隨着時代與技術不斷的發展，數據可視化在不同的行業和領域，幫助人們進行數據分析，獲取知識，也被越來越多的企業所重視。本篇文章分享開展數據可視化設計工作的分析框架、基本流程與注意項，與大家分享。
數據可視化技術綜合運用計算機圖形學、圖像處理、人機交互等技術，將採集或模擬的數據變換為可識別的圖形符號、圖像、視頻或動畫，以幫助人們瞭解這些數據的意義。
可視化的作用體現可概括為三個方面，信息記錄、支持對信息的推理和分析、信息的傳播與協調。
其中數據分析是數據可視化的主要任務，其任務包括定位、識別、區分、分類、聚類、分佈、排列、比較、內外鏈接比較、關聯關係等。通過觀察數字、統計數據加以轉換獲得清晰的結論並不是一件容易的事。
而人類大腦對視覺信息的處理優於對文本的處理。因此使用圖表、圖形和設計元素把數據進行可視化，提升對信息認知的效率並引導用户從可視化結果分析和推理出有效信息，降低了數據理解的複雜度，突破了常規數據統計的侷限性。
在信息管理、信息系統和知識管理學科中，最基本的模型是“數據、信息、知識、智慧”DIKW層次模型。
它以數據為基層、架構，按照信息流順序依次完成數據到智慧的轉換；四者之間的結構和功能方面的關係構成了信息科學的基礎理論，完成從原始數據的轉化。
在可視化與可視分析過程中，用户是所有行為的主體。通過獲取的可視信息形成認知，在交互分析過程中獲取解決問題的方法。
在這個過程中，感知和認知能力直接影響着信息的獲取和處理進程，進而影響對外在世界環境做出的反應。這也是設計數據可視化產品服務藍圖的基礎邏輯，提供了適當的模型。
數據可視化的核心內容是從巨大的、多樣性的樣式中選擇最合適的形式；判斷某個形式是否合適的因素包括感知與認知系統的特性、數據本身的屬性和任務的目標。
前面提到數據可視化最終是要通過可視化信息形成決策。當一切順利時，提供一個良好的用户體驗並不難。當業務需求和組織機構都很複雜的時候，事情就很容易出錯。
設計中困難的部分是確保在面對意想不到的困難時也能工作的很好。
提到數據可視化就不得不提到一個名詞，指標。
現代管理學傾向於關注數據衡量。表示只有通過數據衡量工作進度才能被監控和維護起來。如果無法衡量你就無法改進他。
但有時一些重要問題的分析不能單單依靠數據衡量。在做數據可視化設計時監控分析模型取決於你所處的立場，是一個不斷反覆優化迭代的過程，下面我用一張圖來表述可視化分析流程。
可視分析的基本流程通過人機交互將自動和可視分析方法緊密結合。
上圖展示了一個典型的可視分析流程圖和每個步驟中的過渡形式。這個流水線的起點是輸入的數據，終點是提煉的知識。從數據到知識有兩個途徑:交互的可視化方法和自動的數據挖掘方法。
兩個途徑的中間結果分別是對數據的交互可視化結果和從數據中提煉的數據模型。用户既可以對可視化結果進行交互的修正，也可以調節參數以修正模型。
可視化的首要任務是準確地展示和傳達數據所包含的信息。根據預期和需求，提供有效輔助手段以方便用户理解數據，從而完成有效的可視化。
同樣也存在不少交互技術方便用户對數據解讀的便捷性。
過於複雜的可視化可能會給用户帶來理解上的麻煩，甚至可能引起用户對設計者意圖的誤解和對原始數據信息的誤讀。缺少直觀交互控制的可視化可能，會阻礙用户以主觀上更直觀的方式獲得可視化所包含的信息；另外，美學因素也能影響用户對可視化設計的喜好或厭惡情緒。
當數據尺寸大、結構複雜時，有限的空間大大限制了靜態可視化的效果，有限的可視化空間和數據過載之間的處理是非常複雜的。
有時我們會通過物理環境的變化來改變服務模型，但更多的時候是通過交互設計來完成對複雜信息的處理。
交互可提高可視化系統的效率，幫助用户處理更多的數據，完成更復雜的任務。
然而，實現交互本身也有額外成本。互動的系統可以使用户能探索更大的信息空間，但隨之而來的成本是用户需要花費更多的時間與精力去瀏覽和探索數據。
如果用户需要逐一試探每個數據點，那麼可視化系統就成為了完全依靠人力的信息檢索系統。
因此，可視化系統應當採用數據挖掘算法自動發現用户可能會關心的數據或者模式；並通過可視化呈現給用户，用户在這個基礎上通過互動進行更深入的挖掘。
另一方面，如果一個任務完全可以通過自動算法得出用户需要的結論，交互也就不再需要了。
互動的可視化系統，特別是可視分析系統中的自動分析和用户交互分析是相互補充的兩個部分，權衡兩者的作用與成本，從而達到一個合理的平衡。
設計師的設計決定了系統的可理解性，一旦掌握了這個邏輯，在複雜的頁面也會變得有條不理。另外是我們自己對產品的一套理解力和技巧，可理解性和理解力是對可視化系統複雜問題處理上兩個決定性要素。
在信息可視化設計中，配色方案關係到可視化結果的信息表達和美觀性。
好的配色方案的可視化結果能帶給用户愉悦的心情，有助於用户更有興趣地探索可視化所包含的信息；反之，則會造成用户對可視化的牴觸。
另外，和諧的配色方案也能增加可視化結果的美觀性。
在設計可視化的配色方案時，設計者需要考慮很多因素:可視化所面向的用户、羣體、可視化結果是否需要被打印或複印(轉為灰階)、可視化本身的數據組成及其屬性等，這裏我想重點提出配色與服務模型的關聯關係。
目前市面大部分的運營監控系統採用的是深色背景色的配色方式。這種配色的優勢是：深色背景與高亮度數據、表格產生高對比度，更容易凸顯數據，使人更容易感知到數據。
但如果生產方式是需要長時間使用系統觀察數據分析時，會使人很容易產生視覺疲勞，希望大家能結合場景考慮視覺設計風格。
在這次疫情期間，數據可視化為衞健、交通、經濟、民政等部門提供強有力的支撐，也是我們打贏疫情的一個重要工具；也讓數據可視化進入到更多人的視野發現數據可視化的價值。
新時期科學發展和工程實踐的歷史表明：智能數據分析所產生的知識與人類掌握的知識的差異正是導致新的知識發現的根源。我們仍需在數據可視化的道路上不斷探索挖掘數據價值，從而提供更好的體驗。
作者：越山鷹，參與過數十個超大型B端項目開發建設，多年B端產品用户體驗研究設計工作經驗。
本文由 @迎風走 原創發佈於人人都是產品經理，未經許可，禁止轉載。
題圖來自 Unsplash，基於CC0協議