制作信息图的“核心信条”

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。

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

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！

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。

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

风险提示及免责条款

市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！