數據可視化幫助講述我們可以一眼就能理解的故事。數據科學家使用它們來獲取復雜且通常是混亂的數據，并將其作為見解或令人信服的信息傳達給他人。盡管這看起來很簡單，但是存在內在的風險-您可能無意中在設計選擇中誤導人們，甚至在不需要的時候使用數據可視化。

有效的數據可視化講述了高度集中的短篇故事，很容易被你的受眾吸收并記住。在創建和使用數據可視化時，可以遵循以下獲取有效結果的六個更佳實踐：

1.僅在需要時使用數據可視化。

經驗法則是僅在確實需要數據可視化來解釋發生的情況時才使用數據可視化。例如，您可能不需要可視化來報告公司過去三個月的總銷售額。但是，如果您將一個性能不佳的產品與其他產品的性能進行比較，數據可視化則是一種有效的方法。

視覺描繪還可以幫助人們更好地記住關鍵信息。但是在演示文稿中過度使用數據可視化會會削弱這種優勢，因為你會讓觀眾吸收太多視覺信息而變得不堪重負。
 
2. 使用不超過五種顏色，并限制使用紅色。
顏色選擇是視覺故事的重要組成部分。數據科學家用于數據可視化的軟件應用程序通常會提供很多顏色選擇，但是一定要明智地選擇。使用過多的顏色或使用錯誤的顏色可能會導致混淆或產生意想不到的情緒反應。

例如，紅色的含義是有爭議的。雖然有些人認為紅色代表行動和活力，但在某些文化中，紅色也與戰爭、鮮血和危險聯系在一起。由于有很多其他顏色可供選擇，所以最好不要在數據可視化中輕易使用紅色。

與此同時，要認識到顏色的沖突，選擇作為支撐元素幫助講述故事的顏色而不是選擇與整體表現相似的顏色。你不希望用顏色來突出和引起注意。相反，你應該選擇能夠幫助人們快速理解整體信息的顏色。

3.選擇正確的圖表類型。
折線圖適合顯示一段時間內的故事或趨勢，在進行比較時，柱狀圖對于分類數據非常有用。

但是餅狀圖并不是那么簡單。許多數據科學家不使用餅圖，因為認為它可能會產生誤導，尤其是當餅狀切片數超過三個時。因為人們很難區分第4塊和第5塊，第5塊與第6塊等的切片大小之間的差異。這是因為與理解簡單矩形和正方形之間的差異相比，人們通常很難理解三角形切片之間的差異。

各種軟件應用程序中都有一些外觀新穎的圖表，它們以更具創造性的術語來描述數據，但請謹慎使用。您的主要目標是講一個易于理解的故事，因此請確保使用的圖標是實現此目標的更佳選擇。

最后，如果您的數據點數量有限，請不要忘記簡單文本表的有效性。這些也是數據可視化的一種，如果您的受眾（例如工程師和財務經理）對精確的，非四舍五入的數字感興趣，則它們特別有用。

4.使用好標題。
數據可視化的標題是整個故事的重要組成部分，但它也可用于快速確定可視化的含義，無論是用于與實時受眾交流還是用于已發布可視化中的搜索優化。在這兩種情況下，標題都告訴用戶可視化中的數據將驗證哪些內容。

撰寫一個好標題的竅門是：從數據可視化中剔除標題空格之外的所有內容，并考慮與數據講述相同故事的文本，不要過于復雜。你會發現自己被那些每個字都有意義的簡單標題所吸引。直截了當的標題有助于把讀者的注意力集中在重要的信息上。它們也更容易記住。

5.清除雜物。
這是一個非常簡單明了的規則：可視化完成后，用批判的眼光去看那些無關的內容。然后，您應該刪除不需要用來講故事的所有內容。您的目標是使可視化直觀，以便人們可以查看并“理解”而不必提出問題。偏離最基本信息的元素可能導致混淆和誤解。

如果您不能自己確定，請在幾個人身上測試可視化效果，看看它是否確實直觀。這些人在5到10秒內就“明白”了嗎？如果沒有，找出為什么他們沒有，并做出相應的調整。

6.始終關注數據可視化。
正如數據科學和數據科學技術在不斷發展一樣，可視化實踐和我們用來創建可視化的工具也在不斷發展，這就是為什么始終要學習很重要。可以通過查看其他人是如何呈現視覺上吸引人的數據可視化的，然后我們自己學會制作更具視覺吸引力的數據可視化。

這很容易做到，因為有很多已經出版了。搜索相關資源以獲得任何您想看到的儀表板、圖表、趨勢線，您將發現可供參考的示例寶庫。

數據可視化的更多幫助
還有兩種類型的資源可以幫助改善您自己的數據可視化。首先，許多用于構建數據可視化的軟件程序如Tableau，會提供有關圖表類型和其他選擇的建議。其次，吸收包括數據可視化和有關信息的書籍，報告，社交媒體帖子，博客和其他可公開獲得的內容。有很多內容可以參考，所以這是一個持續的學習。

在許多方面，我們只是處于“數據可視化”趨勢的開始，隨著我們能夠從周圍收集的數據中了解到越來越多，這最終將成為日常生活和工作的一部分。對于需要創建數據可視化的數據科學家而言，面臨的挑戰將是在與不同的受眾共享他們的見解和消息時保持溝通的相關性，重點和簡單性。