作者： Paul Shapiro

市場營銷人員不可或缺的雞湯——數(shù)據(jù)可視化理論簡述

我們市場營銷人員經(jīng)常與大量數(shù)據(jù)打交道，但我們?nèi)绾我砸环N簡單易理解的方式來展示這些數(shù)據(jù)呢?讓我們打開天窗，探究數(shù)據(jù)可視化專欄作家保羅·夏皮羅的說法.

最近，我一直在思考數(shù)據(jù)可視化如何能被我們營銷人員很好使用。

做為營銷人員，我們經(jīng)常要花大量的時間在電子表格上，并分析這些數(shù)據(jù)。數(shù)據(jù)的最終形式通常是漂亮的圖表，圖形和可視化——然而大多數(shù)的營銷人員還不清楚數(shù)據(jù)可視化理論的原則。

讓我們一起來探索這其中的原則，然后一起制作更好的圖表吧!

為什么使用數(shù)據(jù)可視化呢?

我們的大腦有時候會很奇怪，當(dāng)數(shù)據(jù)作為圖表呈現(xiàn)時，我們更愿意通過自己的精神去處理數(shù)據(jù)然后獲得見解，而不是通過EXCEL的電子表格去得出數(shù)據(jù)。正如數(shù)據(jù)可視化專家Alberto Cairo在他的書中“The Functional Art”說道：對于任何圖表和可視化，其首要和最主要的目標(biāo)是要其成為一個工具，從而讓你的眼睛和頭腦能夠感知超越器官之外的事物。

例子1

為了闡釋這個原則，讓我們看一個真實(shí)的例子：一個名叫安斯庫伯的四重奏數(shù)據(jù)集。這個數(shù)據(jù)包括四組數(shù)據(jù)，分別由羅馬數(shù)字標(biāo)記著，其中每一組數(shù)據(jù)都包含了x，y坐標(biāo)。在Excel中，這些數(shù)據(jù)很難被分析：

如果我們通過常見的統(tǒng)計(jì)方法來分析這些數(shù)據(jù)，我們不難發(fā)現(xiàn)這些結(jié)論都非常相似。

在這樣的情況下，目前仍然沒有任何顯著的模型或者結(jié)構(gòu)，可以輕易地從這個數(shù)據(jù)中得到。但是如果我們用散點(diǎn)圖來表示這些數(shù)據(jù)，一個全新的視野從此被打開了。

哇!當(dāng)數(shù)據(jù)以圖形呈現(xiàn)時，我們看到了這個數(shù)據(jù)很多不同的地方：

數(shù)據(jù)一，展示了一個簡單的直線線性回歸關(guān)系圖。

數(shù)據(jù)二，展示了一個xy的非線性關(guān)系，其圖形是向下的拋物線。

數(shù)據(jù)三，展示了另一個直線回歸關(guān)系圖，但是帶有一個明顯的離群值。

數(shù)據(jù)四，并沒有展示出X和Y的關(guān)系，從這圖中很明顯我們可以看到X是一個常量8，

例子2

讓我們?yōu)g覽一下與營銷有關(guān)的例子，如果我們用年齡和性別來區(qū)分瀏覽者，我們是不是很容易利用表格數(shù)據(jù)發(fā)現(xiàn)其中的趨勢呢?

很明顯，至少在我們可視化數(shù)據(jù)之前，我們不能立刻得到什么結(jié)論。因?yàn)檫@里一次有太多的變量要處理。

使用數(shù)據(jù)可視化后，一切都變得清晰了。從數(shù)據(jù)可知，總體來講，很少同一個年齡組的男性會同時訪問我們的主網(wǎng)站和子網(wǎng)站，但是有一個例外。不知為何，我們的子網(wǎng)站更受25-29歲的男性歡迎。

現(xiàn)在我們知道為什么數(shù)據(jù)可視化在數(shù)據(jù)分析里面這么重要了。接著，讓我們一起探索一下能讓我們更高效的描述數(shù)據(jù)的原則吧。

