来源：节选自《用数据讲故事（修订版）》，作者：科尔·努斯鲍默·纳福利克，人民邮电出版社授权发布
一、4种常用图表
表格调动我们的口头表达系统，而图则调动视觉系统。视觉系统处理信息的速度更快，这也就意味着设计良好的图表通常能够比设计良好的表格更快地传达信息。
如我在本章开始提到的那样，图表的类型实在太多，但其中的少数就能满足大多数日常需求，这无疑是个好消息。
我经常使用的图表可分为4种：点图、线图、条形图和面积图。我们会结合具体情况和示例，详细地讨论每一种类型以及我日常使用的子类型。
图表还是图？ 有些人为图表和图形划分了界限。通常意义上，“图”（chart）是一个更宽泛的类别，而“图表”（graph）只是其中的一个子类别（其他类别的图表还包括地图和图解）。我不倾向于做这样的区分，因为我日常使用的图都是图表。在本书中，图表和图两个词可以互换。
01：
点图
散点图
散点图在展示两件事的关系时很有用，因为可以同时将数据对应到 x 轴和 y 轴上，观察是否存在某种关系以及存在何种关系。散点图在科学领域使用得更为频繁（或许因此对不了解的人来说，看起来更难以理解）。尽管使用不频繁，但在商业领域中同样有散点图的用例。
例如，假设我们管理公交车队，希望能理解行驶英里数与每英里成本之间的关系。散点图如图 2-6 所示。
图 2-6 散点图
假如我们想要重点关注每英里成本高于平均水平的情况。图2-7 是一个微调的散点图，可以更快地将我们的注意吸引到每英里成本高于平均水平之处。
图 2-7 修改后的散点图
我们可以通过图 2-7 观察出，当行驶英里数少于 1700 英里或者多于 3300 英里时，每英里成本会高于平均水平。我们会在后续章节中讨论这里的设计选择以及相应的原因。
02：
线图最常用于绘制连续的数据。因为线连接了点，这就暗示了点与点之间存在着离散数据（一系列数据分隔成不同的类别）间没有的联系。通常，连续性数据都以时间为单位：天、月、季度和年度。
在线图这个大类别中，我经常使用两种图形：折线图和斜率图。
折线图可以展示一组或更多组数据，如图 2-8 所示。
图 2-8 折线图
需要注意的是，当你以时间作为 x 轴画折线图时，数据必须有一致的时间间隔。最近我看到一幅图，其中 x 轴的时间单位是 10 年，从 1900 年开始（1910、1920、1930 等），然后突然转到 2010 年以后，以年为单位（2011、2012、2013、2014）。这意味着以10 年为单位的点间距与以年为单位的点间距看起来是相同的。这样展示数据会产生误导。画图时务必保证时间间隔的一致性。
在折线图中展示范围内的平均值 在某些情况下，折线图中的线可能代表一个综合的统计数据，比如平均值或者预测的点估计。如果你还想展现范围（或者置信区间，视具体情况而定），可以直接在图上进行可视化。例如，图 2-9 中展现了一个机场在 13 个月内检查护照时间的最小值、平均值和最大值。
图 2-9 在折线图中展示范围内的平均值
斜率图
斜率图适用于两个时间段或者两组对比数据点，可以快速地展示两组数据之间各维度的相对提升、降低等差异。
体现斜率图价值和用法的最佳途径就是展示一个具体的示例。想象你正在分析和沟通最近某项职工反馈调查的数据。为了展示调查数据从 2014 年到 2015 年各维度的相对变化，最终的斜率图类似图 2-10。
图 2-10 斜率图
斜率图组合了很多信息，除了绝对数值（数据点本身）之外，连接数据点的线条能够在视觉上直观地告诉你变化趋势，以及变化的程度（通过倾斜方向和斜率），而无须解释这些线条的意义和变化程度具体是多少。
