讓圖表說話|數據可視化設計實踐
本文將深入探討數據可視化在B端領域的應用,分析如何通過設計升級提升數據圖表的易讀性與易用性,同時探索移動端適配的策略,讓數據圖表在方寸之間也能講述清晰的故事。
數據可視化在B端領域的重要性不言而喻,它通過將復雜的數據轉化為直觀的圖形和圖表,讓用戶可以直接洞察到數據的分布、趨勢,從而幫助用戶快速作出決策解決問題。
羅伯特·科薩拉說:“數據可視化是挖掘和利用數據的關鍵。即便是最簡單的可視化,也能夠消除數據提供者對自己的數據被低估、誤解或歪曲的憂慮。數據可視化能夠改變人們對數據的理解方式,提高大眾對數據的興趣,并推動更多更好的數據開發(fā)?!?/p>
在釘釘組織大腦中有非常多的數據報表,希望來幫助用戶進行更好的數據洞察,但在整體走查中發(fā)現存在數據展示不合理、數值表達有歧義等情況,為更好的提升數據圖表的易讀性、易用性,進行了此次數據圖表的設計升級。
在設計中還發(fā)現,很多用戶由于工作場景和工作職責特殊,對移動端的依賴遠遠超過我們的預期,當前產品只做了PC端的適配,無法滿足移動端的場景,故圖表的移動端體驗也是本次設計升級的重點。
01 移動端適配
Material ?Design在數據可視化原則中提到,應使用漸進式展示顯示圖表詳細信息,允許用戶根據實際需要查看特定的數據點。在桌面端,鼠標懸停即可顯示更詳細的數據;在移動端,觸摸并按住手勢會在圖表上方顯示提示。
結合其他移動端圖表的設計案例,移動端圖表適配主要遵循以下幾點:
- 移動端視野狹窄,注意不要遮擋圖表,可在固定位置展示數據,給用戶穩(wěn)定的心智
- 移動端相比PC端無hover態(tài),盡量直接展示數據標簽
- 移動端數據過多時可采用視圖放大的形式查看數據詳情
案例1:折線圖
折線圖通常數據點密集,若直接沿用PC端交互,點擊出現tooltip會遮擋大部分可視區(qū)域,移動端可直接在圖例后增加數據,保證圖表區(qū)域不被遮擋,同時支持用戶左右滑動查看數據,數據瀏覽更高效。
當只有單一數據時,數據展示位置可跟隨用戶點擊手勢,數據查看更方便。當有多條數據時,因為圖例排版更加復雜,為保證數據展示的穩(wěn)定性,圖例需固定位置。
移動端的此種交互方式也可以延伸到柱狀圖。
案例2:雷達圖
雷達圖常用于多維度的數據對比,僅有一組多維數據時,用戶更看重維度之間的數據比較,當有多組多維數據時,更看重組與組之間的比較。
故在一組多維的雷達圖中,如果直接沿用PC端tooltip交互,點擊一次只能展示一維數據,交互重且展示效率低,無法直接多維度對比。移動端適配時,可直接展示數據標簽,在展示效率高的同時,用戶可直接對比數據,更符合雷達圖的使用場景。
在多組多維的雷達圖中,如果直接沿用PC端tooltip交互,遇到的問題和折線圖移動端適配問題一致,即會對圖表產生較大的遮擋,但此時并不能直接沿用折線圖的解決方案(在圖例后加數據標簽),因為數據標簽和用戶點擊行為的關聯性比較小,在測試時發(fā)現用戶并不能注意到點擊后有響應。所以在移動端點擊軸線或任意點,用數據顏色懸浮展示數據標簽,在減少區(qū)域遮擋的同時讓用戶的操作有響應。
案例3:矩陣樹圖
矩陣樹圖因數據復雜,在移動端中會出現部分矩形會很小的情況,用戶較難看到具體數據,此時在移動端用戶可以點擊矩形,放大至圖表區(qū)域中央進行查看,同時也需要注意讓用戶可以重新查看完整視圖。
02 圖表設計原則
