自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

干貨 | 數(shù)據(jù)可視化中5個(gè)常見錯(cuò)誤及克服方法

大數(shù)據(jù) 數(shù)據(jù)可視化
數(shù)據(jù)可視化的普及和影響在相對(duì)較短的時(shí)間內(nèi)急劇增加。 Google趨勢(shì)顯示,自2009年以來,數(shù)據(jù)可視化的搜索頻率幾乎增長(zhǎng)了100%,我們已經(jīng)看到了大量可用的工具和軟件,幾乎任何人都可以相對(duì)輕松地創(chuàng)建數(shù)據(jù)可視化。

[[203207]]

數(shù)據(jù)可視化的普及和影響在相對(duì)較短的時(shí)間內(nèi)急劇增加。 Google趨勢(shì)顯示,自2009年以來,數(shù)據(jù)可視化的搜索頻率幾乎增長(zhǎng)了100%,我們已經(jīng)看到了大量可用的工具和軟件,幾乎任何人都可以相對(duì)輕松地創(chuàng)建數(shù)據(jù)可視化。

比起文本,我們本能地更熱衷于圖像,因?yàn)榇竽X能夠以更快的速度處理圖像。 然而,這并不意味著你可以把大量的圖像和形狀放在儀表板上,并期望你的觀眾贊嘆。 就像在我們被圖像吸引背后的認(rèn)知方面,還有其他固有的東西,在某種程度上,與潛意識(shí)的行為變得相關(guān)。 其中之一就是***印象。

 

我們都知道這句話:***印象持續(xù)一生。 但它背后有多少真理呢? 好吧,事實(shí)證明:非常多。 類似于本能戰(zhàn)斗或逃跑反應(yīng),人類執(zhí)行無意識(shí)思維的行為,稱為快速認(rèn)知; 比我們習(xí)慣的刻意的決策風(fēng)格更直觀,更快速。

快速認(rèn)知是我們從一個(gè)非常短暫的經(jīng)驗(yàn)中深入挖掘和衡量真正重要的能力。 正如我們被告知從來不要通過一本書的封面判斷它一樣,我們每天都使用這種能力,它通過快速解析大量的信息,決定什么是最重要的,而不采取較慢,更理性的思維方式。

心理學(xué)家稱這種現(xiàn)象為“薄片(thin-slicing)”:在幾秒鐘內(nèi)感知細(xì)節(jié)或信息需要大腦的理性部分花費(fèi)幾個(gè)月或幾年的時(shí)間去評(píng)估。 Malcolm Gladwell將其描述如下:

薄片(Thin-slicing)不是一種異國情調(diào)的禮物。 它是對(duì)于人類來說意味什么的中心部分。 每當(dāng)我們遇到一個(gè)新的人,或者必須快速地了解一些東西時(shí)就會(huì)發(fā)生薄片現(xiàn)象… …我們依靠這種能力,因?yàn)樵诤芏嗲闆r下,仔細(xì)注意細(xì)節(jié),即使不超過一秒鐘,都可以告訴我們非常多的信息。

好消息是,你可以改變和反駁別人對(duì)你不良的***印象,讓他們更了解你。但是在網(wǎng)絡(luò)上這就要困難得多,因?yàn)槲覀兊淖⒁饬χ芷诳偸窃跉v史新低處。與之對(duì)應(yīng)的,比以往任何時(shí)候都更難吸引你讀者的注意力,你不能讓壞的***印象進(jìn)入你數(shù)據(jù)可視化的個(gè)人簡(jiǎn)介里——尤其是當(dāng)信息被埋藏的更深時(shí)容易引人探究。

為了防止這一點(diǎn),我們將討論5個(gè)最常見的錯(cuò)誤,以避免涉及不同可視化類型數(shù)據(jù)的錯(cuò)誤形式。

1.數(shù)據(jù)過載

許多可視化數(shù)據(jù)和BI儀表盤的犧牲品數(shù)據(jù)過載——內(nèi)容擁擠,其中一些可能不添加任何數(shù)據(jù)的理解。例如,盡管三維圖表看起來可能令人印象深刻,但他們往往使數(shù)據(jù)的解釋更加困難。

 

同樣的,BI儀表盤與5圖表和眾多的標(biāo)簽可能會(huì)展示數(shù)量顯著的研究結(jié)果,但如果你的讀者無法區(qū)分他們?cè)诳词裁?,最終也是無用的。不必要的插圖、陰影、字體和紋飾會(huì)使數(shù)據(jù)分散,所以盡量少用。在大多數(shù)情況下,少即是多。