斜率图模板 斜率图的绘制需要一些耐心，因为它通常不是作图应用中包括的标准图形。
在具体使用时，斜率图能否起作用取决于数据本身。如果很多线条重叠在一起，斜率图或许起不到作用，但有些情况下你仍然可以通过只强调其中的一个来达到目的。例如，下面的示例可以将受众的注意集中在“职业发展”这一随时间降低的维度上。
在图 2-11 中，我们的注意被立即吸引到“职业发展”的降低这一变化上，而其他数据在保留背景信息的同时不会造成干扰。第4 章在讨论前注意属性时，会对背后的策略进行深入讨论。
图 2-11 修改后的斜率图
线图在展示数据随时间变化方面表现优异，但当涉及信息分类时，条形图是我的首选。
03：
条形图
由于条形图太常见，人们有时会避免使用条形图。这显然是错误的。正因为条形图常见，我们才应该多使用条形图，使受众的学习成本更低。这样，受众在看图时，能够将脑力用在信息提取上，而不是绞尽脑汁试着去理解应该如何读图。
条形图易于阅读。我们用眼睛比较条形图的末端，很容易快速得出结论：哪一类最大、哪一类最小以及类别之间的增减区别。注意，因为我们比较条形图的相对末端，所以条形图一定要有原点（x 轴和 y 轴的交点），否则会让人们进行错误的视觉比较。
考虑图 2-12 中的新闻示例。
图 2-12 新闻条形图
面对这个示例，不妨想象自己回到 2012 年秋季，我们好奇减税政策结束之后会发生什么。图 2-12 中左侧为现在的最高税率 35%，右侧则是第二年 1 月 1 日的最高税率 39.6%。
看这幅图时，你对未来减税政策结束有什么看法？或许担心税率的大幅提升？让我们仔细看看。
注意纵轴的底端（最右侧）是从 34% 开始的，而不是 0。这意味着条形图理论上应该向下延伸到页面的底部。事实上，按图中的画法，视觉增长达到了 460%［条形图的高度是 35-34=1 和 39.6-34=5.6，所以（5.6-1）/1=460%］。如果我们以 0 作为纵轴起点，条形图按实际高度绘制（35 和 39.6），实际视觉增长只有 13%［（39.6-35）/35］。我们可以在图 2-13 中进行比较。
图 2-13 条形图一定要以 0 为原点
在图 2-13 中，左侧的大幅增长在正确作图后有了相当大的减少。或许税率的提升并没有那么令人担忧，至少不像原先描述得那样严重。因为我们用眼睛比较条形图的相对末端，所以合理绘制条形图对于准确比较至关重要。
你会注意到图 2-13 中还有一些别的设计变化。y 轴的标签从原图右侧移动到了左侧（这样我们在看到实际数据之前可以知道如何解读数据）。百分比的标签从条形图外面移动到了里面，以避免干扰。在其他场景下，我或许还会直接省略 y 轴，只用条形图内部的数据标签来减少重复信息。但是在这个示例中，我保留了坐标轴，用以明确它应该从 0 开始。
坐标轴和数据标签 作图过程中常常需要决定是保留坐标轴标签，还是省略坐标轴而直接标记数据点。为了做出正确的决定，你需要考虑是否需要呈现详细数据。如果你希望受众重点关注整体趋势，可以考虑保留坐标轴，但是将其置灰来削弱其重要性。如果某些具体的数值很重要，直接标记或许更好。在后一种情况下，通常最好省略坐标轴以避免包含重复信息。请记得，每次都要考虑你希望受众如何使用图表，并据此来作图。
我们这里提出的规则是条形图必须以 0 为原点。注意这条规则并不适用于线图。对于线图来说，由于重点在于空间中的相对位置（而非相对坐标轴的长度），故可以使用非 0 的原点。但你仍然要谨慎，要向受众明确你正在使用非 0 原点，并且将背景信息考虑进来，以避免将微小的变化过度放大。
