KNOW
WHAT
消息
您是
正在尝试
TO
沟通
以前
YOU
GET
DOWN
IN
THE
杂草。
BY
斯科特
贝里纳托
92
哈佛商业评论 2016 年 6 月
Scott Berinato 是一名大四学生
HBR 编辑和作者
《优秀图表：实现更智能、更具说服力的数据可视化的 HBR 指南》（2016 年），摘自
本文改编自该文章。
HBR.ORG
2016 年 6 月 哈佛商业评论 93
数据是这种转变背后的主要力量。决策越来越依赖于数据，数据以如此压倒性的速度和如此的数量向我们袭来，以至于如果没有一些抽象层，例如视觉抽象层，我们就无法理解它。一个典型的例子：在波音公司，Osprey 项目的管理人员需要提高飞机的起飞和降落效率。但是，每次 Osprey 离开地面或着陆时，它的传感器都会产生 1 TB 的数据。10 次起飞和降落产生的数据与美国国会图书馆 （Library of Congress） 中保存的数据量相同。如果没有可视化，要发现隐藏在数据模式和异常中的低效率将是一项不可能的艰巨任务。
但即使是非统计信息也需要视觉表达。复杂的系统（例如，业务流程工作流程或顾客在商店中的移动方式）很难理解，更不用说修复了，如果你不能先看到它们。
多亏了互联网和越来越多的经济实惠的工具，现在每个人都可以轻松（且便宜）地将信息转换为视觉效果，无论数据技能或设计技能如何。这在很大程度上是一个积极的进展。不过，一个缺点是，它强化了“点击可视化”的冲动，而没有首先考虑你的目的和目标。Convenient 是 Good 的诱人替代品
但它将导致图表仅仅是足够的，或者更糟糕的是，无效。自动将电子表格单元格转换为图表仅可视化电子表格的各个部分;它没有捕捉到一个想法。正如演讲专家 Nancy Duarte 所说，“不要投射出你展示图表的想法。投射出这样一个想法，即你正在展示人类活动的反映，以及人们为使线条上下波动所做的事情。这不是'这是我们第三季度的财务业绩'，而是'这是我们没有达到目标的地方'。
想要更好地制作图表的经理通常从学习规则开始。何时应使用条形图？多少种颜色才算太多？密钥应该放在哪里？我必须从 0 开始我的 y 轴吗？视觉语法很重要且有用，但了解它并不能保证您一定会制作出好的图表。从图表制作规则开始就是放弃执行策略;这是为了在不知道你要去哪里的情况下为旅行打包。
如果你一开始就承认这不是一个单独的行动，而是几个活动，每个活动都需要不同类型的计划、资源和技能，那么你的视觉交流就会更加成功。我在这里提供的类型学是针对我刚才描述的那个错误的回应而创建的：本文改编自一本书，一开始就像一本规则书。
很久以前，创建智能数据可视化 （DataViz） 的能力是一项可有可无的技能。
在大多数情况下，它受益
注重设计和数据的管理者，他们深思熟虑
投资收购的决定
它。情况已经改变。现在视觉传达是一项必备技能
对于所有管理者来说，因为
更多时候，这是理解他们所做的工作的唯一方法。
真正有效的可视化
94
哈佛商业评论 2016 年 6 月
但是，在探索了可视化的历史、可视化研究的激动人心的状态以及专家和先驱者的聪明想法之后，我重新考虑了这个项目。我们不需要另一本规则手册;我们需要一种方法来思考整个日益重要的视觉传播学科。
本文中描述的类型很简单。
只需回答两个问题，您就可以为成功做好准备。
两个问题
要开始以可视化方式思考，请考虑可视化的性质和目的：信息是概念性的还是数据驱动的？
我是在宣告什么还是在探索什么？如果您知道这些问题的答案，您就可以规划您需要哪些资源和工具，并开始辨别哪种类型的可视化将帮助您最有效地实现目标。
概念
数据驱动
重点
想法
统计学
目标
简化、教学
“我们的
组织
是结构化的。
INFORM， ENLIGHTEN “这是我们过去两年的收入。”
