視覺化已是日常語言#

在以資料治理、知識為通貨的時代，視覺化（visualization）已成為跨越文字、語言與文化的共通語言。圖表（charts）、地圖、圖示、甚至動圖與表情符號，都是這種語言的一部分。

• 汽車儀表板地圖以紅綠線提醒駕駛繞開壅塞
• 天氣 App 用圖示與走勢線一眼帶出預報
• 健身追蹤 App 預設用簡單圖表呈現步數與睡眠
• 公用事業帳單以圖表比較鄰居間的能源使用
• 體育轉播即時疊加進攻線、投球軌跡、打擊熱區

即使你以為自己不會說這種視覺語言，事實上你每天都在「聽」並「理解」它。

為什麼這是商業的新通用語#

作者貝里納托（Scott Berinato）指出，做出好圖表已經從「加分技能」變成「必備技能」。

• 如果你只是按一下 Excel 或 Google Sheets 就把資料丟成圖，你的同事正在做更多、被看見更多
• 今天沒有公司會雇用一位看不懂試算表的主管；明天則不會雇用一位無法用視覺思考、做不出好圖表的主管
• Carlson Wagonlit Travel 的創新副總雷布內泰（Vincent Lebunetel）直言：「如果你連把訊息變得簡單易懂都辦不到，代表你對主題還沒掌握得夠深。」
• Accenture 因內部「視覺識讀課程」（visual literacy curriculum）大受歡迎，把它變成了客戶服務與顧問職涯路徑
• 休士頓火箭隊總管莫瑞（Daryl Morey）說：「業內每個人都知道要把資料視覺化，只是大多做得糟。我們投入這件事，如果我們做對而對手做錯，那是讓我們興奮的優勢。」

什麼樣的圖表才叫「好」？#

書中以一張看似漂亮的「全球營收圖」開場，問讀者：這算好圖嗎？

• 它標籤清楚、不堆砌裝飾、用色節制、敘事簡單，符合塔夫提（Edward Tufte）、福夫（Stephen Few）、王（Dona Wong）等專家的多數規則
• 但答案是：不知道

沒有情境（context），就沒有所謂的好或壞圖表，只有「做得紮實」與「做得粗糙」之分。 評估一張圖表的價值，遠比「圖型對不對、顏色好不好、標籤齊不齊」更重要的，是先回答：誰會看？他們想要什麼、需要什麼？我想傳達什麼想法？我能展示什麼？我該展示什麼？最後才問：要怎麼展示？

同一份營收資料，依場景不同會有截然不同的「好」：

• 對董事會：他們已熟悉季營收，再放一次只會被滑手機；不如改畫「全球營收分布變化」協助他們找投資點
• 對與老闆的一對一：白板上邊聊邊畫，可能比精修圖表更有效率
• 對策略外宿：應該畫「未來營收情境」（Revenue Projections），用過去資料談未來才有意義
• 對新進主管：原本那張全球營收圖反而最合適，幫他建立基本事實

規則之外，你需要原則#

作者借語言學者威廉斯（Joseph M. Williams）《Style: Toward Clarity and Grace》的觀點來類比：

告訴我「要清楚地寫」就像告訴我「把球打正」，我知道目標，但不知道怎麼做。 我們需要的是能應用於各種情境的原則，而不是一條條死規則。

• 規則本身是用來「回應情境」，不是「設定情境」
• 一張完美遵守規則但資料錯、訊息錯、無法打動觀眾的圖，遠不如一張稍微違規卻高度相關的圖
• 圖表的目標位置：「執行品質夠好」且「相關性夠高」（Good Charts Matrix 的右上角）

為什麼現在必須學視覺思考#

三股趨勢同時推動視覺思考成為「必修」：

1. 視覺化爆炸：日常與媒體中的高品質圖表，抬高了大家對「公司內部圖表」的期望值
2. 資料量與速度暴增：例如波音（Boeing）的鶚式機（Osprey）每次起降產出 1 TB 資料，10 趟飛行的資料量等於整座美國國會圖書館的紙本藏書；只有視覺分析能在雜訊中找到訊號，再轉譯成簡單視覺給決策者
3. 工具普及化：Tableau 等工具讓視覺化進入「人人都能玩」的階段，但拖拉軟體無法保證好圖，正如規則書無法保證好寫作

把它當作一門手藝#

作者刻意不用「視覺化的藝術」或「視覺化的科學」，而選擇「手藝（craft）」一詞。

• 像櫥櫃師傅（cabinetmaker）一樣，學徒要先了解櫥櫃的歷史、材料、用法，再學系統化做法，做很多櫥櫃，最後才談個人風格
• 本書架構亦同：
  • Part 1 Understand：簡史 + 視知覺與設計思考的基本科學，建立直覺
  • Part 2 Create：一套實用框架，把 Excel 預設圖在一兩小時內做得遠遠更好
  • Part 3 Refine：把結構紮實的圖琢磨到「印象深刻並能說服他人」，並警示說服與操弄（manipulation）之間的灰色地帶
  • Part 4 Present and Practice：如何在簡報中遞送圖表，並用「視覺評論會」（crit sessions）持續精進
• 每章末尾附有重點回顧，四個部分各自亦可獨立查閱

作者刻意混用 visualization、dataviz、charts、graphs、information graphics、infographics 等詞彙，僅為行文流暢，本書不為它們做嚴格區分。資料的蒐集與清理另有專書，本書從「資料已備妥」之後談起。

一個鼓舞人心的例子：Catalin Ciobanu#

物理學博士出身的奇歐巴努（Catalin Ciobanu）剛轉到 Carlson Wagonlit Travel 任職，發現業界普遍只用 Excel，「能傳達的洞見極為有限」。

• 為了一場巴黎客戶會議，他要呈現「商務出差與壓力」的資料
• 他沒有畫長條圖或趨勢線，而是把每個受訪者畫成一個點，畫出散布圖（scatter plot）
• 標題刻意使用「誰」（who），強調「壓力是個人的、是關於人」
• 客戶當場發現他們原本以為「出差越多越累」是線性正相關，但點圖顯示壓力會隨頻率上升或下降，且少出差者的壓力變異反而更大
• 客戶熱烈討論可能原因（少出差者把每趟視為犒賞，或得獨自兼顧家裡與工作的雙重壓力），並開始討論能調整哪些方案

「對話變得熱烈，續約率與客戶投入度都跟著提升。」一張圖讓資料從「一團數字」變回「一個個人」——這就是好圖表（A Good Chart）。

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。