「打包行李前，得先知道這趟旅行去哪裡、為何而去。」做圖也是。

從「直接動手」到「先問再做」#

如果朋友只說「打包行李吧，要出門了」，你不會二話不說塞衣服進去。你會先問：

• 我們要去哪裡？
• 去多久？
• 怎麼去？
• 為什麼去？
• 到了住哪？

但面對視覺化，多數人的反射動作就是打開 Excel、選個圖型、按下去——明明還不知道為什麼要做這張圖。

在動手前先問兩個問題，可以決定你接下來該找什麼資源、用什麼工具、最終可能畫成哪一類圖。

兩個關鍵問題#

1. 這是概念性（conceptual）還是資料驅動（data-driven）的資訊？
2. 我是在宣告（declarative）還是在探索（exploratory）？

問題一：概念 vs 資料驅動#

這題比較直觀，多半一目了然。

• 概念性：流程、層級、循環、組織——本身是質性的
• 資料驅動：營收、評等、百分比、時序資料——本身是量化的

注意這題問的是資訊本身的性質，而不是最終呈現的形式。 概念性資訊可以畫成「看起來像數據圖」的形狀（例如 Hype Cycle 用折線形式呈現一個概念），反之亦然。

問題二：宣告 vs 探索（其實有三種目的）#

實際上目的有三類：宣告（declarative）、驗證（confirmatory）、探索（exploratory）。後兩者相關，因此放在同一條光譜上。

• 宣告：對觀眾發表已知的訊息，通常用於正式場合，需要設計完整。但好的宣告型圖也應啟動討論（討論的是內容，不是圖本身）
• 驗證：你心中已有假設，用資料來確認對錯。受眾通常是自己或小團隊，原型品質即可
• 探索：你不確定要找什麼，去資料中尋找模式、趨勢、異常。設計更粗糙、迭代頻繁，常需要互動工具

從「宣告」走向「探索」時：

• 你對結論的確定度下降，資訊的複雜度上升
• 從獨自快速作業 → 跨團隊、依賴專家、投入更多時間

主管做宣告與驗證做得多，探索做得太少——但偏偏「探索」最容易冒出策略性洞見。 換句話說：「我要給答案？確認答案？還是找答案？」

四種類型的 2×2#

把兩個問題交叉，就得到主管會用到的四種視覺化類型：

1. Idea Illustration（想法圖示）── 顧問的角落#

• 流程圖、循環圖、決策樹、組織圖、2×2 矩陣，都屬於這類
• HBR 編輯 Gardiner Morse 戲稱失控的概念圖為「crap circles（鬼打牆圖）」
• 因為沒有軸與資料的限制，過度裝飾的誘惑很大——金字塔結果做成 3D 沙岩漸層、加上下降陰影箭頭，全在搶眼，反而搶走了想法本身

想法圖示最常見的失敗：用了一個視覺隱喻（funnel、金字塔），又加上裝飾去「強化隱喻」，最後讀者只看到裝飾。

正確示範：

• 賣的概念是「金字塔搜尋」（pyramid search），就讓金字塔形狀本身做事
• x 軸放「近—遠產業」，y 軸放「低—高專業度」，順著慣例
• 不做 3D、不放沙漠照、不上沙岩色

2. Idea Generation（想法激盪）── 白板與餐巾紙#

最不直覺的一個象限：「沒有資料的探索」是什麼？

• 發生在白板、屠宰紙（butcher paper）、或經典的餐巾紙背面
• 用於組織重組、設計新流程、制定決策框架等無資料挑戰
• 借用設計思考（design thinking）：先盡量發散多個視覺角度，再收斂到一個精修

Austin Center for Design 創辦人 Jon Kolko 說：「素描是把模糊與混亂逼到清晰的努力。」 善於主持腦力激盪的主管，會在這個象限做得特別好。

3. Visual Discovery（視覺探索）── 一格其實是兩格#

這是最複雜的象限，因為實際上同時包含驗證與探索兩種任務（資料驅動，故無概念那邊的對應）。

• 視覺驗證（Visual Confirmation）：問「我的假設對嗎？」或「換個角度看會不會看出新東西？」
  • 範例：差旅主管假設「票價越高、舒適度越高」，畫出散布圖後發現相關性其實很弱——商務艙有些微正向但不強烈
  • 重點是快速產出原型而非設計：軸標、標題都先擱著
• 視覺探索（Visual Exploration）：不知道要找什麼，把大量資料丟進去看會冒出什麼
  • 通常需要互動工具，可能整合多份資料或即時資料
  • 波士頓塞爾提克隊的政治學者 David Sparks 把他做的事稱為「模型視覺化（model visualization）」——把資料丟進統計模型，模擬「在某些情境下會發生什麼」
  • 在這個區塊，功能勝於形式：軟體、程式、資料管理、商業智慧能力比設計能力更關鍵
  • 通常需要與資料科學家合作（配對分析，paired analysis，第 4 章詳述）

