这个直播现场的大屏幕，被称为数据可视化大屏，结合拼接屏幕的技术，组成一个较大的屏幕，以便平台进行更丰富的数据可视化展现。

而数据大屏，仅仅是数据可视化的一种表现形式，除此之外，数据可视化还有其他的表现形式，例如移动端的keep在跑步结束后生成的记录，便分别采用柱形图、散点图及折线图表达用户跑步的相关信息：

无论是以哪种形式，归根结底，数据可视化，是将相关的数据通过图形化手段完成展示，来进行清晰有效的信息传达或信息洞察。

中大型企业中，数据可视化的案例比比皆是，是什么支撑其得以被广泛的运用？

二、数据可视化的应用价值 1. 单位面积，可呈现更多的信息

文字信息的表达，受到文字大小属性的局限性，在单位面积中，可以展示的信息是非常有限的。

而可视化的信息表达不局限于文字作为信息的载体，比如当我们建立一个坐标系后，坐标系中的一个点、便可以代表一个元数据(单位最小的基础信息)，而小黑点，则远远比字号为10的文字要小。

不同于文字信息的表达，可视化能够选择更小的载体去表达信息，所以在单位面积中，可视化的表达可以呈现更多的信息。

例如在用户跑步结束后，keep希望为用户展示详细的跑步频率信息，具体到每1min的步频。

文字信息的表达方式如下：

可视化表达方式如下：

2个方案都具体呈现了跑步过程中每1min中的步频，但从篇幅上来说，可视化表达的占用面积要远小于文字信息的表达。

不过，文字信息的表达就不能将文字挤一挤，保证所有的数据于可视化表达相同大小的面积中完成展示吗？

实际上，在步频这个案例中，确实可将文字信息通过压缩调整，在相同大小的面积把全部数据展示出来的。

但没有人会这么做，因为这样的阅读体验太糟糕了，图片放大了看都未必能看清楚，完全没有可读性，当用户连信息的阅读都不愿意，那么数据的展示就毫无意义。

说到底，可读性限制了文字信息表达的字号大小。

而可视化表达却不存在这个问题，通过建立坐标系，所有元数据转化成小黑点。

我们不需要将图片放大去详细查看这个元数据是什么，我们只需要感知黑点之间的颜色/位置差异即可发现信息的特征；

所以，数据可视化在相同的面积中，可以呈现更多的信息，且可读性更高。

2. 同样内容，可更快发现信息特征

1）数据的变化趋势更直观

文字信息的表达中，文字只能体现元数据的大小，但无法直观的表达出“数据随时间或有序维度变化的发展趋势”（趋势指事物发展的动向：包含上升或下降或不变）。”

所有的元数据在文字信息的表达中都只是零散的个体，可视化表达则不同，可以将元数据通过“线”的连接，形成一个整体。这个整体是具备方向性的，此时站在整体的角度上去观察其变化方向，我们能够更快的发现数据的变化趋势。

例如，我们期望通过数据发现，每天下午随时间的变化，发生重大事故的变化趋势：

文字信息表达方式如下：

可视化表达方式如下：

在文字信息的表达中，我们第一眼只能看到每个时间点下的事故数量，所有的元数据都是离散的个体；而在可视化表达中，元数据则以 点 的形式存在，而点通过“线”进行串联，将数据集构成一条线，我们可以直接通过线的方向变化去察觉数据的变化趋势；

2）数据的大小差异更显著

在文字信息的表达过程中，随着数据集越来越大时，我们要发现数据之间的差异，大脑就必须完成数字的阅读，并逐一进行数字的对比，计算结束后，我们才能得知这些数据的大小关系。

可视化表达则无需如此，借助点的位置/颜色区别，即可感知到数据的差异，数据差异越大，点与点之间的颜色/间距就越大，这种情况下，原本需要通过计算数字大小完成的对比，变成了肉眼可见的点的颜色与间距对比，而这样的对比可以更迅速的得出结论；

例如，我们期望通过数据发现每天上午，事故率最高的时间点；

文字信息的表达方式如下：

可视化表达方式如下：

对比2种表达方式：

在文字信息表达中，需要将1~12点的所有数据都进行累加计算并对比大小后我们才能得知，9点是整个上午事故率最高的时间点。

而在可视化表达中，柱形图作为元数据表示事故数，柱形的顶点与其他柱形顶点的位置差异明显，我们可以一眼就发现9点的柱形在整个图形中处于最高点，进而得出结论；

为什么视觉上的差异化感知，快于数字信息的逐步计算呢？

2013年《注意力、知觉和心理物理学》杂志发表的一项研究显示，大脑仅用13毫秒就可以处理视觉接受的图片信息。过程中，研究对象被要求从一系列（6或12张）图片中找出一张特定内容的图片，例如“野餐”或者“微笑的夫妇”。看图寻找的时间为13到80毫秒。研究带头人-大脑与认知科学教授Mary Potter表示，视觉作品用以概念寻找，是一种急速的信息处理方式。

