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

当清理杂物还不够时

Posted on 2025-10-10

减少视觉效果中的冗余元素,并突破工具的默认设置,几乎总能更快地获取洞察。这对于清晰的沟通至关重要,因此我们在研讨会上专门开辟了一个环节来探讨这一点。

然而,我们用一个重要的事实来结束这堂课:仅仅清理杂乱是不够的。如果使用的图表类型不够理想,或者关键信息被隐藏,观众仍然可能感到困惑。

今天,让我们来看看,当图表被整理后,它会看起来有多好,然后,当我们优先考虑主要信息时,它会变得有多强大。

该视觉图显示了工程公司内四种关键资产类型的工作订单状态。

  • 沿着横轴,我们可以看到四种资产类型:锅炉给水泵、高压变电站开关设备、分布式控制系统和管道架。

  • 该双轴图的主要(左)垂直轴绘制了某一资产类型内的订单绝对数量,按已关闭(蓝色条)和打开(橙色)细分。

  • 次要纵轴跟踪每种资产类型的已完成订单百分比。此视图旨在帮助领导层了解哪些资产领域已达到订单完成预期,哪些需要额外关注。

我们的观众想知道的一切都在这里。但这也是问题的一部分:同时发生的事情太多了,双轴模式让人难以确定重点。重点应该是订单数量?还是成交率?还是两者兼而有之?

清理杂物是常见且可取的第一步

与大多数主要使用绘图工具默认设置的图表一样,这张图表也可以通过一些常见的整理技巧来改进。现在,让我们按照以下步骤操作(其中包含一些关于这些主题的先前文章的有用链接):

  • 删除图表边框;

  • 调整图形比例;

  • 减少条形之间的空白;

  • 删除数据标签;

  • 格式化轴:提供标题、使用更轻的格式并添加轴线和刻度线;

  • 将图例从视图底部移到顶部,充当字幕;

  • 重写并对齐图表标题

这些变化的组合有助于减轻视觉负担,让您更容易专注于数据。在大多数情况下,应用上述步骤的类似组合效果良好,并且几乎总能带来改善。如果您时间紧迫,即使是快速的整理也能带来显著的效果。

通过优化图表使信息更加明显

即使有了这些变化,立即观察信息仍然具有挑战性。此时,我们应该认真思考我们想要传达的信息,以及我们的图表类型和设计选择是否有效地支持这种沟通。

双轴给观众带来沉重的负担

我们已尽力整理视图,但任何包含双轴的图表都需要观众耗费大量的脑力来跟踪情节中的多个指标。

相反,不妨考虑探索不同的方法来呈现这些信息。我们可以尝试摆脱组合轴的束缚,将图表垂直拉开,在两个视图中使用相同的横轴,但每个视图都有自己独立的垂直 y 轴。

折线图和分类数据很少混合

做完这个修改后,我发现有些不对劲。线图很适合表示随时间变化的连续数据,但这里我们处理的是分类数据——资产类型。在这种情况下,将每项资产的成交率连接起来会创建一种根本不存在的关系。为了解决这个问题,我将线图转换为单独的条形图,这样可以更好地表示这些独特的离散数据。

找到合适的细节水平可以揭示适当的显示类型

从技术上讲,这样确实好了一些,但还是感觉不对劲。也许我们还是想一次性展示太多内容。我们需要所有这些信息吗?当我们觉得有义务展示所有收集或分析的数据时,有时我们最终会说服自己创建不必要的繁琐视觉效果。通常,只展示这些数据的子集或聚合,最终效果会更加清晰。

继续迭代,我将删除关闭率信息。然后,我将把关闭条和打开条从并排放置改为堆叠放置。

堆叠条形图不仅能让我们查看每种资产的订单总数,还能让我们直观地比较每种资产类型的已成交订单。现在订单成交率已被移除,我们可以更清楚地了解此图表的意图,并且仅显示相关数据可以减少理解信息所需的认知努力。

确定图表要强调的一个关键要点

在与同事的交流中,我们发现受众最关心的是每种资产类型的关闭率。这张图表是否有助于清晰地表达该指标的主要含义?即大多数泵的维护订单已关闭(82%),而只有不到一半的管架维护订单关闭(42%)?我们可以从绝对水平上看到这一点,是的,但是由于监控这些资产的团队规模差异很大,因此仅显示订单数量可能并非正确的方法。

考虑到原始的视觉和闭合率线,我倾向于探索不同的观点。

切换到 100% 堆叠条形图后,现在可以清晰地显示已成交订单的比例。在此阶段,我还利用这个机会切换到了水平方向,以确保类别标签(在之前的版本中,这些标签分散注意力,并且会散布在一条、两条或三条线上)能够整齐地排列在一条线上。最后,我选择按业绩降序排列数据系列。

使用文字和上下文来使你的信息清晰易懂

最终的视图可以进行即时且准确的比较。现在我已经找到了合适的图表类型,最后一步是添加有助于构建和解释数据的元素:80% 的目标线、一个观察要点,让观众了解图表背后的关键信息,以及一个开放式问题,以引发讨论。

与原先的情况不同,实际情况显而易见:只有锅炉给水泵的订单关闭量处于可接受水平,而其他资产类型的订单关闭量均低于预期。现在,讨论的重点可以转向采取补救措施,加快这些领域的订单关闭速度。

总体上进行整理,针对特定信息和受众进行改进

整理视觉效果始终是至关重要的第一步,类似的方法也适用于大多数视觉效果。然而,为了实现最有力的沟通,仅仅整理是不够的。移除冗余元素或许有助于我们清晰地查看数据,但如果图表类型本身与故事内容不符,快速获取洞察的能力就会受到影响。真正的成功不仅在于优化原始图表,还在于重新思考如何以最佳方式呈现数据,确保你想要分享的主要信息清晰易懂。

如果您想了解我们如何通过案例帮助实际团队改善业务沟通,欢迎订购我们的最新著作:《用数据讲故事:改进前后对比》 。本书借鉴我们十多年来帮助组织和专业人士改进沟通方式的经验,介绍了二十个强大的改造案例,将无效的图表转化为引人入胜的视觉效果,从而吸引人、提供信息并推动更明智的决策。

原文: https://www.storytellingwithdata.com/blog/when-decluttering-isnt-enough

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
  • Anil Dash
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Big Technology
  • Bits about Money
  • Brandon Skerritt
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Dalool
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • HeardThat Blog
  • Henrique Dias
  • Herman Martinus
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Li Haoyi
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Maggie Appleton
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mind Matters
  • Mostly metrics
  • Naval Ravikant
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Steph Ango
  • Stephen Wolfram
  • Steve Blank
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • Wes Kao
  • 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