数据可视化要遵循道德 如果改变条形图的比例或者修改数据能够更好地佐证观点，你会怎么做？用不精确的图表进行误导是不正当的行为。除了道德方面的考虑之外，这还十分危险。只要有一个敏锐的受众发现问题（例如条形图的 y 轴不是从 0 开始的），你的整套言论和信誉就都会被唾弃。
在考虑条形图长度的同时，我们也花一些时间在条形图的宽度上。其实并没有必须遵守的规则，但总的来说条形图的宽度要比条形图之间的空白更宽。你也不会希望条形图太宽，以至于受众想要比较面积而非长度。用图 2-14 体会一下条形图的“宜居带”：过窄、过宽和恰到好处。
图 2-14 条形图的宽度
我们已经从总体上讨论了条形图的一些最佳实践。接下来让我们看看条形图的一些“变种”。掌握一些条形图，你就能够更灵活地面对数据可视化挑战。我们会讨论一些我认为你应该熟悉的种类。
竖直条形图
最普通的条形图就是竖直条形图，又称柱形图。与线图一样，竖直条形图也可包含一组或更多组数据（如图 2-15 所示）。注意，当你添加多组数据时，专注其中一组并得出结论就变得更为困难，所以应谨慎使用包含多组数据的条形图。同时也要注意，当有多组数据时，空白会把条形图分隔成视觉组。这使得类别的相对顺序变得重要。想想看你希望受众比较什么，并以此构造分类的层级，使之越简单越好。
图 2-15 竖直条形图
堆叠竖直条形图
堆叠竖直条形图的用处有限。它在比较各类别之间总体区别的同时，还能展示每个类别中子成分的占比情况。但这会很快让受众产生视觉上的压力，尤其是采用大多数作图应用中的默认配色方案（诸如此类）后。除了底部的子成分（紧贴 x 轴之上的那些），你很难比较其他子成分在跨类别时的情况，因为不再有统一的基线可供比较。如图 2-16 所示，这使得用肉眼比较变得更难。
图 2-16 通过堆叠竖直条形图比较数据
堆叠竖直条形图可以用绝对数值（如图 2-16 直接绘制数值）组织，也可以让每列的值之和为 100%（绘制每个片段占总体的百分比，第 9 章中有具体示例）。如何选择取决于你试图向受众传达什么内容。当你使用 100% 的堆叠条时，不妨思考附带每个类别总的绝对数值是否也有意义（既可以用不引人注目的方式直接将其包含在图形中，也可以用脚注的形式标记出来），这对数据解读也许会有帮助。
瀑布图
瀑布图可用于抽离出堆叠条形图中的一部分予以重点关注，或者展示起点和结果，以及其中的上升下降等变化。
展示瀑布图的最好办法就是分析一个具体的示例。想象你是一名人力资源合伙人，想要与你服务的客户组沟通过去一年中职员总数的变化情况。
图 2-17 便是一幅展示分解过程的瀑布图。
图 2-17 瀑布图
在图的左侧，我们可以看到年初这个团队的职员总数。从左往右，我们首先会看到数据的提升：新招聘以及从该组织的其他团队转岗来的职员。之后数据减少：职员转岗到别的团队或离职。最后一列代表了在年初基础上增减之后的年末职员总数。
破解瀑布图 如果你的作图应用没有自带瀑布图功能，别担心。秘诀就在于借用堆叠条形图的功能，将第一组数据（紧贴着 x 轴的那些）设为隐藏。这需要一些计算才能设置正确，不过非常好用。水平条形图
如果一定要为分类数据挑选一种图表，我会选水平条形图，也就是将竖直条形图旋转 90 度。为什么呢？因为它非常容易阅读。水平条形图在类别名称很长的时候极其有效，因为文字是从左往右书写的，与大多数受众的阅读顺序一致，这使你的图形容易阅读。而且由于我们从左上角开始在页面或者屏幕上画“之”字处理信息的方式，与水平条形图的结构一致，我们会在实际数据之前先看到类别的名称。这意味着当我们看到数据时已经了解了其所代表的含义（而不像竖直条形图那样在数据和类别名称之间来回切换视线）。
