Data Analysis 数据交流的艺术
Created at 2016-09-25 Updated at 2018-05-01 Category Data Analysis
数据交流的艺术
在当今社会有一个巨大的机会，那就是查找和分享数据中包含的价值。并且，还要融入数据沟通的艺术，同时要包含分析、艺术、创造。这就是说，结果会是数字，文字，和图片的结合。
人们在沟通时，必须理解听众：什么东西对他们有意义，什么东西能够激励他们，他们关心什么。
数据交流
设计精良的可视化数据分析
当你看到一份设计精良的可视化数据分析时，是怎么一种心情。当数据能够很好地传达时，能同时轻松地欣赏到数据和数据所要表达的东西。这两个元素可以一起塑造成一个整体的体验，让你觉得自己更好地理解了这个世界，并且想用你理解的过程中新发现的东西去做些什么。
设计糟糕的数据分析
当你遇到一个包含了设计不当的图表和包含无关的信息图形，甚至所有这些信息图表你这辈子都不愿再看一眼。
数据交流，只是一般意义上的交流中的很简单的一种特定类型。
处理步骤
提出问题：我们可以从产品的历史销售中学到什么？哪些产品的组合最常见？
搜集数据
结构化数据
探索数据：从不同的角度去查看数据和分析数据，直到收集到多个见解。
数据交流：将上面的见解表达出来，也是这里最关注的一步。
交流的三种类型的问题
技术问题：
语义问题：
效率问题：
数据交流的6个原则
为了定位上面的三种问题，这里介绍6个原则。
了解你的目标
你要和谁进行交流（目标听众）
你想让他们知道什么（本意）
为什么？ 你想让他们为它做些什么？（预期效果）
没有搞清楚这三个问题，不要往下继续。
使用恰当的数据
俗话说，少就是多。
但有时候，少就是少。
又有时候，多也是少。
选择合适的可视化
一旦确定了要用这些数据表达什么观点，下一步就是决定如何将数据值，转换为抽象的图形展示，像大小，颜色，形状。
要知道人们常用什么图形，来表达什么信息。避免语义问题。
设计的美学
美学元素，能够引起兴趣，增强记忆。
大家常犯的错误：
贫乏的配色方案
令人分心的字体
许多不同的字体
马虎的对齐
垂直或倾斜标签
深色的背景颜色
粗的边框或网格线
没用的图片和剪贴画
懒洋洋地接受了多数软件默认主题
选择一个有效的媒介和渠道
信息的形式（媒介），和如何投递给听众（渠道），是任何数据交流的关键要素。在渠道上，选择好how，when，where 。
我们可以发现，越左边，范围越广，但是影响较浅。越往右，范围越窄，但是影响较深。
例如，创建一个静态图表，群发邮件，或发到网上。这样做很简单很容易，但是对目标听众来说，没有深远的影响。同时这样做的时间成本和付出也很低。
如果将静态和动态图形，以个人的名义，实时地发给一个听众，会需要更多的努力。当下来看，这种形式可能限制了听众的人数，但是影响是巨大。这样做的付出也很大。
如果你的目标听众是一个小公司，并且你有很高的把握，亲自过去见面，聊一聊数据，会是个很好的投资。
检查结果
当你检查结果时，问自己：
Reach：目标听众收到了你的信息了吗？谁收到了，谁没有？
Understanding：目标听众按照你希望的方式，解释信息中的数据吗？
Impact：听众的反应是你希望的么？