从小被老师、家长教育做事情要经过大脑;长大后遇到事情我们会提醒自己"要克制,不要冲动";为人父母后,我们会报班锻炼孩子逻辑思维,努力让孩子成为"有智慧,明事理"的人。这样看起来,貌似大家都不喜欢"直觉反应",而更喜欢"理性思考"。

其实,直觉反应与理性思考,不是"谁好"和"谁不好"的问题,喜乐君在《数据可视化分析》书中提到,我们之所以更青睐"理性思考",因为目前我们人与人之间的沟通方式,基本都是理性的工具,比如语言和文字,都是理性的工具。我跟大家分享的这篇文章,就是我经过查阅资料、调研、思考、分析后用理性的方式进行表达的结果。

但是,我们人类的从出现至今已经是有几百万年的发展历程。简单总结一下大致是经历有"人与自然斗"、"人与野兽斗"、"人与人斗"、"人与规则斗"这四个阶段。然而在这期间,从人类从开始使用文字至今不过区区几万年。在绝大多数的历史光景中,人类和其它的动物一样,需要时刻关注着生存问题,他们必须判断足够迅速,动作足够敏捷才能应对随时可能出现的危险,避免被野兽攻击,被天灾消灭。而那时候能够帮助人类做这些判断和决策的信息就是来源于眼睛、耳朵、鼻子和其他肢体,这个过程无需大脑进行深度的思考,根据习惯就可以快速的判断,这就是直觉反应的过程。

即使现在的社会足够的文明,科技足够的发达,但是我们许多的日常决策,比如天亮起床穿衣,出行伸手打车,过红绿灯,参与运动锻炼,手游娱乐等等,绝大多数的决策依然是依靠眼睛、耳朵、肢体等感官信号。所以,即使是我们身处在的文明社会,这样依靠直觉决策的方式仍然会频繁的被我们使用,这样才会让处理问题的时间缩短、成本降低。

当然,文明社会的形成是因为我们学会了"理性思考",我们不再仅仅依赖于眼睛、耳朵、鼻子、舌头和肢体的直觉反应,而是更多依赖有条理的逻辑分析,有深度的理性研究。通过总结、归纳、推断、验证等方式不断的突破知识的边界。因此,现在我们可以用笔记本电脑敲写文章与网友进行知识分享,可以研发出'新冠"疫苗来保护人们的身体不受病毒侵害,即使过年不回家依然可以用微信视频看到家中老人,听听他们暖心的话语,还可以在手机中知道美国总统大选中特朗普闹剧下台这些有意思的事情。"直觉反应"和"理性思考"是我们在遇到问题时,身体内同时启动的两套决策系统,二者相互搭档,这也是我们工作中做数据分析的基础过程。

现在我们身处在信息爆炸的时代,"大数据"、"物联网"、"人工智能"、"移动互联"、"AR/VR",这些近年来热得发紫的新兴事物都与数据息息相关。而在混沌、嘈杂的数据中,如何能够快速的提取出有效信息就成了数据分析工作的关键。直觉反应虽然快速,但是缺乏深度思考,而理性思考虽然可靠,但是缺乏效率。数据可视化通过图形要素来优化信息的表达速率,让需要决策的人员有更多的心智进行理性思考,二者协同提高整个决策流程的效率和结果可靠性。而这,就是数据可视化工作的价值!

03 为什么是数据可“视”化?

我们在了解完眼睛、耳朵、鼻子、舌头以及其它肢体在我们决策分析中的重要作用以后,细心的小伙伴可能会发现,可"视"化用到的是眼睛,那为什么没有数据可"音"化(耳朵)、数据可"闻"化(鼻子)、或者数据可"尝"化(舌头)呢?