与竖直条形图一样，水平条形图也可以有一组或更多组数据，如图2-18 所示。
图 2-18 水平条形图
类别的逻辑顺序 在设计展示类别数据的图表时，你需要对类别的顺序深思熟虑。如果类别天生是有序的，不妨使用这个顺序。例如，如果类别是年龄段——0~10 岁、11~20 岁等，则保留这些类别的数值顺序。但如果类别没有自然顺序可以使用，则要考虑怎样的顺序对你的数据是最有意义的。这也意味着给受众提供一个选择，帮助他们简化解读的过程。 （在没有其他视觉暗示时）受众通常会从左上角开始看图，然后按“之”字形来回阅读。这意味着他们会最先看到图形的上方。如果最大的类别最为重要，不妨考虑将它放在最开始，并将剩余的类别按数值降序排列。如果最小的类别最为重要，则将它放在最开始，并按升序排列剩余的类别。
堆叠水平条形图
与堆叠竖直条形图类似，堆叠水平条形图也可以用于展示不同类别间整体或者子成分的比较，同样可以按绝对数值或者百分比进行组织。
如果左右两端有着一致的基线，堆叠水平条形图按百分比组织可以用于可视化对一件事从负面到正面的观点占比，使比较最左侧和最右侧的部分变得更简单。例如，这对用利克特量表法（常用于问卷调查，从强烈不同意到强烈同意）收集的调查问卷数据进行可视化很有效，如图 2-19 所示。
图 2-19 100% 堆叠水平条形图
04：
面积图
人眼不擅长在二维空间进行定量的度量，这使得面积图比我们讨论过的其他图表类型更难阅读。因此我通常避免使用面积图，只有一个例外情况——当我需要可视化相差极大的数值时。方形图带有第二个维度（同时有长和宽，而条形图只有长或者宽），因而能比单一维度更紧凑地进行可视化，如图 2-20 所示。
图 2-20 方形面积图
其他图表类型
目前为止讨论的都是我常用的图表类型。这显然不是一份完整的列表，但应该能够满足大多数日常需求。在探索新的可视化方法之前，掌握基础知识很有必要。图表的类型有很多。谈到选择图表，首先要确保选择的图表类型能够让你清晰地将信息传递给受众。如果使用不熟悉的图表，你很可能需要格外仔细才能让图表易于理解。
信息图 信息图是一个经常被误用的术语。一幅信息图只是信息或者数据的图形化展示。图表组成的信息图的信息量可大可小。说到不足，信息图通常包括尺寸过大、过分装饰的数字以及卡通化的图形。这样的设计有一定的视觉吸引力，能够讨好读者。再多看几眼，信息图就显得很浅薄，无法让有辨别力的受众满意。“信息图”这样的描述虽然常用却不合适。但说到好处，信息图名副其实。 设计师在开始设计过程之前需要能够回答很多重要的问题。这与我们讨论理解背景时提出的问题是一样的。受众是谁？你希望他们了解或者做什么？只有在回答了这些问题后，才能选择出有效的可视化方法。无论是信息图还是其他，优秀的数据可视化方案不仅仅是指定主题的事实堆积，而是要讲述一个故事。
二、需要避开的图表
我们已经讨论了在商业场景中我最常用的数据可视化图形。除此之外还有很多图形和元素应该避免使用：饼图、甜甜圈图、3D 图形、双 y 轴，等等。让我们分别看一看。
邪恶的饼图
我鄙视饼图已久。简而言之，饼图是邪恶的。让我们用一个示例来了解我得出这个结论的原因。
图 2-21 中展示的饼图（基于实际案例）展示的是 A、B、C 和 D 这 4 个供应商的市场份额。如果我要求你简单观察一下，在这张图中哪家供应商的份额最大，你会得出什么结论？
图 2-21 饼图