第一个问题是两个问题中较简单的一个，答案通常是显而易见的。要么您正在可视化定性信息，要么您正在绘制定量信息：想法或统计数据。但请注意，问题是关于信息本身的，而不是您最终可能用来显示信息的形式。例如，经典的 Gartner 技术成熟度曲线（见右上图）使用传统的数据驱动形式（折线图），但没有实际数据。这是一个概念。
膨胀峰
期望值
高原
生产力
坡度
启迪
槽
幻灭
TIME
科技
触发
能见度
新兴技术的 HYPE CYCLE
如果第一个问题指出了你拥有什么，那么第二个问题引出你在做什么：要么传达信息（声明性）要么试图弄清楚什么（探索性）。
声明
探索
重点
记录
设计
原型设计、迭代、交互、自动化
目标
肯定
“这是我们的
预算依据
部门。
确认 “让我们看看营销投资是否有助于利润增长。”
发现
“如果我们按性别、位置和购买金额实时可视化客户购买情况，我们会看到什么？”
经理最常使用声明式可视化，这些可视化通常在正式环境中向受众发表声明。如果您有一个充满销售数据的电子表格工作簿，并且您使用它在演示文稿中显示季度销售额，则您的目的是声明性的。
想法简介
上下文
知识工作者需要比以前更高的视觉素养，因为现在有如此多的数据和如此多的想法以图形方式呈现。但我们中很少有人学到数据可视化技能。
工具很好...
廉价的工具允许任何人执行简单的任务，例如将电子表格数据导入条形图。但这意味着很容易创建糟糕的图表。可视化的功能远不止于此：它是探索想法和交流信息的一种敏捷、强大的方式。
…但策略是关键
不要直接跳到执行。相反，首先考虑您代表的是什么 — 想法还是数据？然后考虑你的目的：你想通知、说服还是探索？答案将建议您需要哪些工具和资源。
HBR.ORG
2016 年 6 月哈佛商业评论 95
但是，假设您的老板想了解为什么销售团队的绩效最近落后。您怀疑季节性周期导致了下降，但您不确定。现在，您的目标是探索性的，您将使用相同的数据来创建视觉对象，以确认或反驳您的假设。观众通常是你自己或一个小团队。如果你的假设得到证实，你很可能会向你的老板展示一个声明性的可视化，说：“这就是销售情况。
探索性可视化实际上有两种。在上面的示例中，您正在测试一个假设。但是，假设您不知道性能滞后的原因 — 您不知道自己在寻找什么。您想要挖掘工作簿以查看出现的模式、趋势和异常。例如，当您根据销售人员管理的区域规模来衡量销售业绩时，您会看到什么？如果您比较不同地区的季节性趋势，会发生什么情况？天气如何影响销售？这样的数据头脑风暴可以提供新的见解。重大战略问题 — 为什么收入下降？我们在哪里可以找到效率？客户如何与我们互动？— 可以从以发现为中心的探索性可视化中受益。
四种类型
概念
数据驱动
声明
探索
创意插图
创意生成
日常数据可视化
视觉发现
性质和目的问题结合在经典的 2×2 中，定义了四种类型的视觉传达：想法说明、想法生成、视觉发现和日常数据可视化。
创意插图
信息类型
流程， 框架
典型设置
演讲、教学
主要技能
设计、编辑
目标
学习、简化、解释
我们可以将这个象限称为“顾问之角”。顾问无法抗拒流程图、循环图等。
在最好的情况下，创意插图通过利用我们理解隐喻（树木、桥梁）和简单设计惯例（圆圈、层次结构）的能力来阐明复杂的想法。组织结构图和决策树是概念插图的典型示例。构成本文的 2×2 也是如此。
创意插图需要清晰简单的设计，但它对隐喻的依赖会带来不必要的装饰。因为数据集的规则和边界不是内置于概念说明中，所以必须将它们强加于人。重点应该放在清晰的沟通、结构和想法的逻辑上。这里最有用的技能类似于文本编辑器给手稿带来的东西——将事情精简到本质的能力。一些设计技能也会很有用，无论它们是你自己的还是雇佣的。