对啊,为什么呢?带着这样的疑问,伟仔又查阅了文献,找到了丹麦物理学家Tor Norretranders做的一个实验,他将人类的感知能力转化成了标准的计算机读写速度,来比较眼睛跟其他感知器官对外界信息感知的效率。(实验过程我就不在此赘述了,有兴趣的同学看一下他的文章《我们感官的带宽》,我直接上结论)

从上面的图中,我们可以看出,眼睛,也就是"视觉"对外界信息的处理速度是最快速的,它是第二名"触觉"的10倍,是第三名"听觉"和"嗅觉"的100倍。这就解释,对数据信息表达,在"直觉反应"的这一决策系统中,我们为什么更青睐于眼睛,也就是"数据可视化"。

当然,这位大物理学家给到我们的不止是这么一个信息。他还提到了潜意识处理(英文Pre-attentive processing,这个翻译不知是否正确,欢迎指正)。潜意识处理是对人们过往的环境信息经过大脑的处理和过滤留下了精华部分,当他们再面临问题时,就会刺激到脑里相关的潜意识内容,可以快速做出行动反馈。一名优秀的可视化工作者可以熟练的通过合适的图形,减轻大脑潜意识的处理负担来帮助人们更快、更轻松的触达数据背后的信息。这些视觉潜意识相关元素有:位置、大小、形状、色彩、方向等。

 

以上两张是简单的散点图和柱状图,分别是"位置"和"形状"、"大小","颜色"等因素的常见应用,数据点在同一区域内不同的落位体现着不同的信息,而不同的形状、长度和颜色诠释又是不一样。在日常工作中,上到公司CEO,下到基层业务员,无时不刻都在做与策略相关的事情,数据可视化分析借助图形要素简化数据表达,是科学与艺术的结合,帮助我们从庞杂的数据中迅速识别信息线索,进而实现数据驱动业务增长的目标。

04 优秀的数据可视化案例

文章最后,跟大家分享2份比较经典的可视化作品。数据可视化,不只是折线、柱状和饼图,它的表现形式非常多,值得大家去多加探索。以下2张作品来源于Tableau官方论坛文章“数据之美,迄今 10 佳数据可视化案例”。

1) 拿破仑远征地图 

可视化作者:Charles JosephMinard

1812 年,拿破仑进军莫斯科,企图征服这座城市。这成为了一场灾难:大军出征时共有约 47 万名士兵,而到了兵败还乡时则仅剩一万人。这张图表讲述了关于这场战役的故事,并成为了有史以来最著名的可视化作品之一。

这幅地图详细地描述了拿破仑大军的出征与败退(先从左往右看,看从右往左看)。线条的宽度代表士兵总数,颜色代表移动方向(黄色表示进军莫斯科的方向,黑色表示回程的方向)。在中心的可视化下方还绘制了一张简单的温度曲线图,用来展示寒冬气温骤降的情况。这张图表有力而详尽地描绘出了一副震撼人心的大溃败场景。

由于名气颇大,这张图表受到了诸多批判性评论(Excelcharts.com 的这篇文章就是一个很好的例子)。其中很多都是合理的批评,但它仍然是一张极具影响力且成功的图表,它的特色是为每个数据点赋予丰富的细节,在此基础上讲述故事,激发人们的好奇心。

2) 未来美国

Pew 的“未来美国”项目对美国的人口统计数据进行了全面的审视,并将其编制成一个庞大而美观的交互性数据可视化项目,由一些采用了直截了当的可视化的“章节”组成(上图展示了其中之一)。该项目展示了不断增长的种族多样化和跨种族婚姻趋势,为趋势线提供了历史背景,并对美国未来几十年可能发生的人口结构转变和变化情况进行了预测。

其中的亮点之一是用动画方式展示了年龄和性别人口细分金字塔。在几秒钟内,我们可以看到自 20 世纪 50 年代以来的人口结构转变情况。自那时以来,医疗干预和医疗保健让人们更加长寿,同时人口出生率自二战后的婴儿潮之后逐渐降低。随着时间的推移,年龄金字塔会变得逐渐接近一个矩形。

 

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

为什么要做数据可视化?可以这样回答

下载Word文档到电脑,方便收藏和打印~

下载Word文档

猜你喜欢

为什么要做数据可视化?可以这样回答

或者,在面对一些外行人看来,加图表是一种\"花里胡哨\"、\"虚头巴脑\"行为的无知质疑,我们应该回答?带着这样的疑问,伟仔也是查阅了不少的资料,今天尝试着从心理学的角度来跟大家分享一下,为什么要做数据可视化?