大多数人会认为正蓝色对应的供应商 B 的市场份额看起来最大。如果你必须估算他的份额占总体市场的比例，你觉得会是百分之多少？
35% ？
40% ？
或许你会因为我的引导而发现这里有猫腻。不妨看一下图 2-22 中加上饼图各部分数据之后的结果吧。
图 2-22 给各部分添加标签后的饼图
供应商 B 占比 31%，其图形看起来最大，实际上却比供应商 A 的占比小，尽管供应商 A 看起来更小。
让我们来讨论一下准确地解读图 2-21 中数据面临的一些挑战。首先吸引你（并引起怀疑，如果你是个明辨是非的图表读者）的是 3D 图形、奇葩的视角：倾斜让饼图上方的部分显得距离更远，因而看起来比实际要小；下方的部分则相对更近，也就比实际看起来更大。我们很快就会谈到 3D 的问题，这里我只想强调数据可视化的一条规则：不要使用 3D ！3D 有弊无利，就像此处它扭曲了数据的视觉效果一样。
即便我们去掉 3D 效果，将饼图变得扁平，解读数据依然存在挑战。人眼不擅长在二维空间进行定量的度量。更简单点说就是：饼图难以阅读。当饼图的各部分大小相近时，你无法或者很难判断哪一块更大。当大小相差较多时，你最多也只能判断某一块比另一块更大，却无法确定大多少。为了解决这个问题，你需要像上图一样添加数据标签。但我仍然觉得不值得为饼图提供空间。
那你该怎么做呢？一种方案是如图2-23 所展示的，用水平条形图替代饼图，按从大到小或者反向组织（除非像之前提到的，类别之间有着天然的顺序可用）。记住，在条形图中，我们的眼睛会比较条形图的末端。由于以统一的基线对齐，很容易比较相对大小。这样不仅可以很直观地了解哪块最大，还能了解它比其他类别大多少。
图 2-23 饼图的替代方案之一
或许有人会质疑，从饼图转换成条形图可能会有所遗漏。饼图能够传达的一个独特的信息就是整体和部分的概念。但如果图形本身难以理解，那还值得吗？在图 2-23 中，我已经试着表达条形图整体加和是 100%。这不是完美的解决方案，但值得考虑。第 9 章的第 5 个案例分析中还有饼图的更多替代方案可供参考。
如果你在用饼图，不妨停下来扪心自问：为什么选它？如果你能够回答这个问题，或许你已经经过了深思熟虑，但考虑到数据解读上的困难，饼图绝不该成为你的首选。
既然谈到了饼图，让我们快速地看一下另一种需要避免使用的“甜点图形”：甜甜圈图（图 2-24）。
图 2-24 甜甜圈图
使用饼图意味着让受众比较角度和面积，而使用甜甜圈图意味着让受众比较两段弧形的长度（例如比较图 2-24 中弧形 A 的长度与弧形 B 的长度）。你对自己的眼睛定量比较弧形长度的能力又有多少信心呢？
不太自信？我也这么觉得。所以不要使用甜甜圈图。
永远别用 3D 图形
数据可视化的黄金定律之一是：永远别用 3D 图形。跟着我重复一遍：永远别用 3D 图形。唯一的例外是当你的确在绘制三维空间时（即便如此，事情也会很快变得棘手，所以千万要谨慎），而在绘制一维空间时，永远别用 3D 图形。正如你在之前饼图的示例中所见，3D 使数据发生倾斜，从而更难甚至无法对其解读和比较。
在图形中使用 3D 会引入边界、底座等不必要的元素。比令人分心更糟的是，用作图应用绘制 3D 图形时会有奇怪的结果。例如在 3D 条形图中，你或许会疑惑作图应用软件绘制的是条形图的正面还是背面。有时甚至还会更不直观。以 Excel 为例，条形图的高度是由一个不可见的切面与 y 轴的交点决定的。如图 2-25 所示，这给人一种图形变长了的错觉。
图 2-25 3D 柱形图