而另一项研究发现：人脑处理图片信息，是同步进行的，而处理文字信息则是一步一步循序渐进的；例如一篇300字的小故事，看一遍需要10秒，而转化成图片后的图例只需要一眼即可记在脑海里。

这表明，在信息的类型中，人脑对图片信息的接收/处理效率，高于文字信息。

谁能想到，人脑对信息的对待并不是公平的呢？

所以，同样的内容，可视化表达比文字信息表达让人可以更快的发现信息的特征。

三、数据可视化的应用场景

回到最初的案例上，我们是否可以理解，公司A做出“在车展上以数据可视化的表达方式进行产品介绍”的决策了呢？

当然，“可视化”作为工具，我们了解其应用价值，最终的目的是为了更好的运用它，那我们在什么样的场景下可以选择数据可视化表达呢？

1. 展厅：表现产品潜力/价值

展厅属于外界的公共环境，这也导致它环境较嘈杂，展厅中可用于展示信息的面积也是有限的；

在这个环境下，四周皆是展品，人们的注意力往往更难集中，因此若想在展厅中通过数据去展现产品的价值，首先要保证的，是让用户可以更方便快速的观测到我们展示的信息，即将所有的数据整合到同一个平面下展示；

在用户可以一眼了解到信息的前提下，如何呈现出更丰富的信息去佐证产品的价值是关键的问题，要想客观的表达出产品的价值，多维度的数据表现是最有利的证明，但是随着数据维度的增加，数据源也会增加，数据体量同步增大；

那么在有限的面积中，要想合理有效的完成信息展示，并让用户更快的感知到信息的特征，这就需要借助数据可视化的优势。

同理，企业前台呈现的数据大屏，也存在同样的问题，需要通过可视化表达，在有限的面积中呈现更丰富的信息，才能让投资人或者客户过来时感受到企业有实力的一面。

2. 实时监控中心：日常监测，应急指挥

实时监控中心的初衷是通过观察平台的运营情况，让管理人员实时了解到现有业务的发展情况或异常问题，进而及时做出调整来抓住业务增量的机会或降低异常造成的损失。

例如拼多多漏洞门，2019年1月10日，拼多多出现重大Bug，该Bug超过2天未被发现，用户可领取100元无门槛券，优惠券可全场通用（特殊商品除外），有效期一年。

这类重大Bug必然会导致单日内订单优惠率激增，且订单量短时间内急剧增加，管理人员如果观察到了这类“非正常现象”，即可察觉到平台内部的异常，定位原因后及时进行问题的修复。然而黑灰产团伙利用“漏洞”盗取的相关优惠券，完成了几千万的套利，虽然最后报警立案进行了追回，将损失压低回了千万元内（据拼多多多方面统计），但这仍然是巨大的损失。

要想观察到诸如此类的“非正常现象”，这就需要通过维度，呈现相关数据，然而随着平台业务逐渐壮大，需要观测的数据维度也越来越多，信息的繁杂会导致管理人员越来越难清晰有效的去完成信息的观察。

在庞大多维的数据中，要想保障管理人员能够更快了解到业务当前的状况，关键的手段在于如何清晰的表达多维度的数据信息，以此缩短管理人员对信息特征的发现时间。

可视化表达，借由颜色、位置差异，元数据的面积大小，可以更显著的表达数据的大小差异。同时以“线”连接元数据来形成一个整体，能够直观的体现出数据的发展趋势。

这些更直观，更显著的表达，可以让管理人员更轻易的发现信息的特征。

四、终

数据可视化的应用并不局限于上述场景，理解数据可视化的核心价值是关键。

当然，无论以什么样的方式去展示数据，我们最终的目的都是为了让他人更快的理解我们传达的信息，或让自己更快的发现未知的信息特征。

我们怎样才能用好数据可视化去达成这个目的呢？下一篇文章将以案例，阐述我在数据可视化产品设计中的思维路径。

作者：橙言，前出行领域产品经理，现消费金融风控策略产品人；微信公众号：橙言

本文由 @橙言 原创发布于人人都是产品经理，未经许可，禁止转载

题图来自Unsplash，基于CC0协议