Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

相信过程

Posted on 2025-06-11

迭代过程的一个共同特点是,事情往往会先变得混乱,然后才会好转。有一种说法是,一切都会以线性方式改进,这被称为“单调”。但真正的进步往往比直线发展有更多的起伏。

让我告诉你我的意思。

我们先从一张表格开始(这张表格取自我计划于6月26日举行的线上小型研讨会)。它展示了四家供应商的评估结果。表格中包含丰富的数据:我们可以看到每家供应商在五个维度(初始设置、整体操作、功能性、易用性、患者满意度)以及平均水平上的表现。但作为视觉呈现,它并不能帮助我们快速掌握关键要点。

那么,我们来画个图吧。这是分类数据,所以我选择用条形图。测试指标有点冗长,所以我会用水平的,文字也水平排列,这样描述起来更容易阅读。下面是我的初始图表。它是将表格直接转换成视觉形式。

这是一次诚实的初次尝试——但它内容丰富、色彩缤纷,难以比较。让我们继续迭代。

接下来,我将按供应商重新分组数据。

说到这儿,我想起了鲍勃·罗斯。或许你知道我脑海中浮现的《绘画的乐趣》里的那个场景:他正平静地画着一幅宁静的风景,画得渐入佳境,然后——仿佛凭空而来——他突然在画布上划出一条粗重的暗线。天哪!他为什么要毁了它?!

但他没有。

过了一会儿,那条意想不到的线条就变成了前景中那棵快乐的小树,让整幅画充满了生机。

这张条形图是我的一个缺点。它看起来还没有好转——颜色太多,条形太多。要比较很多东西都很困难。甚至感觉像是倒退了一步。

但这只是过程的一部分。因为只需一些深思熟虑的调整,就能清晰地呈现。

我会消除混乱,简化颜色,在经过深思熟虑的位置添加文字,以使图表(以及我希望人们从中获得的信息)变得非常清晰。

根据情况,我可能能够进一步提炼细节并简单地绘制平均值,而不是单个维度的细节。

无论哪种情况,数据都已经转化成更多的东西。

这个例子是我即将于6月26日举行的免费线上迷你研讨会上演示的几个例子之一。欢迎加入我,学习将数据转化为引人入胜的视觉故事的实用策略,并获得您的疑问解答。只需注册即可加入。

与此同时,如果您想考虑如何转变这个或相关的视觉效果 – 或者看看其他人是如何处理它的 – 请查看六月的 SWD 挑战。

这个例子出自我们的新书,书中收录了二十个受客户启发的改造案例,旨在帮助您重新思考如何与数据沟通。 立即预订!

原文: https://www.storytellingwithdata.com/blog/trust-the-process

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Bits about Money
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • Elad Gil
  • Ellie Huxtable
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • Henrique Dias
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mostly metrics
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2025 搞英语 → 看世界 | Design: Newspaperly WordPress Theme