結語：Keep Going#

「Data visualization 其實是個糟糕的詞」——它把好圖簡化成機械程序，像把《白鯨記》稱為「文字序列化」、把《星夜》稱為「色素分布」。

作者在結語點出全書的核心信念：

• 一直以來教學、評論的精力都集中在「對的方法 vs. 錯的方法」、選哪種圖、用什麼色——把工藝降格為流程
• 真正在做的事不是 data visualization，而是visual rhetoric（視覺修辭）：圖形化的論述藝術
• 我們要做的，是揭示某個真相、讓人感受那個真相——讓人看到從未看過的東西、改變想法、引發行動

對基本文法（grammar of visualization）有共同認識當然必要——彼此才能溝通；但讓文法統治溝通會把人弄癱。 過度追求圖表規則的瑣碎，就像愛默生筆下「愚蠢一致性」（foolish consistencies）的小政客。

軟體會接手大部分文法#

• Tableau、Datawrapper 等工具正在把「樣板、拼字檢查、文法檢查」內建：色彩決策、標籤、格線、甚至圖型選擇都被編碼進預設值，讓「即使新手做出來也已經不錯」
• 互動性進一步解決過去要在製圖時做的決定：hover 顯示細節、切換器顯示／隱藏變數、Next 鍵控制資訊揭露節奏
• 哈佛與 MIT 合作的 Atlas of Economic Complexity 是這個未來的雛形：色彩按大陸自動分組、標籤自動排版、滑動 toggle 即時調整——使用者只要找到自己想說的故事

視覺化的本質正從「imparted（單向傳達）」轉為「shared（共同協作）」。 不久的未來，主管在董事會展示一張圖時，CEO 說「排除年輕族群看一下」，下一秒就有新圖出現；簡報會變成對話，探索式視覺化會走進董事會。

但有一件事軟體永遠做不到#

• 理解你的脈絡（context）
• 軟體越強，你就越能把心力集中在「我想傳達什麼想法、要怎麼說服」
• 本書的核心——理解脈絡 → 找到主訊息 → 把它有說服力地視覺化——是你最該培養的能力

70 歲的視覺化顧問 Charles Hooper 用過 Lotus 1-2-3、Harvard Graphics、Brio，還曾手繪轉印投影片。他說：「下週我就 70 歲了，這是最讓人興奮的時刻——當工具讓嘗試變容易，普通人就會發明專家想不到的看法。我每天都從別人的嘗試中學到新東西。」

你正讀到本書尾聲——這意味著你已經出發了。Keep going.