假设一家公司聘请顾问帮助其研发团队在其他行业寻找灵感。顾问使用一种称为金字塔搜索的技术，这是一种从您附近的其他领域的专家那里获取信息的方法，这些专家将您指向各自领域的顶级专家，他们又将您指向其他领域的专家，然后他们帮助您找到这些领域的专家，依此类推。
这实际上很难解释，因此顾问可能会使用可视化来提供帮助。金字塔搜索是如何工作的？它看起来像这样：
攀登金字塔寻找想法
SOURCE: MARION POETZ AND REINHARD PRÜGL, JOURNAL OF PRODUCT INNOVATION MANAGEMENT
上下文距离
专业水平
目标字段
类比场 1
模拟场 2
专家
顶级专家
顶级专家
专家
专家
推荐 4
推荐 2
推荐人 1
推荐人 3
96
哈佛商业评论 2016 年 6 月
真正有效的可视化
设计思维 — 在确定一个并改进之前，尽可能多地收集不同的观点和视觉方法。乔恩·科尔科 （Jon Kolko），奥斯汀中心 （Austin Center for Austin Center） 的创始人兼主任
Design 和《Well-Designed： How to Use Empathy to Create Products People Love》的作者，在他办公室的白板上贴满了概念性的探索性可视化。“这是我们思考复杂性的首选方法，”他说。“素描就是为了克服歧义和浑浊，然后变得清晰。”善于领导团队、促进头脑风暴会议、鼓励并捕捉创造性思维的管理者将在这个象限中表现出色。设计技能和编辑在这里不那么重要，有时还会适得其反。当你寻求突破时，编辑与你需要的相反，你应该以快速草图思考;精致的设计只会减慢您的速度。
假设一个营销团队正在举办场外活动。团队成员需要想出一种方法，向高管展示他们提出的高端市场战略。一个小时的白板会议产生了几种用于演示策略的方法和想法（没有一个被删除）。最终，一种方法赢得了团队的购买，他们认为它最能抓住关键点：让更少的客户花更多的钱。白板如下所示：
轴使用我们可以立即掌握的约定：行业绘制从近到远，专业知识从低到高绘制。金字塔形状本身显示了顶级专家与低级专家相比的相对稀有性。标题中的词语 “climbing” 和 “pyramids” — 有助于我们快速理解这个概念。最后，设计师没有屈服于装饰的诱惑：金字塔不是字面上的三维砂岩色物体。
很多时候，想法插图并不那么顺利，你最终会得到这样的结果：
金字塔搜索的工作原理
推荐人 1
目标
田
类似
字段 1
类似
字段 2
类似
字段 3
上下文距离
专家
顶级专家
专家
顶级专家
专家
推荐 2
推荐人 3
推荐 4
在这里，颜色渐变、阴影和 3-D 金字塔分散了我们的注意力。箭头实际上并没有演示金字塔搜索的工作原理。专家和顶级专家被放置在同一个平面上，而不是不同的高度，以传达相对地位。
创意生成
信息类型
复杂、未定义
典型设置
工作会议，头脑风暴
主要技能
团队建设、促进
目标
解决问题、发现、创新
管理者可能不认为可视化是支持想法生成的工具，但他们一直在使用它来进行头脑风暴 - 在白板上、在屠夫纸上，或者通常地在餐巾纸背面。与创意插图一样，创意的产生依赖于概念隐喻，但它发生在更非正式的环境中，例如场外、战略会议和早期创新项目。它用于寻找了解业务运作方式的新方法并应对复杂的管理挑战：重组组织、提出新的业务流程、编纂决策系统。
虽然想法的产生可以单独完成，但它受益于协作并借鉴了
HBR.ORG
2016 年 6 月 哈佛商业评论 97
原型设计，允许您快速迭代数据可视化。一些操作电子表格的技能和支持快速原型设计的程序或站点的知识在这里很有用。
当然，从创意产生过程中产生的视觉效果通常会带来更正式的设计和呈现的创意插图。
视觉发现
信息类型
大数据、复杂、动态
典型设置
工作会议、测试、分析
主要技能
商业智能， 编程， 配对分析
目标
趋势发现、意义建构、深入分析
