我為什麼對「資料視覺化」感到不安#
我熱愛把大型資料集化為資訊圖表的力量——這項傳統可以追溯到 Florence Nightingale 用一種新型圓餅圖清楚展示「死於可預防疾病的士兵比死於傷口的還多」。
但今天，我看到太多漂亮的「特效作品」——展現統計與技術功力，卻沒有清楚地服務任何資訊目的。這是讓我不舒服的根源。
資料視覺化的核心目標是傳達一個能驅動行動的想法。
資訊有價值的三個前提#
並非所有資料都值得視覺化。一份資訊要產生有價值的洞察，必須具備：
- 可解讀（interpretable）：尤其在非結構化資料眾多的今天，沒有對應的詮釋資料（metadata）——是什麼、何時、何地、何人、如何蒐集——資料就難以被探究與下結論
- 相關（relevant）：對閱讀者與目的而言重要
- 新穎（novel）：原創、或為某領域帶來新洞見
三條件缺一不可。真正值得花力氣做視覺化的資料，其實只佔我們能視覺化的一小部分。
視覺化的三個正當理由#
1. 確認（Confirmation）#
對某個系統（市場、客戶、競爭者）已有假設，用視覺化檢驗：
- 假設是否仍然成立？
- 是否系統已偏離模型？
- 基於這些假設採取的行動風險如何？
企業儀表板（dashboard）常見此用法。
2. 教育（Education）#
兩種子用法：
- 報告（reporting）：呈現衡量值與比較（時間、跨系統）
- 培養直覺：對已知系統的演化建立經驗感——常見於培訓的「遊戲化（gamification）」
3. 探索（Exploration）#
當資料很大、想找出隱藏關係或模型，可用視覺化進行人機互動式（HMI）探索——稱為「探索性資料分析（exploratory data analysis, EDA）」。
EDA 是用視覺發現替代純統計。但企業利用得太少。
先了解你的觀眾（sidebar）#
在「（pun intended）throw up」資料之前，先把目標想清楚——以便讓決策者最容易吸收。
設計者必須回答：
- 觀眾是誰，他們會怎麼讀這張圖？
- 觀眾熟悉術語與概念嗎？
- 還是需要視覺提示（「綠色向上箭頭代表好」之類）？
- 專家觀眾與一般觀眾期待非常不同
- 觀眾的期待與最有用的資訊類型是什麼？
- 這張視覺化的功能角色是什麼？觀眾要怎麼據此行動？
- 探索型視覺化應留下問題讓人追下去
- 教育型或確認型視覺化不應讓人讀完還充滿疑惑
三種影響視覺化品質的風險#
即使你已釐清目的、提供足夠的資料與後設資料，結果可信嗎？這取決於對三種風險的掌控：
風險 1：資料品質（Data quality）#
垃圾進，垃圾出。底層資料的完整性與可靠性是視覺化價值的根基。
風險 2：脈絡（Context）#
視覺化的價值在於把大量資料變得可親近，讓我們的「模式偵測電腦」——大腦——能看出洞察。
為此必須能存取資料元素之間所有可能的關係。脈絡就是洞察的來源。漏掉脈絡資訊或「metacontent」，就會妨礙理解。
風險 3：偏誤（Biases）#
視覺化作者可以透過顏色、位置、視覺花招（多餘的 3D，或在 3D 更有資訊時硬用 2D）改變語意；亦可在背後的演算法中預先框定可被發現的特徵——這正是 EDA 想要對抗的事。
結語#
忽略上述條件與風險，視覺化的目的就會被拖垮——結果讓人困惑，而不是被啟發。