選擇正確圖表的科學(xué)。

讓我們快速討論一下視覺感知是如何工作的。這里有一個簡單的版本可以讓我們得知當(dāng)我們看東西的時候發(fā)生了什么

1. 我們之所以能看到東西是因?yàn)楣鈴奈矬w反射到人的眼睛
2. 它通過感光細(xì)胞進(jìn)入大腦里的視網(wǎng)膜，并被編碼成電信號
3. 現(xiàn)在，你的大腦可以察覺到的基本特征，也被稱作前注意階段屬性
4. 大腦會根據(jù)你的記憶(標(biāo)志性記憶，工作記憶和長期記憶)進(jìn)行更多的分析和分解信息

前注意階段屬性

讓我們更詳細(xì)的說明一下步驟3。前注意階段屬性是一種特定的視覺屬性，這個屬性可以立刻(不超過200-250毫秒)檢測，并且對大腦來說毫不費(fèi)力或者不需要額外的處理。

前注意階段屬性包括: 顏色，長度，寬度，方向，形狀，大小，圍欄，色調(diào)，密度，位置

雖然能夠很快檢測到前注意階段屬性，但有一些特征是能夠更快被檢測的。例如，相對于陰影或形狀我們可以很快的知道顏色的變化，

讓我們來驗(yàn)證一下這個理論，如果給你一個由不同數(shù)字(例如，不同形狀)組成的文本塊，你可以快速找出5嗎?你不可能做到的。

現(xiàn)在，如果我們現(xiàn)在現(xiàn)在加深5的陰影，我們就可以更快的發(fā)現(xiàn)它們。

如果我們用完全不同的顏色表示，我們會更快的發(fā)現(xiàn)它們。

這是一個非常有說服力的信息。你可以將這些特征融入你的圖表和可視化，基本上不需要任何心理過程，就可以幫你改善數(shù)據(jù)通信。

Cleveland & McGil的研究：為什么選擇對的圖表很重要

統(tǒng)計(jì)學(xué)家William S. Cleveland和 Robert McGill把前注意階段屬性和其他關(guān)于圖形知覺研究的概念進(jìn)行了一些開創(chuàng)性的關(guān)于數(shù)據(jù)可視化的科學(xué)研究

Cleveland and McGill開發(fā)了一個元素感知任務(wù)的層次結(jié)構(gòu)，排列人們?nèi)绾问褂盟鼈儊斫忉寯?shù)據(jù)。從最準(zhǔn)確的感知到最不準(zhǔn)的感知順序，任務(wù)如下：

1.順著共同刻度的定位

2.順著非對齊、同一刻度的定位

3.長度，方向，角度

4.面積

5.體積，曲率

6.陰影，顏色的飽和度

讓我們探討一下這種層次結(jié)構(gòu)如何能幫我們?yōu)閿?shù)據(jù)集選擇一個更好的可視化效果。

下面這個例子比較了不同產(chǎn)業(yè)在2010到2015年間所得到的風(fēng)險投資資金

同心圓形圖

我們通過圓的大小不同來表示不同產(chǎn)業(yè)的風(fēng)險投資資金

現(xiàn)在，讓我們用幾個問題來了解這個圖，當(dāng)然我后面也會給你們答案，但是現(xiàn)在，讓我們先試著回答他們吧：

1. 在2015年哪一個產(chǎn)業(yè)收到最多的風(fēng)險投資資金呢?
2. 在2015年哪一個產(chǎn)業(yè)收到第二多的風(fēng)險投資資金呢?
3. 猜測一下，相對于2015年，生物科技在2012年的資金占了多少百分比呢?
4. 猜測一下，相對于2015年，娛樂媒體在2012年的資金占了多少百分比呢?

把你的答案記下來，然后繼續(xù)往下看，并自問同樣的問題。這是同一個數(shù)據(jù)，只是表現(xiàn)的不同，這個時候你的答案有發(fā)生變化嗎?

