大厂实战复盘！如何做好数据可视化设计？

数据可视化在 B 端领域的重要性不言而喻，它通过将复杂的数据转化为直观的图形和图表，让用户可以直接洞察到数据的分布、趋势，从而帮助用户快速作出决策解决问题。

罗伯特·科萨拉说：“数据可视化是挖掘和利用数据的关键。即便是最简单的可视化，也能够消除数据提供者对自己的数据被低估、误解或歪曲的忧虑。数据可视化能够改变人们对数据的理解方式，提高大众对数据的兴趣，并推动更多更好的数据开发。”

在钉钉组织大脑中有非常多的数据报表，希望来帮助用户进行更好的数据洞察，但在整体走查中发现存在数据展示不合理、数值表达有歧义等情况，为更好的提升数据图表的易读性、易用性，进行了此次数据图表的设计升级。

在设计中还发现，很多用户由于工作场景和工作职责特殊，对移动端的依赖远远超过我们的预期，当前产品只做了 PC 端的适配，无法满足移动端的场景，故图表的移动端体验也是本次设计升级的重点。

本文将结合钉钉组织大脑的设计实践案例，来具体阐述如何进行数据可视化，主要分为以下 4 个方面：

1. 移动端适配
2. 图表设计原则
3. 考虑特殊情况
4. 与业务情况结合

一、移动端适配

Material Design 在数据可视化原则中提到，应使用渐进式展示显示图表详细信息，允许用户根据实际需要查看特定的数据点。在桌面端，鼠标悬停即可显示更详细的数据；在移动端，触摸并按住手势会在图表上方显示提示。

结合其他移动端图表的设计案例，移动端图表适配主要遵循以下几点：

1. 移动端视野狭窄，注意不要遮挡图表，可在固定位置展示数据，给用户稳定的心智
2. 移动端相比 PC 端无 hover 态，尽量直接展示数据标签
3. 移动端数据过多时可采用视图放大的形式查看数据详情

案例 1：折线图

折线图通常数据点密集，若直接沿用 PC 端交互，点击出现 tooltip 会遮挡大部分可视区域，移动端可直接在图例后增加数据，保证图表区域不被遮挡，同时支持用户左右滑动查看数据，数据浏览更高效。

当只有单一数据时，数据展示位置可跟随用户点击手势，数据查看更方便。当有多条数据时，因为图例排版更加复杂，为保证数据展示的稳定性，图例需固定位置。

移动端的此种交互方式也可以延伸到柱状图。

案例 2：雷达图

雷达图常用于多维度的数据对比，仅有一组多维数据时，用户更看重维度之间的数据比较，当有多组多维数据时，更看重组与组之间的比较。

故在一组多维的雷达图中，如果直接沿用 PC 端 tooltip 交互，点击一次只能展示一维数据，交互重且展示效率低，无法直接多维度对比。移动端适配时，可直接展示数据标签，在展示效率高的同时，用户可直接对比数据，更符合雷达图的使用场景。

在多组多维的雷达图中，如果直接沿用 PC 端 tooltip 交互，遇到的问题和折线图移动端适配问题一致，即会对图表产生较大的遮挡，但此时并不能直接沿用折线图的解决方案（在图例后加数据标签），因为数据标签和用户点击行为的关联性比较小，在测试时发现用户并不能注意到点击后有响应。所以在移动端点击轴线或任意点，用数据颜色悬浮展示数据标签，在减少区域遮挡的同时让用户的操作有响应。

案例 3：矩阵树图

矩阵树图因数据复杂，在移动端中会出现部分矩形会很小的情况，用户较难看到具体数据，此时在移动端用户可以点击矩形，放大至图表区域中央进行查看，同时也需要注意让用户可以重新查看完整视图。

二、图表设计原则

什么样的图表算是好的图表？《乐见数据：商业数据可视化思维》一书中马世权提出了 GLAD 原则：Good Data and Insight（好的数据和洞察）、Less Noise（降噪）、Accurate Expression（精准表达）和 Distinct Mark（画龙点睛）。

结合我们的设计实践，将图表设计原则总结为视觉降噪、表达准确、突出重点。

1. 视觉降噪

减少不必要元素的干扰，在表意清晰的情况下可去除重复的数据标签。

当数据标注过多时，去除根本看不清的数据标注，降低视觉负担。

2. 表达准确

在实际场景中发现数据标注常常和图表不对应，以环状图为例，看不懂到底哪个切片对应哪条数据。数据标注应和数据需一一对应，否则易造成用户误解，注意可利用颜色来保证数据可读性，如指引线颜色和数据颜色保持一致。

有多组数据映射关系时，务必增加图例，防止造成表意不清。值得一提的是，数据的名称需保持准确，让用户一眼可看出想表达什么。

另外，为提升数据展示的效率，可以尽可能直接展示数据标注，用户无需任何操作即可知道数据详情。

3. 突出重点

基准线避免使用有数据语义的分类颜色，应使用中性色，防止造成用户误解。

三、考虑特殊情况

1. 数据为 0

通常数据为 0 的情况较少被考虑，但涉及到以颜色做表意的情况时需要特殊处理，以矩阵树图为例，为防止数据未及时更新导致图表全白，设定当数值为 0 时，展示颜色的透明度为 10%，建立百分比和透明度的数据映射关系。

2. 数据过多

当数据过多时，PC 端可以直接 hover 展示，但移动端由于交互精度不高且视野狭窄，可采用视图转换的方式来保证数据呈现，环状图可长按切片放大区域，折线图可长按出现放大镜。

四、与业务情况结合

除了通用的图表设计，还需要注重图表与业务含义的融合。

案例 1：业务主轴

在折线图设计中，业务希望重点某一数据，但在普通折线图中三条线同粗细，无法体现数据重点。故增加了图表的主线逻辑，不论设计还是研发后续引用该图表组件时，可设定某一条线为主线进行加粗强调，在表达业务含义的同时让数据呈现有重点。

案例 2：数据洞察

可以结合 AI 能力对图表进行更多的业务层面上的洞察和解释。

结语

一个好的数据可视化设计不仅仅是技术的展示，更是一种沟通的艺术。设计所追求的，不仅是图表的美观，更是信息的清晰传达和有效沟通。在未来的设计中，需要继续探索和实践，不断优化可视化工具和方法，让每一张图表都能说话，让每一个数据点都充满意义。

欢迎关注作者微信公众号：「钉钉用户体验」