視覺驗證是「沿新步道健行」；視覺探索是「在荒野中開出新路」。

4. Everyday Dataviz（日常型資料圖）── 主管的主戰場#

• 從 Excel 試算表丟進 PowerPoint 的折線、長條、圓餅、散布圖
• 關鍵字是「簡單」：資料簡單、訊息簡單、目的簡單
• 主要挑戰是設計：清晰、一致、能在簡報時站得住腳

一張 Everyday Dataviz 應該不需要說一個字就能被理解。如果它得靠你解釋才看得懂，就像得解釋的笑話一樣失敗。

範例：HR 副總要對執委會報告「健保支出成長已大幅趨緩」。

• 從政府網站抓了二十年資料，讓設計師補上 GDP 與衰退背景，做成了一張漂亮但訊息不突出的折線圖
• 高層其實不需要二十年脈絡——他們要的是「近年成長趨緩」
• 用同一份資料改畫「年成長率」（Annual Growth）長條圖，副總一句話都不必說，趨勢就跳出來
• 結論：含資訊量需要花幾分鐘消化的圖，適合放在紙上或個人螢幕上慢慢讀，不適合簡報

把 2×2 當「地圖」疊加更多資訊#

這個四象限就像道路圖，可以疊上更多層：

• 使用頻率：多數主管八成時間花在 Everyday Dataviz；隨工具普及，Visual Discovery 比例會上升
• 聚焦點：宣告 → 重視最終呈現；探索 → 重視點子產生與學習
• 技能：探索象限與重要簡報，較常需要外部專家；想法激盪是無論主管做不做圖都該培養的能力
• 媒介：探索半邊偏互動與迭代；宣告半邊偏視覺設計
• 流程：探索常導出宣告（如本章的 2×2 都是先 idea generation 再做成 idea illustration）；驗證若出現意外結果，會把你推進更深的探索
• 也可以加入「我做這類視覺化要找哪些同事」、「常用什麼軟體」等個人化備註

重點整理#

視覺化不是一種事，是一群相關但不同的事。每個象限的所需技能、工具、媒介都不一樣。 花幾分鐘問兩個問題：「資訊是概念還是資料？我要宣告還是探索？」就能在整段流程開始前，為這趟旅行打對行李。

四種類型快速回顧：

• Idea Illustration：跟資料無關的概念圖示。組織圖、流程圖、2×2
• Idea Generation：跟資料無關的想法激盪，白板上、紙上、餐巾紙背面
• Visual Discovery：用資料來驗證假設或探索趨勢
  • Visual Confirmation：用資料測試假設，常用 Excel 或線上工具
  • Visual Exploration：在大資料／動態資料中找模式，需要進階軟體與資料科學能力
• Everyday Dataviz：標準圖表，向觀眾傳達一個明確訊息，常見於簡報

案例：用視覺化模擬多重未來#

David Sparks 從范德比大學（Vanderbilt）政治學系開始研究迴歸（regression），覺得「能秀出多重可能未來」這件事像魔法。

• 在杜克大學讀政治學博士時，他白天當研究助理，晚上自學 Stata 與 R——練手的資料是棒球與籃球（「政治資料太亂，運動資料乾淨而且我有興趣」）
• 後來透過運動資料的練手，接到 NBA 波士頓塞爾提克隊的實習與顧問機會
• 把同一套技能用回博士研究上，他畫出了一張美國國會兩百年意識形態極化圖，把藍紅線重合與分歧視覺化，再以一條線單獨拉出「南方民主黨」如何越來越保守、最終轉投共和黨的歷史敘事
• 杜克的指導教授看到後說：「這張圖把我們花一整堂課講的東西總結了。」並要求授權拿去當教材與海報

Sparks 把自己做的事稱為「模型視覺化」而非單純「探索視覺化」：他不是在現有資料中找東西，而是在模型推演未來的同時，也視覺化不確定性。 他說：「視覺化不確定性，是 viz 社群最重要的待解挑戰之一。」

Sparks 的工作哲學：

• 因為資料總是多維（總有 z 軸——顏色、bubble 大小），他被迫成為設計能手
• 他可以為了訊息密度，犧牲一秒內被看懂的速度——「重要的是觀眾投入幾秒就能得到更豐富的體驗」
• 但前提是：「圖必須在做一個論證。把所有資料丟出來不會有用——你不會寫一段話塞下你對這個主題的所有知識。」

原書範例圖#

以下為原書中對應頁面出現的範例圖，依原書順序排列。