想要做好数据可视化?你需要关注这三个问题

好的可视化能够帮助我们快速发现规律,找到原因;不好的可视化有可能会得出错误的结论,产生误导。想要做好数据可视化,先要明白“给谁看、看什么、怎么看”这三大问题。

什么是数据可视化?怎样引入Syplot模块?

可视化最早应用于计算机科学中,后形成了计算科学的一个重要分支——科学计算可视化。科学计算可视化将测量或计算产生的数字信息以图形图像的形式呈现给研究者,使他们能够更加直观地观察和提取数据表示的信息。

Python进行数据可视化,你会用什么库来做呢?

今天就来和大家分享Python数据可视化库中的一员猛将——Altair!

想把数据可视化做好?这 20 个超实用的经验总结一定要先看过!

这篇文章出自资深 B端设计师 Taras Bakusevych,他深耕 B端设计多年,对于表单、可视化设计、UI/UX 都有着丰富的经验。这篇梳理了 20 个可视化设计的常见技巧,实用性和指向性都非常强

为什么大热的数据可视化行业,我不建议轻易入行?

数据可视化是对数据信息进行图形化设计的过程,这个行业不是这两年才出现的,而是由来已久。从世界上第一个图表的诞生之后,就有无数统计学家和设计师投身到这个领域中,发明和设计出各种精妙绝伦的图形。

R语言数据可视化ggplot绘制置信区间以及分组绘图技巧是什么

本篇文章为大家展示了R语言数据可视化ggplot绘制置信区间以及分组绘图技巧是什么,内容简明扼要并且容易理解,绝对能使你眼前一亮,通过这篇文章的详细介绍希望你能有所收获。1. 单组情况1)构造数据集x <- 1:10y <- x^2ci_l
2023-06-25

编程热搜

  • Python 学习之路 - Python
    一、安装Python34Windows在Python官网(https://www.python.org/downloads/)下载安装包并安装。Python的默认安装路径是:C:\Python34配置环境变量:【右键计算机】--》【属性】-
    Python 学习之路 - Python
  • chatgpt的中文全称是什么
    chatgpt的中文全称是生成型预训练变换模型。ChatGPT是什么ChatGPT是美国人工智能研究实验室OpenAI开发的一种全新聊天机器人模型,它能够通过学习和理解人类的语言来进行对话,还能根据聊天的上下文进行互动,并协助人类完成一系列
    chatgpt的中文全称是什么
  • C/C++中extern函数使用详解
  • C/C++可变参数的使用
    可变参数的使用方法远远不止以下几种,不过在C,C++中使用可变参数时要小心,在使用printf()等函数时传入的参数个数一定不能比前面的格式化字符串中的’%’符号个数少,否则会产生访问越界,运气不好的话还会导致程序崩溃
    C/C++可变参数的使用
  • css样式文件该放在哪里
  • php中数组下标必须是连续的吗
  • Python 3 教程
    Python 3 教程 Python 的 3.0 版本,常被称为 Python 3000,或简称 Py3k。相对于 Python 的早期版本,这是一个较大的升级。为了不带入过多的累赘,Python 3.0 在设计的时候没有考虑向下兼容。 Python
    Python 3 教程
  • Python pip包管理
    一、前言    在Python中, 安装第三方模块是通过 setuptools 这个工具完成的。 Python有两个封装了 setuptools的包管理工具: easy_install  和  pip , 目前官方推荐使用 pip。    
    Python pip包管理
  • ubuntu如何重新编译内核
  • 改善Java代码之慎用java动态编译

目录