我分析了100个数据仪表板，发现这些最常见的数据可视化错误！

入门级数据分析师最常见的数据可视化错误是什么？

为了回答这个问题，我评估了100个仪表板(随机选择)Maven Analytics展示，数据分析师从Tableau、Excel、SQL、Power BI或其他平台上传数据分析，作为其作品集的一部分。

我主要关注以下几点：

• 数据分析师是否经常犯令人惊讶的错误。
• 优秀作品集的例子——数据分析师做了什么使他们的仪表板更容易理解，即使观众对主题不熟悉？

下面是我寻找的8个错误，它们发生的频率，以及我在此过程中遇到的一些意外情况。如果你想了解更多关于数据可视化的相关内容，可以阅读以下这些文章：
探索Python强大引擎：将数据可视化提升到新高度的10个库
Python简化：使用ChatGPT进行数据可视化注释
数据可视化的6个等级，快看看你修炼到哪一层了！
强大的 Python Matplotlib 函数——创建漂亮的数据可视化

错误1：不必要的视觉效果(58%的仪表板包含此错误)  

为了使你的仪表板尽可能有效，消除占用空间但不增加理解的视觉元素(这被称为“chartjunk”)。添加波浪线、图标、彩色插入物，不同的字体可能很诱人-但如果你的仪表板太杂乱，会分散读者的注意力，使他们更难理解关键数据点。

错误2：缺乏指导(53%的仪表板) 

我用“缺乏指导”来描述存在以下错误的仪表板，例如：

• 没有在仪表板或书面分析中显示数据的趋势或上下文。这个数字是好是坏？没有上下文我们无法判断。
• 轴间隔、报告、x轴、y轴、饼图切片、条形图上的条形等均未标记。
• 缺少上下文:例如，如果仪表板显示“减少50% !”但我们不确定减少的是什么，或者是在什么时间范围内。
• 缺少图例，因此我们不知道可视化中不同颜色的含义。

我对于有多少仪表板不包含度量单位感到震惊。我还注意到，许多仪表板在书面分析中没有引起人们的注意或解释异常值。

错误3：无用的标题/标签(45%的仪表板)

分析师通常使用默认的Power BI或Tableau标签。这会导致一般读者无法理解的通用标签，例如“SUM_of_TotalIDS_adjusted”或“Total_Bft_Orders_by_Day_Name_English”。

要避免这种错误，请在发布之前检查报告中的所有标签和标题，并将默认标签更改为对普通读者有意义的标签。如果你需要包含首字母缩略词或商业术语，请在你的书面分析中解释它们的含义。

错误4：图表类型不适当(42%的仪表板)  

我用“不适当的图表类型”来描述我看到的错误，例如：

• 使用树状图或饼状图来显示随时间的变化(折线图更适合这种情况)。
• 使用超过5个分段的饼状图。

要为您的数据选择有效的视觉效果，请遵循Maven Analytics的建议，使用条形图来比较不同类别的数值数据，使用折线图来显示随时间变化的趋势，使用散点图来显示两个变量之间的关系。

不要仅仅为了让你的仪表盘看起来更酷而使用花哨的新视觉效果。如果条形图是显示数据最有效的方式，请务必使用条形图！

错误5：颜色使用不当(40%的仪表板)  

颜色使用不当的例子包括：

• 可视化和字体使用刺眼的颜色，包括荧光绿和荧光黄。这些颜色很难辨认并且会伤害你的眼睛。
• 同一页面上的不同视觉效果中的颜色含义不同，从而导致混乱。例如，在一个视觉上，粉色=“女性”，蓝色=“男性”，然后在另一个视觉上，粉色=“城市销售”，蓝色=“农村销售”。
• 对饼图的多个切片使用相同的颜色，因此无法区分切片大小的差异。

错误6：过于华丽的背景(22%的仪表板)

如果你正在分析披萨店，在你的仪表板背景中放一个大的意大利辣香肠披萨可能很诱人。但这只是另一种分散您数据重点的干扰性“chartjunk”。抵制这种冲动！选择纯白色或中性背景，这样更容易阅读。

错误7：拼写/语法/标点错误(占仪表板的20%) 

在发布之前，记得检查你的仪表板和你的书面分析是否有拼写、语法、标点或大写错误!我建议使用Grammarly或类似的应用程序来检查你的写作。

错误8：超过5个分段的饼状图(12%的仪表板)  

如果一个饼状图有超过5个部分(我认为甚至超过 3 个部分)，则很难弄清楚每个切片的角度。相反，如果您有超过5个类别需要比较，请使用条形图！

要点：一些值得回顾的优秀仪表盘

在对100个仪表板进行分析时，我也发现了一些优秀的分析，并希望确保给予作者应有的荣誉！

最好的分析如下：

• 用简单易懂的语言解释任何首字母缩略词或商业/行业术语，这样即使我在该领域没有专业知识，我也能够理解。
• 比较重大事件发生前后的趋势(例如，比较新冠肺炎之前、期间和之后的医院满意度得分)
• 绘制图表并关注异常值，提供可能的解释(例如，提请注意在新冠肺炎期间医院满意度下降幅度较大的州。）
• 提供了可操作且实用的业务建议。

感谢阅读！你还可以订阅我们的YouTube频道，观看大量大数据行业相关公开课：https://www.youtube.com/channel/UCa8NLpvi70mHVsW4J_x9OeQ；在LinkedIn上关注我们，扩展你的人际网络！https://www.linkedin.com/company/dataapplab/

原文作者：MargaretEfron
翻译作者：文杰
美工编辑：过儿
校对审稿：Jason
原文链接：https://medium.com/learning-data/i-analyzed-100-dashboards-here-are-the-most-common-data-viz-errors-i-saw-7286fc870b30