前言
图表可形象展示统计数据的特征（如分类、趋势等），以“可视化”方式直观传达信息，帮助用户抓住重点。在管理端后台系统中，往往使用图表来呈现监控数据，便于运维人员快速获取数据特征，理解业务状况。但是，如果对图表或图表基础元素的使用理解有偏差，那所设计的图表将会对用户产生误导。
本文基于控制台图表设计所整理的材料基础上，浅析图表选择、基础元素、使用场景等注意细则，以在业务中更好了解和运用图表。文章结构如下：
- 图表价值
- 恰当使用图表呈现数据
- 图表使用场景
- 图表基础元素
- 图表状态
- 其他注意点
- 总结
图表价值
通常在做问题分析时，定量的数据分析比模糊的定性理解具有更高的可信度以及说服力。但是，仅单纯依靠数字，用户需要用一定的时间来读懂数据，当数据量较大时，难度可想而知。而通过图表呈现数据，能让用户更好地获取信息，甚至是通过不同维度的比较，更全面掌握信息。
举个业务例子，运维人员在控制台中时常需要回溯某时段发生的异常事件，便于复盘问题。常规的处理方式是将异常信息以日志的形式记录并呈现给运维人员，这种方式让人较难获取异常事件的整体情况，同时，不容易判断异常事件相互间的关系。但是，如果使用可视化的方式将异常事件信息通过图表呈现出来（如下图01），运维人员通过异常记录的时间轴获取异常时长、严重程度、异常数量以及异常相互之间的关系等。
图01 异常事件时间轴
所以说，图表是解读信息强有力的一种方式。可用性专家Jakob Nielsen的一项研究曾表明：“一般人阅读网页平均只会读到20%左右的文字。人们的注意力越来越碎片化，大量的文字让人很容易产生阅读疲劳，图表能够比较好的抓住人们的注意力，并帮助用户获取信息。”据统计分析，在微博、微信等渠道做营销传播时，将数据用图表的形式展现会比纯文字获得更高的点击量、收藏等，也更容易被人记住，从而制造话题，提升口碑。
恰当使用图表呈现数据
既然使用图表比直接呈现数据信息更能抓住用户的注意力，帮助用户更好理解、分析数据特征。那么，该如何恰当使用图表，为用户准确、清晰呈现数据呢？
图02 用户-> 数据-> 图表
3.1 确定图表受众
在决定使用图表呈现数据前，需要明确图表是给谁看的？是运维呢？还是财务？用户有什么特点？他们主要关注什么信息？比如，管理端较为典型的运维人员，精于技术，日常需要确保机器等资源的正常运行，对异常信息十分敏感。所以，在对理解、处理数据时，就需要强化异常信息的呈现，并使用他们能看懂和接受的图表，让他们能够快速获取异常。
3.2 理解数据，并明确要传递的信息
通过数据来帮助用户分析和决策，对于数据的精准程度有一定的要求，特别在做形式转换的过程中需避免数据产生失真。首先，需要明确目标用户需要哪些数据；其次，提取用户所关心数据的特征，并对核心内容做适当突显，让用户能够通过呈现的数据更好进行分析，结合业务辅助决策。
3.3 选择恰当的图表
在了解图表受众和要呈现的数据特征后，需要选择恰当的图表呈现目标用户需要的数据。如何选择图表准确地展示数据呢？首先，要理解每种图表的使用场景、突显的数据特征以及使用的范围。其次，还要正确呈现图表，规范使用图表元素，避免信息在传递时发生偏差。
图表使用场景
在数据可视化中，常使用的统计图表包括折线图、柱状图、条形图、饼图、环形图、散点图、面积图、热力图等。在《数据可视化》一书中指出，这些统计图表往往用于数据对比、构成、分布和关联等主要场景（图03）。
图03 图表使用场景
我们在上图中可以获知，适用于比较的图表有柱状图、条形图、折线图、雷达图等，这些图表往往对单个变量或者多个变量之间的数值大小进行比较，或者呈现变量增减的趋势等。在呈现数据构成的场景中，往往使用饼图、环状图、堆积类图表等表示部分与整体的占比关系，统计整体数值组成。在数据分布场景中，使用散点图、直方图、正态分布图等展示连续的数据分布趋势，用户可以查看某个定量值沿着数轴的高低分布。对于展示数据之间的关系的场景，并且可以查看数据间的相关性和数据集群，往往使用散点图、气泡图等。
图表基础元素
当确定好使用的图表后，接着就需要规范地使用图表基础元素。基于对控制台基础图表规范的整理，我们总结了常用图表基础元素的使用方式，包括标题（副标题）、坐标轴、气泡提示、图例、基线、参考线、栅格、辅助信息等。以控制台最常用的折线图为例，如下图所示：
图04 基础图表元素
5.1 主标题（副标题）
在图表中，主标题需简明扼要说明观点或强调重点，副标题用于补充说明信息（往往可省略）。图表的标题需要考虑文案、位置等。文案处理上，应精简，避免过长描述。在位置上，兼顾具体场景和页面布局可考虑左对齐、居中对齐等方式。
在控制台中，一般使用指标名作为标题，并附带单位信息。标题的位置优先考虑图表区左上方或中间。如下图所示：
图05 标题/副标题
5.2 坐标轴