这是最复杂的象限，因为实际上它包含两个类别。回想一下，我们最初将探索目的分为两类：检验假设和挖掘模式、趋势和异常。前者是专注的，而后者更灵活。数据越大、越复杂，您了解的就越少，工作就越开放。
概念
数据驱动
探索
声明
创意插图
创意生成
日常数据可视化
视觉确认
视觉探索
视觉发现
视觉确认。你正在回答这种项目的两个问题之一：我怀疑的是真的吗？或者还有哪些其他方式来描述这个想法？
数据的范围往往是可控的，并且您可能使用的图表类型很常见 - 尽管在尝试以新的方式描述事物时，您可能会冒险使用一些不太常见的类型。确认通常不会在正式场合进行;这是您为查找要为演示文稿创建的图表所做的工作。这意味着您的时间将从设计转向
1
3
2
4
98
哈佛商业评论 2016 年 6 月
真正有效的可视化
Tesla Motors 的数据科学家 Anmol Garg 利用视觉探索来利用该公司汽车产生的大量传感器数据。Garg 创建了一个交互式图表，显示汽车轮胎随时间推移的压力。他和他的团队以真正的探索形式首先创建了可视化，然后发现了它们的各种用途：查看汽车出厂时轮胎是否正确充气，客户重新充气的频率，以及客户需要多长时间来响应低压警报;查找泄漏率;并对轮胎何时可能漏气进行一些预测建模。所有四个轮胎的压力都在散点图上可视化，尽管普通观众难以理解，但其目标受众却很清楚。
Garg 正在探索数据，以寻找只能通过视觉对象收集的见解。“我们一直在处理数 TB 的数据，”他说。“你看电子表格和查询数据库找不到任何东西。它必须是视觉的。为了向执行团队进行演示，Garg 将这些探索会议转化为下面讨论的更简单的图表。“管理层喜欢看到可视化，”他说。
日常数据可视化
信息类型
简单、低容量
典型设置
正式， 演示文稿
主要技能
设计， 讲故事
目标
肯定，设置上下文
数据科学家的大部分工作都是可视化探索，而经理们则是日常可视化的大部分工作。此象限包含您通常从电子表格粘贴到演示文稿中的基本图表和图形。它们通常很简单 - 折线图、条形图、饼图和散点图。
假设一位营销经理认为，在一天中的某些时间，在移动设备上购物的客户比在台式机上购物的客户多，但他的营销计划并不是为了利用这一点而设计的。他将一些数据加载到一个在线工具（称为 Datawrapper）中，以查看他是否正确（左边的 1）。
他还不能证实或反驳他的假设。他什么都说不出来，但他正在制作原型并使用一种工具，可以轻松地尝试数据的不同视图。他工作得很快;设计不是问题。
他尝试使用折线图而不是条形图 （2）。
现在他看到了一些东西，但是使用三个变量仍然不能完全获得他想要的 mobilevsus-desktop 视图，因此他再次尝试使用两个变量 （3）。每次迭代时，他都会评估是否可以确认他最初的假设：在一天中的某些时间，在移动设备上购物的客户比在台式机上购物的客户多。
在第四次尝试时，他放大并确认了他的假设 （4）。
新的软件工具意味着这种类型的可视化比以往任何时候都更容易：它们正在培养我们所有人的数据分析师。
视觉探索。开放式数据驱动的可视化往往是数据科学家和商业智能分析师的领域，尽管新工具已经开始让总经理参与视觉探索。尝试一下很令人兴奋，因为它通常会产生无法通过其他方式收集的见解。
因为我们不知道我们在寻找什么，所以这些视觉对象往往会更包容地绘制数据。在极端情况下，此类项目可能会组合多个数据集或将动态实时数据加载到自动更新的系统中。统计建模受益于可视化探索。
探索还有助于交互性：管理人员可以调整参数、注入新数据源并不断重新可视化。复杂数据有时也适合专业和不寻常的可视化，例如显示网络如何聚集的力导向图或地形图。
在这里，功能胜过形式：分析、编程、数据管理和商业智能技能比创建像样图表的能力更重要。毫不奇怪，象限的这半部分是管理者最有可能请来专家帮助建立系统来整理数据并创建适合其分析目标的可视化的地方。
