制作信息图的“核心信条”

2015-05-13 13:00
金融工程

点击标题下「大数据文摘」可快捷关注

?欢迎熟悉外语(含各种“小语种”)的朋友,加入大数据文摘翻译志愿者团队,回复“翻译”和“志愿者”了解详情。

“可视化”专栏诚招:如果您是专业人士并愿意与大家分享,请后台留言或投稿给DataViz@bigdatadigest.cn,加入我们,一起把这个平台和专栏做得更好。

大数据文摘翻译作品

摘自:99designs.com

编译:康欣

欢迎个人转发朋友圈;其他机构或自媒体转载,务必后台留言,申请授权

偏好柱状图和饼状图的陈腐的企业审美已经不复存在了。如今,“数据可视化”(包括为信息图)被大量使用,可谓是无处不在。数据可视化是一个极好的方式,用来传递出与公司行为相关的信息,或者以一种视觉上引人入胜的方式,简单解释一个社会现象。

但是,确切地说,是什么成就了一个好的信息图呢?在网上搜索一下,你会找到非常多的观点,其数量如同信息图设计者一样。尽管如此,对于信息图这一“艺术品”,还是有一些核心信条,得到了几乎每个人的认同。这里,我们对其做一个总结,同时配上一些例子作为演示。

先来一个极简风格:用Lego(乐高)总结信息图的概念。

![宽客网,量化投资,宽客俱乐部](https://v1cdn.cnq.net/file/2010/531yvrgxhfftmi.png" />

1讲述故事任何一个信息图不仅仅是数据的整理,还是一个故事。它有起因,经过,结果(作文结构。仿佛回到了语文课?),或者是问题,数据,结论(论文结构。一跃又来到了毕业论文)。

这需要理解手中数据的内容,其回报是抓住读者的注意力,并引导他们的理解,而不是让读者迷失在随意堆叠的无意义的数字中,并最终失去他们。用信息图说话,来看一个好的例子。

![宽客网,量化投资,宽客俱乐部](https://v1cdn.cnq.net/file/2010/532quvatcosyam.png" />

2找到“钩子”每一个信息图都有它的“钩子”——那些数据中特别有趣的、意想不到的或者令人玩味的部分,它是明白或理解信息图要展开叙述的“故事”的核心。一旦你有了这些“钩子”,以视觉形式强调它们:让它们比周围的信息更大或者显眼,给予更多的空间,摆放在等不或者底部,而不是夹带在中间。

注:英文原文中用了“hook”一词,其精妙之处在于,hook有钩子、鱼钩、上钩以及诱惑等多重含义。

先上信息图,然后我们来解释。

![宽客网,量化投资,宽客俱乐部](https://v1cdn.cnq.net/file/2010/533awo21dm4y3g.png" />

这是另一个关于Record Deal的信息图,与其它版本相比,做得明显更好的是它强调了钩子:数据如“500,000份拷贝”、“5百万美元”以及“375,000美元”,都比周围文字用了明显的粗体。

这个设计还使用背景色块将其分割成几个部分,这是一个聪明的主意。唯一美中不足的是,设计者没有可视化“对375,000美元有争议”这一事实,这个应该是可以很容易做到的。

下面两个信息图在强调钩子方面做的很好,它们用了位置,大小和颜色。

宽客网,量化投资,宽客俱乐部

宽客网,量化投资,宽客俱乐部

3展示,不要“告诉”这个貌似很明显,但是还是要尽可能减少文字到使用量。使用简介的遣词,局部聚集的文字,一语中的。

在不得不使用文字的地方,确保用图标、有趣的排版活着周边留白加以均衡处理,避免密集文字区块。不论是好还是坏,读(文字)是个不怎么21世纪的事(图和视频更受欢迎)。

同样,先上信息图,再做解释

宽客网,量化投资,宽客俱乐部

这个信息图是一个工作职位列表,但它不是简单地逐点罗列出对候选人的要求,而是使用视觉上更吸引人的一版图标。整体上来说,在格式和颜色方面,这个设计做到了完美的平衡。

4谋求改变给定一个数据集,你可以用千万种方式展示它。对于制作一个信息图,你的工作是选择可视化手段,既能非常容易理解,又比标准图表更有趣。

改变一下:如果你正在一个信息图中使用某类可视化手段超过一次,你的创造性也许还不够。

这个是一个很棒的例子!

宽客网,量化投资,宽客俱乐部

它使用非传统的、多样的图形可视化手法。这里有一个柱状图,但是被装扮成了一个“橱窗兼智能手机显示屏”,非常聪明!

对于紧随其后的那些百分比数字,设计者使用了相应大小的气泡。最后,是另一个柱状图,但将其表现为一个台阶造型,以区别于之前的柱状图。

5颜色和字体对于任何形式的设计,选择漂亮的颜色和明显的字体非常关键。对于颜色,使用三色调调色板通常是一个好的选择。在不得不处理比期望要多的文字时,这一点特别突出。

宽客网,量化投资,宽客俱乐部

这个信息图有文字繁冗的问题,但对合适的字体和颜色的选择,极力拯救了这个信息图。

篇尾语:

这些信息图,你最喜欢哪个?或者,看到什么很酷的信息图?请留言给分享给我们,并借此分享给更多人。您的参与和支持,是对大数据文摘的莫大鼓励!

【译者简介】

有意联系译者,请给“大数据文摘”后台留言,附自我介绍及微信ID,谢谢!

康欣:博士,多年从事图像及数据处理和分析、计算机视觉、模式识别、机器学习、增强现实等领域的技术研究和创新应用,现为西门子中国研究院高级研究员。希望借此平台,与大数据分析爱好者以及专家学者交流、合作。
数据分析, 数据挖掘, 可视化, 信息

点击切换 到互动模式(当前为阅读模式)