你能根据图 2-25 判断 1 月和 2 月的问题数量分别是多少吗？我为它们分别绘制了一个问题。但以我读图的方式，如果将条形图的高度与网格线比较，并映射到左侧的 y 轴上，我会预估其值大概为 0.8。因此，千万别用 3D 图形。
让人迷惑的双 y 轴
有时在 x 轴上以两套完全不同的单位绘制图形会很有效。这通常会引出第二条 y 轴：在图形右侧加另一条竖直坐标轴。参考图 2-26 中的示例。
图 2-26 第二条 y 轴
解读图 2-26 时，需要花一些时间和精力才能理解哪些数据应该参照哪条坐标轴。因此你应该避免使用右侧的第二条 y 轴。思考以下的办法能否满足你的需求。
不添加第二条 y 轴，而是将该轴的数据点以标签的形式直接展示。
将图形竖直分割开，借用同一条 x 轴，但各自使用不同的 y 轴（都置于左侧）。
图 2-27 展示了这两种办法。
图 2-27 避免第二条 y 轴的策略
第三种潜在方案是用颜色将数据和坐标轴联系起来。例如在图 2-26 中，我可以在标记左侧 y 轴的标题为“收益”且保持坐标轴和条形图为蓝色的同时，将右侧 y 轴标记为“销售人员数量”，并用橙色绘制 y 轴和折线图来建立视觉上的联系。我之所以不做这样的建议，是因为颜色的使用通常会更有策略性。我们会在第4 章中讨论更多关于颜色的内容。
值得注意的是，当你用同一条 x 轴展示两套数据集时，这就暗示它们之间可能有关系也可能没有关系。在决定双 y 轴是否是合适的方案时，首先应该考虑到这一点。
当你面临双 y 轴的难题，需要考虑图 2-27 中哪种替代方案更能满足你的需求时，不妨想一下你所需要的专业程度。替代方案一中每个数据点都进行了清晰的标记，更关注具体的数值。替代方案二中 y 轴都显示在左侧，更强调拱形的趋势。总之，要避免双 y 轴，合理使用上面提到的替代方案。
三、六步做出好图表
把所学的知识综合起来，能够帮助你成功进行有效的数据可视化和沟通。
让我们首先考虑图 8-1，它展示了 5 种消费品平均售价随时间的变化。请花些时间研究它。
图 8-1 原图
一看到这幅图，我们就很容易开始吹毛求疵。但在讨论将图 8-1 中数据可视化的最佳方式之前，让我们先退一步考虑语境。
01：
理解语境
在面对可视化挑战时，要做的第一件事是确保你对语境和所需要沟通的内容有扎实的理解。我们必须识别出具体的受众，明确他们需要了解或者做什么，并决定用什么数据阐释我们的情况。我们应该先列出中心思想。
在这个示例中，假设我们为一家做消费品的创业公司服务，我们开始考虑如何为产品定价。这个决策过程中的考量之一（我们这里关注的一点），在于这个市场中竞争对手的产品零售价格是如何随时间变化的。从原图中可以得出一个可能重要的结论：“自产品 C 在 2010 年上市起，所有产品的市场价格都有所下降。”
如果我们停下来考虑其中具体的对象、内容和方式，假设如下，
对象：产品负责人，定价的主要决策者
内容：理解竞争对手的价格如何随时间变化，并推荐一个价格区间
方式：展示产品 A、B、C、D 和 E的平均零售价格随时间的变化
那么中心思想可能是这样的：基于对市场价格随时间变化的分析，为保持竞争力，我们建议以 $ABC~$XYZ 的零售价格区间推出新产品。
接下来，让我们考虑以不同的方式来可视化数据。
02：
选择恰当的图表
一旦确定了想要展示的数据，接下来就要决定如何以最佳方式进行可视化。在这个示例中，我们最感兴趣的是每个产品的价格随时间的变化趋势。回顾图 8-1，条形图之间的颜色差异分散了我们的注意，带来了不必要的困难。请保持耐心，因为我们会不断重复地看这些数据。这个过程会很有趣，因为它可以解释从不同的视角看数据如何影响你的关注点和结论。
