Isi kandungan:
Video: 6 Cara Mengatasi Sakit Jiwa Ringan 2024
Apabila mock-up hitam-putih anda selesai, anda sudah bersedia untuk menambah visual yang sangat kuat yang akan menjadikannya pop. Itulah sebabnya anda memulakan perjalanan ini untuk bermula, bukan? Apabila menambahkan visual kepada mock-up anda, penting untuk memberi tumpuan kepada menambah visual yang berkesan. Malangnya, disebabkan kekurangan kepimpinan pemikiran dan latihan dalam industri risikan perniagaan (BI), tan visualisasi data yang menarik tetapi tidak berkesan memberi nilai sifar. Cuma melakukan pencarian Internet untuk visualisasi data untuk melihat beberapa contoh.
Jadual di bawah menyenaraikan tiga ciri utama visual yang berkesan.
| Trait | Butiran |
|---|---|
| Data adalah jelas. | Pastikan data tersebut jelas, kedua-dua tujuan dan
paparan. |
| Visual sesuai dengan data. | Sama ada anda memilih carta atau teks, pastikan anda menggunakan
visual yang tepat untuk tugas tersebut. |
| Pengecualian mudah dilihat. | Sama ada anda menyerlahkan perbandingan atau penglihatan dalam data , anda harus memudahkan pengguna mengenalpasti pengecualian
dalam data. |
Jadual sebelumnya dipengaruhi oleh Edward Tufte, yang dianggap sebagai godfather visualisasi data. Buku beliau Paparan Visual Maklumat Kuantitatif , Edisi 2 (Graphics Press), adalah salah satu buku yang paling terkenal dalam bidang visualisasi data. Walaupun ia memerlukan pendekatan saintifik, ia mesti dimuatkan untuk pemula dan pakar data yang sama.
Ketiga-tiga ciri ini tidak termasuk semua, jadi anda tidak boleh mengharapkan untuk mempunyai semua mereka untuk memutuskan sama ada visual harus membuatnya menjadi mock-up anda. Sebaliknya, gunakannya sebagai garis panduan apabila anda memilih visual anda. Semakin banyak sifat yang anda miliki dalam setiap visual, semakin berkesan keseluruhan data anda akan menjadi!
Data jelas
Data paparan visual berkesan yang jelas dalam kedua-dua persembahan dan tujuan, tidak diputarbelitkan dalam apa cara sekalipun. Kesilapan yang biasa adalah untuk menolak terlalu banyak data ke dalam visual tunggal, menyebabkan titik penting data tersembunyi, dibayangi, atau diputarbelitkan oleh semua bunyi bising. Rajah berikut menunjukkan contoh visualisasi data yang menggunakan carta donat untuk menunjukkan jenis peranti mudah alih yang digunakan orang. Lihat bagaimana kesan 3-D menjadikannya sangat sukar untuk memahami data.
Ia juga penting untuk memastikan bahawa tujuan visual adalah sangat jelas supaya pengguna tidak mempunyai ruang untuk salah tafsir. Visualisasi data yang baik menceritakan kisah sekilas, meninggalkan pembaca yang ingin lebih.Sekiranya visualisasi data mengelirukan atau disalahtafsirkan, kebanyakan pengguna akan dimatikan dan meninggalkannya. Angka di bawah menunjukkan contoh visualisasi yang membingungkan yang menggambarkan penggunaan rangkaian sosial. Malangnya, warna dan peratusannya tidak mempunyai korelasi dan oleh itu sangat membingungkan. Bolehkah anda memberitahu apa visualisasi yang digambarkan?
Visual sesuai dengan data
Visual harus sesuai dengan data. Visual adalah lebih daripada sekadar carta, bagaimanapun, dan visual tertentu hanya tidak sesuai dengan data tertentu. Biasanya, anda boleh membentangkan data dalam pelbagai cara. Tugas anda adalah untuk mencari cara yang paling berkesan untuk melakukannya.
Anda tidak sepatutnya menggunakan carta pai, sebagai contoh, untuk menunjukkan data dengan lebih daripada lima mata data atau untuk memaparkan sebarang set data dengan sedikit variasi magnitud. Begitu juga, anda tidak boleh menggunakan jadual atau kad skor untuk menunjukkan trend dari masa ke masa.
Angka di bawah menunjukkan dua visualisasi yang mencatatkan data yang sama. Carta garis di bahagian atas adalah pilihan terbaik untuk menunjukkan trend Margin Jualan pada tahun 2014, kerana ia menjelaskan dengan jelas bahawa perbelanjaan syarikat melonjak jauh melebihi keuntungannya. Carta lajur di bahagian bawah tidak menyampaikan trend itu dengan jelas. Carta lajur lebih baik digunakan untuk membandingkan item.
Pengecualian mudah dilihat
Sama ada mereka berada dalam bentuk peringatan, perbandingan, atau mengatasi, pengecualian dalam data harus mudah dilihat dalam visual yang berkesan. Jika pengecualian memerlukan analisa tambahan dalam memahami, kemungkinan visual anda tidak berkesan.
Pengecualian dalam visualisasi data sangat kuat dan boleh menambah nilai yang hebat. Apabila pengguna dapat melihat pengecualian dan menguraikannya dengan cepat, mereka tahu sama ada perhatian segera, sederhana, atau ringan diperlukan. Menyoroti pengecualian juga memberikan wawasan ke arah aliran yang mungkin memerlukan perhatian.
Angka berikut menunjukkan carta yang menggunakan amaran untuk menyerlahkan beberapa pengecualian dalam trend data jualan.
