企業與數據可視化的關系，就好比廚師與菜。如果你是廚師，最重要的肯定是做菜環節，也就分析環節。數據可視化是最后的擺盤環節。

也就說當你的菜做得好吃了，擺盤會是錦上添花，如果你的菜做得難吃，擺盤再好看，那也是下不了口的。如同你的分析報告，你的內容有意義有結論，你把圖表做得好看一點，顏色搭配的舒服一點，會給人眼前一亮的感覺。

企業通常會對數據可視化產生誤解，以為這僅僅只是面子工程不要也罷，而忽略了可視化能幫助企業做數據分析，支持公司決策。如果可視化淪為了企業的“面子工程”，我想，企業人員就應該反思，是否走入了可視化的誤區？一張“不完美”的圖表其成因是多方面的，可能是由于數據和圖表類型不匹配，也可能是配色等參數設置不當……下面辰哥將介紹6種常見的可視化誤區，幫助大家重新審視自己的可視化作品或閱讀過程。

一、亂 點 “ 鴛 鴦 譜 ”

你的圖表真的與你選擇的數據相匹配嗎？這是數據可視化的首要考慮因素。針對已有數據，首先想想：我想要展示的是趨勢抑或是占比？是分布還是比較？實際上，這個問題才是最難的。

圖表的類型多種多樣，每一種圖表意義和特點不盡相同。如，餅圖是展示占比的最佳選擇，線圖則常用于數據變化趨勢，對于大量數據的分布情況則通常用散點圖。

可視化不能亂點“鴛鴦譜”，不合適的圖表往往不能準確的傳達意義和信息。如下圖中，我們可以知道是在表示日料中各種菜品的價格走勢，從味增湯一路增長到生魚片，最終跌落至茶碗蒸。這張圖表顯然用柱狀圖來表示價格的高低更加合適，而不是用線圖來表示趨勢。

二、警 惕 “ 障 眼 法 ”

我們先來看看蘋果喬布斯2008年的一次演講，你能發現其中的“障眼法”嗎？

沒錯，下方Apple手機的市場份額顯示為19.5%，看起來比其他手機品牌份額21.2%的占比還要大。（辰哥要在此小小的感嘆一下老喬的混淆視聽，心機得一匹啊！）喬布斯利用三維圖表效果，強調了Apple品牌的數據，能讓受眾產生混淆。

同樣，我們在其他地方也使用過不少的三維圖表。但是三維圖表在大多數場合并不十分適用。尤其是在強調數據對比分析的應用場景中，三維圖表在給讀者帶來酷炫視覺效果的同時，往往會扭曲數據本身的真實性，從而影響受眾對結果的判斷。

以如下平面餅圖與三維餅圖為例，我們來看看三維圖是如何施“障眼法”的：

如上圖，平面餅圖與三維餅圖數據一致，但是平面餅圖由三個120°等分的扇形構成，而轉換成右側三維餅圖后，灰色填充的扇形角度則大于120°，紅藍兩色填充的扇形則分別小于120°。這樣帶來的視覺效果會給人帶來錯覺，灰色填充的扇形對應的數據大于紅藍兩色填充的扇形對應的數據”，而事實上三個扇形對應的數據是相等的。

這個原理其實很簡單，人們肉眼所見的三維物體，遠小近大。同樣，企業在接收三維圖表時，也應該保持警惕心理。

三、地 圖 誤 導

地圖是可視化中常常需要使用的圖例。地理可視化的一個關鍵點就是通過地理區域的劃分，便于讀者查看不同地理區域的數據分布情況。通常地圖會給不同區域著色（比如漸變色）來展示人口、投票情況以及用地域來劃分的其他數據。比如用紅色和藍色分別表示投票的不同結果。但是問題在于，區域的大小不見得與圖表的議題相關，有時甚至會有誤導之嫌。