折线图、散点图等会用到直角坐标轴（笛卡尔坐标系）。所以，我们也需要了解坐标轴的使用方式，涉及X轴、Y轴标签、刻度数值和数值区间段数等。
图06 X、Y轴坐标刻度
由于空间的限制，轴标签一般情况下不适合过长的文案，可以适当限制标签文案显示的个数，或改变显示的角度（一般在0~90度之间）以节省空间，但需要遵循从左到右的阅读习惯。
对于坐标轴上刻度数值，一般初始值定为0，避免产生误导。最大刻度值取值要恰当，确保数据序列占据2/3图表区以上。同时，对数据区间的划分建议在4、5段，不宜过多或过少。当数值过大时可适当缩略显示，如K、M、B等。
5.3 气泡提示
鼠标在图表区滑动时会弹出气泡显示数据点信息，便于用户挖掘更多信息，查看数据。气泡提示的使用，往往也会伴随着辅助线和辅助点。使用气泡提示时需要注意单数据点和多数据点信息呈现的差异，当浮层中出现的数据序列不小于两组时，除了文字标签，还应视觉标记。
图07 单个数据点和多个数据点
5.4 图例
图例由视觉标记和文字标签组成，视觉标记一般在颜色上与图表中数据序列相对应，而文字标签则指数据序列的类型。在交互上，点击图例后可以隐藏或显示数据图中对应的数据序列，如果隐藏数据序列，则对应的图例置灰。当只有一个图例时，不显示；当图表中的数据序列较多时，可换行呈现。
图08 图例交互
图09 当图例数较多时换行显示
5.5 基线
基线分为顶部基线和底部基线，分别表示数值范围的上限、下限，所有数据超过基线的数据不显示。
底部基线表示允许数值下限的最小值（数值可以不是0），所有可视化数据超出底部基线的，不显示。顶部基线表示允许数值上限的最大值，所有可视化数据超出顶部基线的不显示。在实际使用过程中，常使用到底部基线，如零基线，表示最小数值为“0”的线。
图10 顶部基线和底部基线
5.6 参考线
用户设置某一个定值作为参考数据进行比较，比如设置平均数做为参考值。参考线建议用虚线，仅起参考作用。还有一种较为特殊的参考线——预警线，并用警示的颜色引起用户的注意，超过预警线就会报警并通知到用户。
图11 参考线
5.7 栅格
为了方便用户对图表数据进行阅读，有时候也会在图表区使用栅格做辅助，常见有点状、线状和斑马线等。一般来说，横向栅格增强水平方向的引导，纵向栅格则增强垂直方向的引导。栅格的使用，需要根据数据的特点来选择。
图12 常使用的栅格类型
5.8 辅助信息
为了更好帮助用户理解图表，有时候会对坐标轴进行辅助描述，如上图04中对X轴、Y轴的补充说明。但在图表设计中，应尽量避免使用额外的备注说明，通过图表元素让用户能够直接理解。所以，辅助信息往往可以省略，尽量避免使用。
图表状态
在图表设计中，除了需要恰当选择图表和规范使用图表基础元素，还需要考虑图表在特定场景下的状态提示，让体验更为友好。针对图表状态，我们根据业务实际场景总结了几种常见的类型，包括图表加载中、网络加载异常、数据缺失、无权限、无数据等。
图13 图表状态
其他注意点
7.1 颜色使用有意义
确保图表中的颜色用于传递特定的信息，如果不是或有其他方式能够更有效地传递该信息，那就避免使用颜色。任意或无意义地使用颜色，极大程度上会对用户造成噪音干扰。
7.2 避免远距离标注
当对象与信息标注分隔较远的话，用户需要花较多的时间让视线来回切换，不利于信息快速获取。例如，图例和数据序列相距较远的话，用户在点击图例以显示或隐藏数据序列时就需要来回比对、确定，操作不便捷。
7.3 慎用3D立体图形
3D立体图形的透视容易分散用户的注意力，对数据特征造成掩盖。从图表墨水比原则来说，3D立体图形会增加信息噪音，降低墨水比。如无特殊要求，建议优先考虑简洁的2D图形直观传递数据，为用户提供了更好的数据阅读环境。
7.4 高墨水比
墨水比是指图表中用于数据的墨水量与总墨水量的比值（墨水比=用于数据的墨水量/总墨水量），用于评判图表有效信息传递是否高效。那我们该如何提升墨水比呢？首先，区分数据墨水（用于显示数据）、非数据墨水（用于显示辅助元素，如坐标轴、网格线等）。然后，减少和弱化非数据元素，如去掉背景、网格线等，同时增强和突出数据元素。
总结
使用图表要有明确的目标，需反映隐藏在数据背后的信息、特征等，帮助用户直观、快捷理解数据，更好分析问题。
当我们开始尝试使用图表呈现数据时，需要读懂数据，明确目标用户所需要的数据特征。同时，基于前期对用户和数据理解的基础上，选择恰当的图表来呈现数据特征，并正确使用图表基础元素的使用方式，避免应用不规范而增加用户的理解成本，甚至对用户理解数据产生误导。
参考文献：
- 遇见大数据可视化- 图表设计
- antv：数据可视化设计原则
- 传递数据背后的故事- 图表设计
- echarts可视化色彩理论基础
- 数据可视化- 图表规范
- 数据可视化初探--DMP人群画像概览的设计总结