2.訪問軸

處理定量數(shù)據(jù)時(shí),條形圖或折線圖是使內(nèi)容可視化***的方法之一。一個(gè)常見的錯(cuò)誤是圖表軸;當(dāng)它看上去是有效啟動(dòng)軸值越高于零時(shí)值越大,這可以將酒吧營(yíng)業(yè)額和他們價(jià)值觀精確的表示。

 

3.不要“切太薄”

處理全部數(shù)據(jù)時(shí),數(shù)據(jù)通常以部分到整體關(guān)系的形式出現(xiàn),更為人知的是叫做餅圖。 餅圖是一種非常受歡迎的表現(xiàn)數(shù)據(jù)的方法,然而飽受非議的是,正如Walter Hickey所說,它是“他們表面上被設(shè)計(jì)用來做的令人難以置信的糟糕的一件事”。 

 

沒有區(qū)段標(biāo)簽,實(shí)際上很難區(qū)分餅狀圖段的大小(你能區(qū)分36%和37%之間的差異嗎?),因此確保圖表的所有區(qū)域都清楚地標(biāo)記。 此外值得考慮的是所使用的類別的數(shù)量; 太多不同的段使得每個(gè)段之間難以區(qū)分。

4.交叉線

位于特定范圍內(nèi)的數(shù)據(jù)通常用于展示隨時(shí)間的變化。 因此,折線圖是傳達(dá)數(shù)據(jù)之間的變化或差異的有效方式。 您可能已經(jīng)開始注意到這里的趨勢(shì),但重要的是不要在圖表中使用太多的線。 在圖表上有大量的交換線會(huì)很快變得混亂,因此我們建議不要使用超過4個(gè)系列。

 

 

5.適當(dāng)?shù)念伾?/strong>

熱圖是數(shù)據(jù)可視化世界中***的圖表之一,并迅速變得流行。 使用地理空間作為基礎(chǔ)是***的分類數(shù)據(jù),但有一些障礙可能會(huì)使你迷惑。 顏色和數(shù)據(jù)范圍都應(yīng)在熱圖中正確使用。 

 

一些顏色比其他顏色更突出,這可能給數(shù)據(jù)帶來不必要的權(quán)重。 相反,使用具有不同陰影的單一顏色來顯示強(qiáng)度水平。 對(duì)于數(shù)據(jù)本身,請(qǐng)選擇3-6個(gè)數(shù)字范圍,在它們之間均勻分布數(shù)據(jù)。 +/-符號(hào)可以擴(kuò)展高的和低的范圍。

通過數(shù)據(jù)高效地講故事是一個(gè)必需的技能,這將有助于你在組織中的影響力。 

責(zé)任編輯:龐桂玉 來源: 36大數(shù)據(jù)
相關(guān)推薦

2015-09-21 09:27:25

數(shù)據(jù)可視化錯(cuò)誤

2024-03-25 14:17:52

數(shù)據(jù)可視化數(shù)據(jù)驅(qū)動(dòng)

2020-03-11 14:39:26

數(shù)據(jù)可視化地圖可視化地理信息

2020-10-26 15:33:13

可視化數(shù)據(jù)項(xiàng)目

2021-11-07 07:53:18

數(shù)據(jù)可視化圖形數(shù)據(jù)

2017-10-14 13:54:26

數(shù)據(jù)可視化數(shù)據(jù)信息可視化

2024-08-20 18:16:49

數(shù)據(jù)可視化Python

2018-03-15 09:57:00

PythonMatplotlib數(shù)據(jù)可視化

2024-07-01 08:51:19

可視化數(shù)據(jù)分析漏斗

2017-06-19 08:30:35

大數(shù)據(jù)數(shù)據(jù)可視化報(bào)表

2017-07-18 15:15:57

數(shù)據(jù)可視化細(xì)節(jié)層次分析

2018-01-16 23:38:06

大數(shù)據(jù)可視化數(shù)據(jù)

2017-07-13 09:21:05

大數(shù)據(jù)數(shù)據(jù)可視化

2017-06-23 17:55:49

PythonPycon可視化庫

2024-03-07 09:00:04

Rust數(shù)據(jù)可視化

2018-03-24 21:38:54

Python數(shù)據(jù)庫數(shù)據(jù)可視化

2018-03-26 14:20:23

PythonMatplotlib數(shù)據(jù)可視化

2022-04-21 23:46:59

機(jī)器學(xué)習(xí)數(shù)據(jù)科學(xué)Python

2015-11-11 14:26:31

數(shù)據(jù)可視化術(shù)語

2024-12-06 11:42:33

點(diǎn)贊
收藏

51CTO技術(shù)棧公眾號(hào)