條形圖1

這是同樣的風(fēng)險投資數(shù)據(jù)，只是有一點(diǎn)表現(xiàn)的不同。

條形圖2

我猜你的答案已經(jīng)變了-至少你想更改答案。你對這個數(shù)據(jù)更有信心。這個圖表的每一次更迭都是利用了Cleveland和 McGill的層次結(jié)構(gòu)里的信息，利用這些可以讓你更容易理解數(shù)據(jù)。

這是最后一個圖表，條形圖2，這個條形圖包括了真實(shí)數(shù)據(jù)

問題 ：哪一個產(chǎn)業(yè)在2015年收到最多的風(fēng)險投資資金?

答案： 生物科技。

這個最簡單的問題，因?yàn)楫?dāng)以同心圓圖表示時你也知道這個答案。然而，圓形圖比條形圖更難理解，因?yàn)閳A型圖實(shí)際上是用了”區(qū)域”而條形圖用了”長度”。我們在捕捉圓的區(qū)域信息時會比較困難，所以圖表的形狀阻礙了我們的感知任務(wù)。

在條形圖1，我們也用了”長度”，但是條形圖2更容易理解。因?yàn)槭褂昧恕绊樦餐潭鹊亩ㄎ弧蹦茏屇闱迩宄辞宄锟萍妓盏降娘L(fēng)險投資資金是最多的。

?

問題： 哪一個產(chǎn)業(yè)在2015年收到第二多的風(fēng)險投資資金呢?

回答： 消費(fèi)產(chǎn)品會服務(wù)產(chǎn)業(yè)。這個在同心圓圖里面是非常難看出來的。消費(fèi)產(chǎn)品和服務(wù)的風(fēng)險投資金的數(shù)量是48億美元，這數(shù)字非常接近娛樂媒體的數(shù)值47億4900萬美元。如果我們想要區(qū)域來比較相似的值是很困難的。

條形圖1也不是這個數(shù)據(jù)的最佳編碼。在圖表2中，它使用的“順著非對齊、同一刻度的定位”(在Cleveland and McGill的層次結(jié)構(gòu)中處于第二佳感知效果)表現(xiàn)出作為編碼的小倍數(shù)不如在“順著共同刻度的定位”(在Cleveland and McGill的層次結(jié)構(gòu)里的最佳感知效果)中被感知的效果好。

?

猜測一下，相對于2015年，生物科技在2012年的資金占了多少百分比？

54%。在2010中，生物科技收到了398400萬美元，而在2015年，它收到了740800萬美元。

在同心圓圖里面想要知道這些信息幾乎是不可能的，因?yàn)樗鞘褂谩皡^(qū)域”大部分人都會錯誤的說成80%。

?

猜測一下，相對于2015年，娛樂媒體在2012年的資金占了多少百分比？

35%。在2010年，娛樂媒體產(chǎn)業(yè)收到了162400萬美元的風(fēng)險投資基金，在2015年，它收到了474900萬美元的風(fēng)險投資資金。

和之前那個例子一樣，想要在同心圓里正確的知道這些比例是非常困難。人類不擅長捕捉一個區(qū)域里的不同點(diǎn)，特別是圓形的差異。大多數(shù)人都會錯誤的說有50%。

結(jié)論

數(shù)據(jù)可視化是藝術(shù)和科學(xué)的一部分。雖然沒有所謂正確的方法來可視化一部分?jǐn)?shù)據(jù)，但是，我們可以用一些概念來幫助我們用更高效的圖表來可視化數(shù)據(jù)。我已經(jīng)提出了這些部分原則并解釋了前注意階段屬性以及如何利用Cleveland & McGil的感知層次。

下一次，如果你要在一個EXCEL中創(chuàng)建一個圖表，制作一個報告或演示文稿，想想這些概念，它們讓你的數(shù)據(jù)視覺效果大為改善。

End.