什么樣的圖表算是好的圖表?《樂見數據:商業(yè)數據可視化思維》一書中馬世權提出了GLAD原則:Good Data and Insight(好的數據和洞察)、Less Noise(降噪)、Accurate Expression(精準表達)和Distinct Mark(畫龍點睛)。
結合我們的設計實踐,將圖表設計原則總結為視覺降噪、表達準確、突出重點。
1. 視覺降噪
減少不必要元素的干擾,在表意清晰的情況下可去除重復的數據標簽。
當數據標注過多時,去除根本看不清的數據標注,降低視覺負擔。
2. 表達準確
在實際場景中發(fā)現數據標注常常和圖表不對應,以環(huán)狀圖為例,看不懂到底哪個切片對應哪條數據。數據標注應和數據需一一對應,否則易造成用戶誤解,注意可利用顏色來保證數據可讀性,如指引線顏色和數據顏色保持一致。
有多組數據映射關系時,務必增加圖例,防止造成表意不清。值得一提的是,數據的名稱需保持準確,讓用戶一眼可看出想表達什么。
另外,為提升數據展示的效率,可以盡可能直接展示數據標注,用戶無需任何操作即可知道數據詳情。
3. 突出重點
基準線避免使用有數據語義的分類顏色,應使用中性色,防止造成用戶誤解。
03 考慮特殊情況
1. 數據為0
通常數據為0的情況較少被考慮,但涉及到以顏色做表意的情況時需要特殊處理,以矩陣樹圖為例,為防止數據未及時更新導致圖表全白,設定當數值為0時,展示顏色的透明度為10%,建立百分比和透明度的數據映射關系。
2. 數據過多
當數據過多時,PC端可以直接hover展示,但移動端由于交互精度不高且視野狹窄,可采用視圖轉換的方式來保證數據呈現,環(huán)狀圖可長按切片放大區(qū)域,折線圖可長按出現放大鏡。
04 與業(yè)務情況結合
除了通用的圖表設計,還需要注重圖表與業(yè)務含義的融合。
案例1:業(yè)務主軸
在折線圖設計中,業(yè)務希望重點某一數據,但在普通折線圖中三條線同粗細,無法體現數據重點。故增加了圖表的主線邏輯,不論設計還是研發(fā)后續(xù)引用該圖表組件時,可設定某一條線為主線進行加粗強調,在表達業(yè)務含義的同時讓數據呈現有重點。
案例2:數據洞察
可以結合AI能力對圖表進行更多的業(yè)務層面上的洞察和解釋。
05 結語
一個好的數據可視化設計不僅僅是技術的展示,更是一種溝通的藝術。設計所追求的,不僅是圖表的美觀,更是信息的清晰傳達和有效溝通。
在未來的設計中,需要繼續(xù)探索和實踐,不斷優(yōu)化可視化工具和方法,讓每一張圖表都能說話,讓每一個數據點都充滿意義。
本文由人人都是產品經理作者【釘釘用戶體驗】,微信公眾號:【釘釘用戶體驗】,原創(chuàng)/授權 發(fā)布于人人都是產品經理,未經許可,禁止轉載。
題圖來自Unsplash,基于 CC0 協(xié)議。
分析的很好吶,有個疑惑哈,統(tǒng)計數據,同時擁有這幾種圖表,他們的數據展示是按照這種不同交互展示,還是按照統(tǒng)一成一種交互展示尼?
說得很對啊,一個好的數據可視化設計不僅僅是技術的展示,更是一種溝通的藝術。設計所追求的,不僅是圖表的美觀,更是信息的清晰傳達和有效溝通。我們還需要繼續(xù)探索和實踐,不斷優(yōu)化可視化工具和方法才行。
看完這篇文章我覺得,數據可視化就是通過將復雜數據轉化為直觀圖形,幫助用戶快速洞察數據分布與趨勢,促進決策制定。