首先，让我们去除颜色差异的视觉障碍，看一看结果，如图 8-2 所示。
图 8-2 去除颜色差异
你并不是唯一一个想要继续消除干扰的人。我不得不抵制这种冲动，因为这是我通常会做的事。在这个示例中，让我们先不这么做，在下一章中我们会一次性处理它。
既然原图的标题中强调的是产品 C 在 2010 年上市后发生的事情，让我们高亮相关的数据条，便于我们集中注意，如图 8-3 所示。
图 8-3 强调 2010 年以后的数据
经过研究，我们发现在所关注的时间段内，产品A 和产品B 的平均零售价格有明显的下降，但后续上市的产品并非如此。在我们讲故事时，显然需要修改原图的标题以反映这一点。
如果你一直在想，这里应该尝试折线图而非条形图（因为我们主要关注随时间变化的趋势），毫无疑问你是对的。这样做同时消除了条形图自动形成的台阶效果。让我们看看采用相同布局的折线图是什么样的，如图 8-4 所示。
图 8-4 改为折线图
图 8-4 让我们更清楚地看出每个产品价格随时间的变化，但仍然很难比较同一时间点不同产品的价格。将所有的折线按同一条 x 轴绘制能够解决这个问题。这也同时减少了多组年度标签带来的干扰和冗余。结果如图 8-5 所示。
图 8-5 对所有产品使用单一折线图
由于切换到新的图表设置，Excel 把我们之前去除的颜色加了回来（将数据和底部的图例联系起来）。让我们暂时忽略这一点，考虑图 8-5 是否满足我们的需求。如果重新审视，我们的目的在于理解竞争产品的价格如何随时间变化。图 8-5 中的数据展示方式能够相对轻松地达到该目的。通过消除干扰和吸引注意来确保信息更容易被吸收。
03：
消除干扰
图 8-5 展示了图表依赖 Excel 默认设置的样子。我们可以通过以下调整进行改进。
弱化图表标题。图表标题需要存在，但没必要用加粗的黑体吸引如此多的注意。
去除图表边框和网格线。它们占用空间却不增加价值。别让不必要的元素分散你的注意。
将 x 轴、y 轴和标签置成灰色以融入背景。它们不该在视觉上与数据竞争。同时修改 x 轴上的数据标记，与数据点对齐。
消除折线之间的颜色差异。我们可以更有策略地使用颜色，稍后会讨论这一点。
直接标记折线。这样有利于避免在图例和数据之间来回切换，受众一下就能理解数据。
图 8-6 展示了经过这些调整后的图表。
图 8-6 消除干扰
接下来，让我们看看如何引导受众的注意。
04：
引导受众的注意
根据图 8-6 所示，我们可以更容易地看到产品价格随时间变化的趋势并予以评论。让我们继续探讨如何通过有策略地使用前注意属性来关注数据的不同方面。
考虑最初的标题“自产品 C 在 2010 年上市起，所有产品的市场价格都有所下降”。仔细观察数据后，我可以将它改成“自产品 C 在 2010 年上市后，已有产品的平均零售价格有所下降”。图 8-7 展示了如何通过有策略地使用颜色将重要的数据点与这些文字联系起来。
图 8-7 吸引受众的注意
除了图 8-7 中着色的折线段之外，额外的数据标记也会吸引受众的注意，它用于表示产品 C 在 2010 年上市。通过使用一致的颜色，这从视觉上与产品 A 和产品 B 相应的价格下降趋势联系起来。
调整 Excel 中图表的元素 通常，你会同时调整一系列数据的格式（一条折线或者一系列条形图）。但有时，有些特定数据点使用不同的格式会很有用，如图 8-7、图 8-8 和图 8-9 所示，可以将受众的注意引导到特定的部分上。为实现这一效果，可以在数据序列上点击一次进行高亮，然后再点击一次只高亮感兴趣的数据点。鼠标点击右键并选择“格式化数据点”打开菜单，以按需调整特定数据点的格式（例如，修改颜色或者添加数据标记）。为你想修改的每个数据点重复以上过程，会耗费一些时间，但最终的图表对受众而言更易于理解。这些时间就花在了刀刃上！