HBR.ORG
2016 年 6 月 哈佛商业评论 99
在纸上或个人设备屏幕上，适合那些在尝试获取大量信息的同时不需要听演示文稿的人。例如，医疗保健政策制定者可能会受益于在听证会之前看到这张图表，他们将在听证会上讨论这些长期趋势。
我们的 VP 需要一些更清晰的环境。她可以简单地表达她的观点：
医疗保健支出的年度增长
2003
SOURCE: CENTERS FOR MEDICARE & MEDICAID SERVICES
年增长率正在下降
2005
2007
2009
2011
2013
+10%
8.6%
3.6%
8
6
4
2
像这样的简单需要一些纪律和勇气才能实现。冲动是包括你所知道的一切。繁忙的图表传达了您一直很忙的想法。“看看我拥有的所有数据和我所做的工作，”他们似乎在说。但这不是 VP 的目标。她想说服她的同事投资新的项目。有了这张图表，她就不必说一句话，高管团队就可以了解趋势。她显然已经为她的建议奠定了基础。
在某些方面，“数据可视化”是一个可怕的术语。它似乎将构建好的图表简化为一个机械的过程。它唤起了创造所需的工具和方法，而不是创造本身。这就像把《白鲸》称为“单词序列化”，或者把《星夜》称为“颜料分布”。
它还反映了数据可视化领域对过程而非结果的持续痴迷。可视化只是一个过程。当我们制作一张好的图表时，我们实际上所做的是了解一些真相并让人们感受到它——看到以前看不到的东西。
改变想法。引起行动。
一些基本的常见语法将提高我们的视觉交流能力。但是，要取得好的结果，需要更广泛的理解和战略性的方法，这里描述的类型学旨在帮助您发展。
HBR 重印版 R1606H
“简单”是关键。理想情况下，可视化将传达单个消息，仅绘制几个变量的图表。目标很简单：肯定和设定背景。简单性主要是一项设计挑战，因此设计技能很重要。清晰和一致使这些图表在通常使用它们的环境中最有效：正式演示。在演示文稿中，时间受到限制。设计不佳的图表会引发问题，要求演示者解释本应显而易见的信息，从而浪费这些时间。如果日常数据可视化不能为自己说话，那么它就失败了——就像一个必须解释妙语的笑话一样。
这并不是说声明性图表不应该引起讨论。但是讨论应该是关于图表中的想法，而不是图表本身。
假设一位人力资源副总裁将向执行委员会的其他成员介绍公司的医疗保健成本。她想传达的是，这些成本的增长已经显着放缓，从而创造了投资其他医疗保健服务的机会。
副总统阅读了一份关于这一趋势的在线报告，其中包括一些政府数据的链接。她下载数据并单击 Excel 中的折线图选项。她在几秒钟内就有了可视化。但是，由于这是用于演示的，因此她要求设计师同事从数据集中添加详细信息，以提供更全面的视图。
+14%
+12%
+10%
+8%
+6%
+4%
+2%
0%
-2%
-4%
-6%
1990
1995
2000
2005
2010
2015
与上一年相比的百分比变化
医疗支出和 GDP 的变化
SOURCE: ALTARUM
国民健康支出
GDP
这是一个设计精良、准确的图表，但它可能不是正确的图表。执行委员会不需要二十年的历史背景来讨论公司的员工福利投资战略。VP 想说的是，成本增长在过去几年中已经放缓。这在这里清楚地传达了吗？
通常，当摘要图表中的数据需要几秒钟以上时，图表会更好地工作
100
哈佛商业评论 2016 年 6 月
真正有效的可视化
HBR.ORG
版权所有 2016 哈佛商业出版社。保留所有权利。其他限制可能适用，包括将此内容用作指定的课程资料。请咨询您所在机构的图书馆员，了解您所在机构的许可证可能适用的任何限制。有关哈佛商业出版社的更多信息和教学资源，包括哈佛商学院案例、在线学习产品和商业模拟，请访问 hbsp.harvard.edu。