數據可視化錯誤（一）引人誤會的色彩對比

色彩是最具說服力的設計元素之一。即使是細微的色調變化也會引起強烈的情緒反應。在數據可視化中，強顏色對比度可能會讓觀眾認為價值差距比實際情況更大。例如，熱力圖用顏色描述值的大小。較高的值顯示為橙色和紅色，而較低的值顯示為藍色和綠色。值之間的差異可能很小，但顏色對比會產生熱感和增強的差距感。

數據可視化錯誤（二）3D圖形使用不當
幾個世紀以來，三維空間的二維表示一直吸引著觀眾，但三維圖形給數據可視化帶來了兩個嚴重的問題。
當一個3D圖形部分遮擋另一個3D圖形時，就會發生信息傳遞的阻滯。這是模仿自然界中的空間的結果-在自然界中，對象具有不同的X、Y和Z坐標。在數據可視化中，遮擋會模糊重要數據并創建錯誤的層次結構。

當3D圖形通過透視壓縮向圖片平面后退或從圖片平面投射出來時，就會發生失真。在繪圖中，透視壓縮使對象看起來像處在三維空間中，但在數據可視化中，它創建了更多錯誤的層次結構。前景圖形看起來更大，背景圖形看起來更小，數據序列之間的關系不必要地傾斜。

數據可視化錯誤（三）數據太多
這是一個永恒的設計問題--在追求清晰溝通的過程中，應該包含什么內容，刪減什么內容。數據可視化也不例外，特別是當數據既豐富又發人深省的時候。
僅用一個視覺效果即可表達深刻的觀點，乍聽上去是個充滿誘惑的事。那么問題究竟出在哪里呢？人類沒有做好充分的準備來計算以視覺形式抽象的多個值的含義。

當可視化包含了太多的數據時，信息就會被淹沒，數據就會融化成大多數觀眾無法忍受的圖形大雜燴。

數據可視化錯誤（四）省略基線，截斷比例尺
數據差異有時很大，比如根據地理區域衡量收入水平或投票習慣時。為了使可視化效果更具戲劇性或美感，設計師可能會選擇操作圖表上的比例值。
一個常見示例就是省略基線或從零以上的某個位置開始Y軸，以使數據差異更加明顯。另一個例子是截斷數據序列的X值，使其看起來與較低值的序列具有可比性。

數據可視化錯誤（五）有偏見的文字描述
告訴某人他們應該在圖像中看到什么，他們很可能就會照做。可視化附帶的文本(文案、標題、標簽、字幕等)旨在為觀眾提供客觀的上下文，而不是操縱他們對數據的感知。

數據可視化錯誤（六）選擇錯誤的可視化方法
每種數據可視化方法都有自己的用例。例如，餅圖是用來比較整體的不同部分的。它們可以很好地處理預算細分和調查結果(同一餅圖)，但不能在不同的數據集(不同餅圖)之間進行比較。
餅圖可以用來顯示三個相互競爭的企業的收益，但條形圖會使這三個企業之間的差異(或相似之處)變得更加明顯。如果可視化是為了顯示一段時間內的收入，那么折線圖將是更好的選擇。

數據可視化錯誤（七）混淆的相關性
可視化數據集之間的相關性是幫助觀眾更深入地理解主題的一種方式。顯示相關性的一種方式是將數據集疊加在同一圖表上。當需要深入研究相關性時，疊加會使對比更加明顯。但當覆蓋率過高時，觀眾會很難找到聯系。
在將相關性進行可視化的過程中，也可能會產生錯誤的暗示。一個著名的例子是將冰淇淋銷量的增加與暴力犯罪的激增聯系在一起，但實際上兩者都是溫暖天氣的結果。

數據可視化錯誤（八）放大有利數據
數據與時間密不可分。可視化財務報表是常見的罪魁禍首。考慮一張圖表，它顯示了短期內強勁的數字，這使其看起來像是一家正在蓬勃發展的企業。不幸的是，縮小顯示，該公司只經歷了一次小幅上揚，而總體在急劇和持續的下滑中。

數據可視化錯誤（九）避免常見的視覺聯想
視覺設計元素影響著人的心理。圖標、配色方案和字體都帶有影響觀眾感知的內涵。當設計師忽略這些聯想或回避它們，轉而傾向于創造性表達時，很少會進展順利。
分析數據可視化是一項繁重的腦力工作。在認知的關鍵時刻，大腦可能不會花時間去解讀熟悉的設計元素的嶄新含義。

數據可視化錯誤（十）首先使用數據可視化
數據可視化將難以與上下文聯系起來的數字形象化。當數據復雜且有多個變量在起作用時，它們揭示了意義。但可視化并不總是必要的。

如果數據可以直接用統計數據清楚而簡明地傳達，那就應該是這樣的。如果文本描述更具洞察力，并且數據可視化的作用很小，則不需要可視化。