我們以美國2012年美國總統大選結果為例，來看一下地圖容易產生的誤導。很多電視臺和網站都在使用這張地圖來顯示美國2012年總統大選的結果：

根據投票，支持民主黨（奧巴馬）獲勝的州為藍色，支持共和黨（羅姆尼）的州為紅色。對于執政黨著色，我們比較關心的實際上是支持各黨派的人口。但是人口與土地面積不一定是正相關。上圖乍一看，全美國，紅色的州占了大部分的面積，會讓人誤以為是紅色為代表的共和黨獲勝。但實際上這些紅色的州絕大多數地廣人稀，平均人口遠遠小于藍色的 州。藍色的州，有些雖然面積很小，但是人口眾多，是決定選舉的決定因素。

四、“ 堆 疊 ” 畫 蛇 添 足

我們常常看到許多報告使用進階圖表，如“堆疊柱狀圖”、“堆疊面積圖”等等。“堆疊圖表”即在同一坐標軸，將數據進行堆疊放置。除了底層的數據，其它數據的起始點并非是0，而是在上一層數據的基礎上。

以下房地產行業薪酬報告中的堆疊面積圖為例，我們會誤以為以下兩類數據隨著時間的推移似乎都在增大：

然而轉化為折線圖之后，可以看出房地產行業的薪酬水平實際上是有所下降的。幅度并不是很明顯，也似乎有反彈趨勢，但是相對堆積圖是否更容易能比較出走勢與差異呢？

事實上堆疊圖的用途更接近于比較相對性（百分比堆疊柱狀圖就是一個好例子），類似餅圖等，同時它有類似線圖的走勢特性所以適合用來比較各種資料間時序上的比例大小。

五、看 圖 說 話 or 看 話 說 圖？

我們先來看一組彭博商業周刊( BusinessWeekly )在2011年發表的一組經典圖：一座山脈走勢與紐約某山案件比率的吻合——這太驚人了！原來紐約謀殺犯罪率跟山的走勢相同！

彭博周刊用這一篇圖表說明了相關性與因果關系的誤用，山脈的走勢可以預測犯罪率的變化嗎？答案顯然是不行。

在制作圖表時，你可能會有一些有趣的想法跟發現。比如試著疊合人口數與年收入？好像人越多的地方收入越高。只要你愿意，你可能總會找到某兩個事件發展趨勢的一致性。但千萬要記住：你也許可以發現什么，但這不代表你證明了什么。造謠有風險，編故事需謹慎。

六、圖 表 顏 值

為了圖表的美觀，圖表的細節設置也需要我們費一番功夫。比如柱狀圖每個柱子之間的間隔太寬或太窄都不好看，應該根據柱寬而設置間隔寬度。而在配色方面，漸變色則是又好看又簡單的配色，切忌在可視化中使用花里胡哨而沒有實際意義的配色，從而喧賓奪主，將讀者對數據本身的注意力轉移了。辰哥之前寫過一篇關于圖表配色的方案，大家可以作為參考：get最chic可視化配色方案，圖表也能成為時髦精

看起來好像很復雜的樣子，但是憋方鴨！豌豆BI作為億信華辰打造的一款敏捷自助數據分析工具，完美規避了許多用戶制圖中可能遇到的問題。我們內置了數十種圖表模板，企業任一業務人員無需編程即可上手制作可視化圖表，并支持一鍵選擇統計方法，如最大值、最小值、排名、比重、同比、環比、上期、去年同期等，滿足各類用戶對業務數據綜合分析需要。還不趕緊上車！

數據可視化涵蓋的內容很多，比較普遍的就是自動化的監控看板，敏捷式開發也是近一兩年的熱詞，意思是不需要每天都做日報、月報、周報。一次開發，自動形成推送。這樣可以使數據分析師從中解放出來，更多去思考數據驅動業務發展，而不是困在取數的階段。

數據分析的最終意義是推動決策，那么如何才能幫助管理層節省這個時間辰哥覺得是非常重要。在合理與適度的運用下，數據可視化就是管理者在和時間賽跑的幫手。