“好”图表的标准是什么？
很多读者曾研习过国际可视化标准和方法论，标准和技巧可以罗列出数百条，但当在工作中应用时，又很难在脑海里一一闪过每条细则。最后判断是否达成一张好图表，往往还得凭借个人经验。
比起基于标准规范式的方法论，基于原则的判断逻辑，往往能以更宏观的方式做出判断。大师兄今天就给大家介绍GLAD原则，它既可以帮我们筛选出好图表，更能为可视化图表的优化指明方向。
1、GLAD原则
马世权老师在「乐见数据：商业数据可视化思维」里提出，一个成功的商业数据可视化要满足两要素：
提供足够的商业价值
帮助读者快速理解信息
那么满足以下GLAD原则的图表，即为好的可视化图表。
G（Good Data and Insight）：发现好数据与好洞察
L（Less Noise）：降噪，简约至上
A（Accurate Expression）：精准表达，提升数据表达的准确度
D（Distinct Mark）：画龙点睛，突出洞察信息的标识
于是我们可以根据下图中的评分标准，对可视化图表进行评分，满分10分，得分越高评价越高！
2、根据GLAD原则优化一张看板
下面，我们尝试利用 GLAD 原则对一张员工离职流动可视化看板进行优化。
优化前：
优化后：
G原则（好数据与好洞察）
数据类别的使用是否恰当?
员工流动、流失混为一体；指标晦涩难懂，内容复杂混乱。如下图所示：
（优化前）
指标简化，只关注员工流失，不关注员工流动，去掉难理解的指标。如下图所示：
（优化后） （优化后）
数据指标的使用是否恰当？
比如，在职人数为时间点指标，离职人数为时间段指标，时间段指标与时间点指标混淆不清。这时可以将时间度量统一，都修改为时间段指标。如下图所示：
（优化前—>优化后）
L原则（降噪）
是否会分散注意力，增加读者的视觉负担？
下图中存在两处问题：
标注为图例形式，需要一一对照查看
数据信息需要点击才能查看
（优化前）
优化：
标注改成标签形式，和图表近距离关联
数据设置为直接展现的形式，并非点击后显示
（优化后）
颜色是否有干扰，是否直观？
图表系列都是一样的颜色，平平无奇，没有重点。可以修改系列色为蓝色渐变，颜色和健康度大小匹配，健康度越低，颜色越深。如下图所示：
（优化前—>优化后）
是否有重复性内容，增加读者视觉负担？
如下图，图例、标题重复内容较多：
（优化前）
则可以去掉重复内容：
（优化后） （优化后）
A原则（精准表达）
选择的图表是否合适？
五个指标量，看哪个量影响最大，选择的堆积柱状图不易懂。这时可以更换图表类型为雷达图，更直观地看出问题。
（优化前—>优化后）
数据的密度是否过高或过低？
2 种坐标轴，4 个指标，指标多于 3 个
36 个月的数据，数据量太多
（优化前）
优化：
删掉流动性指标，只保留流失指标
数据量控制为一年 12 个数据点
（优化后）
D原则（画龙点睛）
图表整体平平无奇，无灵魂，没有重点关注，没有故事
优化前：饼图只有一个饼
优化后：通过颜色和闪烁突出饼图中占比最大的系列，显示主要矛盾
（优化前）
（优化后）
优化前：柱状图折线图只有柱子和线
优化后：给柱状图加预警线，超过预警线红色显示；离职人数最大的月份突出显示。
（优化前）
（优化后）
优化前：条形图看不出任何区别
优化后：系列修改为渐变色，颜色越深，健康度越低，低于一定健康度后红色标注提示。
（优化前—>优化后）
对照GLAD原则逐个修改，这样，一张员工离职流动可视化看板就优化好了~
我是帆软软件，关注我可定期收获企业数据化建设案例以及大数据前沿技术、创新思维。
扫一扫
2046
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