圖型詞彙表（Glossary）#

以下整理書中出現的主要圖型，每個附 + (優點) 與 − (缺點)。

2×2 矩陣（2×2 Matrix）#

水平與垂直切線把方框分成四象限，常用於以兩個變數建立分類學（例如本書的 Four Types 圖）。

• ＋ 容易使用的組織原則，把元素放進「區塊」
• − 在象限內以不同間距標出元素，會讓人誤以為存在統計關係

沖積圖（Alluvial Diagram）#

節點與流線呈現值如何從一處移到另一處——常用於展示時間中的變化或分類層次（如預算如何月月分配）。又稱 flow diagram。

• ＋ 揭示值的變化細節或廣類資料的細部分布
• − 流動與變化太多會讓視覺繁複交錯，雖然漂亮但難以解讀

長條圖（Bar Chart）#

條的長度／高度呈現類別間關係（categorical data）。常用於比較離散群組（例如十位 CEO 的薪資）。垂直時亦稱 column chart。

• ＋ 普世易懂；簡單比較利器
• − 條太多容易看成趨勢；多組長條會難以解析

泡泡圖（Bubble Chart）#

點按兩個變數散布，再以泡泡大小（與顏色）加入第三、四維。常用於呈現複雜關係（如多個國家的人口資料疊放）。

• ＋ 最簡單的「z 軸」加入方式；泡泡大小可帶入關鍵脈絡
• − 比例計算棘手（面積 ≠ 半徑）；多軸圖型難以一眼看懂

Bump Chart#

線條呈現排名隨時間的變化（如票房週週名次）。

• ＋ 簡單表達誰在贏誰在輸
• − 只是排序變化，不具統計顯著性；層級多時跟蹤變難

流程圖（Flow Chart）#

多邊形與箭頭呈現流程或工作流（如使用者購物決策）。決策樹是其中一種。

• ＋ 普世接受的決策表示法
• − 必須懂約定符號（菱形＝決策、平行四邊形＝輸入／輸出等）

地理圖（Geographical Chart / Map）#

以地圖表示地理位置相關的值（如各國政治取向）。

• ＋ 對地理熟悉，可同時看區域、全球趨勢
• − 用地理面積編碼其他變數時容易誇大或縮小（Montana–Manhattan 問題）

階層圖（Hierarchical Chart）#

線與點呈現元素間關係與層級——組織圖、家譜、樹狀圖皆是。

• ＋ 易理解的關係與結構表達
• − 線盒結構難呈現非正式關係（如跨部門協作）

直方圖（Histogram）#

長條呈現某變數值在範圍內的出現頻率。常與 bar chart 混淆。

• ＋ 最基礎的分布／機率呈現
• − 觀眾常誤認為長條圖

折線圖（Line Chart）#

連線點呈現連續資料的變化（多用於時間）。常用於同時比較多條趨勢。

• ＋ 普世易懂、表達趨勢一眼即明
• − 強調趨勢時較難討論離散值；線太多就看不清個別曲線

隱喻圖（Metaphorical Chart）#

箭頭、金字塔、圓圈等熟悉形狀來呈現非統計概念（如商業循環）。

• ＋ 化簡複雜概念，理解感覺直觀
• − 容易混用、誤用、過度設計

網絡圖（Network Diagram）#

節點與連線呈現群組內元素之關係（如人或電腦的互聯）。

• ＋ 揭示難察覺的關係；凸顯群集與離群
• − 複雜性快速膨脹；雖美但難解讀

圓餅圖（Pie Chart）#

圓被切成代表整體比例的扇形（甜甜圈圖是其變體）。

• ＋ 最普及；表達「大佔比 vs. 小佔比」很好
• − 人類對弧形面積估計不準；切片多就難辨識

Sankey Diagram#

箭頭或長條呈現值如何分布與轉移（常用於能源流、人流等實體量）。

• ＋ 揭示系統流動細節；找出主要組件與低效處
• − 元件多、路徑多時極為複雜

散布圖（Scatter Plot）#

兩變數對應的點，用於偵測與呈現相關性（例如年齡 vs. 收入）。

• ＋ 普及；空間化呈現相關性／反相關／群集／離群值
• − 太擅長呈現相關性，觀眾容易誤從相關推因果

斜率圖（Slope Chart）#

線條呈現值的簡單變化（如各區營收上升、唯一個下滑）。

• ＋ 易看的「前後對照」敘事
• − 不顯示中間發生了什麼；交叉太多就模糊

Small Multiples（小型多重圖）#

一系列共用尺度的小型圖（多為折線），用於同時呈現眾多類別（例如各國 GDP 趨勢）。又稱 grid charts、trellis charts。

• ＋ 比把所有線疊成一張更易讀
• − 沒有戲劇變化時意義難浮現；交叉點等「事件」會消失

堆疊面積圖（Stacked Area Chart）#

線條呈現變數隨時間變化，線間區域填色強調量或累計。

• ＋ 呈現比例變化、累積感
• − 「層」太多會切片太細，難看出變化

堆疊長條圖（Stacked Bar Chart / Proportional Bar Chart）#

長方形被切成代表整體比例的段（如各區營收占比）。

• ＋ 有人視為更好的圓餅圖替代；橫直皆可用
• − 太多類別或多組並列時會難以對比

表格（Table）#

行與列排列資訊。常用於呈現多類別、多時段的個別值。

• ＋ 每個值都可讀；比文字描述更易比較
• − 難一眼看出趨勢或快速比較

Treemap（樹狀圖）#

矩形再被分成代表整體比例的小矩形（如預算依類別、子類別劃分）。

• ＋ 緊湊地呈現詳細比例；克服圓餅圖切片過多的限制
• − 細節導向，不適合一眼看懂；通常需要支援工具自動排版

Unit Chart（單位圖 / 點圖）#

點或圖示排列代表類別變數對應的個別值集合（如花費的每一塊錢、疫情中的每位病患）。

• ＋ 比抽象統計更具體、更可關聯
• − 類別過多會失焦；排版需要強設計能力

本詞彙表並非完整圖型清單。每個基礎圖型下都有大量變體，新圖型也持續被創造。 與其追逐每一種變體的命名，不如建立自己的收藏：把你喜歡或覺得有效的圖隨手存下，並寫下為什麼。

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。