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