我们可以利用同样的图表和策略来关注其他的结论，其中一个可能更有趣且值得注意：“在该领域每推出一个新产品，通常会看到平均零售价格先上升，然后下降。”如图 8-8 所示。
图 8-8 重新集中受众的注意
这一点或许也值得注意：“2014 年，产品的零售价格收敛到均价 223 美元，其中最低的 180 美元（产品 C），最高的 260 美元（产品 A）。”图 8-9 用颜色和数据标记将我们的注意集中到特定的数据点上以支持这一结论。
图 8-9 再次集中受众的注意
使用前注意属性，你能够从数据的不同角度更清楚地得出某些结论。这一策略可用于突出并讲述故事的不同部分。
在继续考虑如何以最佳方式讲述故事之前，让我们从设计师的角度完善图表。
05：
像设计师一样思考
你也许还没有明确地认识这一点，但其实我们在过程中已经像设计师一样思考了。形式服从功能：我们选择一种图表（形式），让受众轻松地按我们需要的去做（功能）。对于利用视觉可供性说明受众应该如何与图表交互，我们已经消除了干扰，弱化了图表中的某些元素，同时强调并关注另一些元素。
我们可以进一步改进图表。具体而言，我们可以做以下两点。
使用文字。我们可以在图表标题中使用简单的文字。我们还需要为水平轴和竖直轴添加标题。
对齐元素提升美感。图表标题居中对齐给人一种悬在空中的感觉，与其他元素均不对齐。我们应该将图表标题左对齐。将 y 轴标题与最上方的标签竖直对齐，将 x 轴标题与最左侧的标签水平对齐，这样建立出清晰的界线，确保受众在看到实际数据之前先明白如何解读数据。
图 8-10 展示了改进之后的图表。
图 8-10 添加文字并对齐元素
06：
讲好故事
最后，是时候考虑如何以图 8-10 为基础，按我们希望的方式引导受众体验整个故事了。
想象我们有 5 分钟的现场演示时间，演示的主题是：“竞争形势——价格”。以下几幅图（图 8-11~ 图 8-19）展示了一个用数据讲故事的方法。
图 8-12
图 8-13
图 8-14
图 8-15
图 8-16
图 8-17
图 8-18
图 8-19
让我们回顾一下这个过程，从告诉受众即将遵循的结构开始。我能够想象，在转到下一页 PPT 之前，现场画外音做了进一步铺垫：“众所周知，市场中会有五大产品是我们的主要竞争对手。”然后建立它们随时间的价格轨迹。我们可以在竞争形势下制造紧张氛围，即产品 C、D 和 E 在各自发布时都有明显的降价，然后可以用价格收敛来恢复平衡感。最终以清晰的呼吁行动结尾：针对我们的产品建议价格区间。
通过将受众的注意引导到故事的特定部分上（要么只显示相关的数据点，要么让其他内容融入背景，只强调相关的片段，并配以相应的叙述），我们已经带领受众经历了整个故事。
在这里，我们看了一个用单一图表讲故事的示例。当你的演示或沟通中有多幅图表时，你可以遵循同样的过程，或采用特定的策略。在这种情况下，想想将所有内容联系在一起的整体故事。大规模演示中针对某一图表的独立故事，正如我们这里看到的，可以看作庞大故事线中的子情节。
以讲故事的思路传达图表中的信息，是提升沟通效率的有效方式。
本书通过大量案例研究介绍数据可视化的基础知识，以及如何利用数据创造出吸引人的、信息量大的、有说服力的故事，进而达到有效沟通的目的。
11月份中标信息：
热门跟贴