手工数据可视化:让您的调查和行动倡导更吸引人

  • 电脑制作的可视化是呆板的,如果您想让自己的工作看起来更有魅力,您就需要花点心思

这是一个通过复杂的代码和图形设计来实现数据可视化的世界。从 Tableau 到 Datawrapper,再到Python和R,存在着许多可视化故事的可能性。但是在最初,所有的数据可视化都是通过手工完成的。像 W. E. B. Du BoisFlorence Nightingale 这样的可视化先驱都是手绘他们的可视化图,因为根本没有其他方法来实现。

1858年 Florence Nightingale 绘制的 “东部军队中的死亡原因图” ,这位革命性的护理人员也是一位数学家,她知道用手绘图像可视化信息的力量

对于W·E·B·杜波依斯(Du Bois),是他的黑人社会学家团队使用数据可视化向世界解释了制度化的种族主义,而对于南丁格尔(Ningingale),则是她的图表显示了死亡原因。

W·E·B·杜波依斯

而且,即使是在计算机发展的同时,使用类比手段进行可视化往往也是更容易的。本文将探讨手绘可视化的历史和以这种方式呈现的理由。还将展示那些选择用铅笔而不是屏幕的专家的例子和相关资源。尤其是,您还会学到一些帮助您入门的小技巧。

简史

当玛丽·埃莉诺·斯皮尔 (Mary Eleanor Spear) 在1952年写下她的先锋可视化书籍《统计图表》时,她强调的是可以轻松手绘的图形。例如,“区间条形图”(箱形图的前身)是一个简单的数值变量汇总图 — — 这是一种相对简单的视觉效果,不需要计算机就可以创建。

与直方图不同的是,箱形图只依靠一些总结性的统计数字,而直方图则需要事先决定断点,并计算落入每个仓的案例数量。分析师会计算中位数、四分位数,并考虑到离群值,然后拿出尺子和铅笔来绘制可视化图。

Mary Eleanor Spear

约翰·图基 (John Tukey) 在1977年出版的《探索性数据分析》一书中普及了这些思想,他还强调图形可以很容易地手绘出来。

探索性数据分析(现在通常缩写为EDA)的理念是计算摘要统计,并做出基本的数据可视化,以了解一个数据集,然后再继续前进。EDA书中的每一个图形都是由 Tukey 手工制作的,非常精确,它们可能会被误认为是计算机生成的图表。

John Tukey

另一位可视化先驱雅克·贝尔坦(Jacques Bertin)也专注于让数据分析师在没有计算机的情况下尽可能地提高工作效率。

他的战略之一是创建一个 “Bertin矩阵”,这是整个数据集的物理表示,可以通过使用长串插入矩阵来重新排序。他的研究生会努力寻找一种能显示数据结构的排序,然后复印物理矩阵,以保留数据的一个版本,然后继续前进。

Bertin矩阵的一个例子

数字化更好吗?手绘视觉效果的案例

所以,手工制作的数据可视化并不是什么新鲜事。事实上,它是可视化的原始形式。但是,随着计算机工具的发展,使创建数据可视化更容易了,越来越多的可视化是 “天生的数字化”。这并不意味着手工制作的可视化需求已经消失,也不意味着计算机生成的图形更好

提倡公民调查者尝试手绘可视化有几个原因:

1、它可以能让你跳出思维定式。如果你是一个善于使用电脑工具生成可视化的人,你可能只会想到你的工具最容易生成的视觉形式,这就成了思维定式。

2、一个手工制作的可视化可以给一个故事带来亲切感。通常情况下,电脑生成的视觉效果会让人感觉很死板,而且对某些观众来说也是难以接受的。

3、手工制作的视觉效果给人的感觉就不那么死板了,所以它们是传达不确定性的好方法。

4、手工制作可视化是学习数据值与可视标记结合的具体方法。

5、这很有趣!

有时,手工制作的可视化是您为自己制作的产品,以帮助您进行头脑风暴,理解您的数据,或者只是作为一个创造性的出口。其他时候,手工制作的数据可视化可以成为您的最终产品,发布给其他人阅读和体验。

而且有很多手工制作的可视化作品可以从中获得灵感。Infographics Designers Sketchbooks 这本书充满了可视化的幕后花絮,讲述了可视化是如何开始的。虽然有些作者是用编码进行草图绘制,但绝大多数作者都是从纸上开始绘画的。所以,手绘的可视化也可以是迈向计算机生成的东西的第一步。

也许更有趣的是那些最终以某种方式发表的手绘可视化作品。在个人可视化类别中,Giorgia Lupi 和 Stefanie Posavec 的项目 Dear Data 就是一个典型的例子。

Lupi 和 Posavec 都是专业的设计师,他们的客户作品(通常是电脑生成的)可以在不同的场合看到。

对于 “亲爱的数据” 这个项目,他们采取了另一种方式。在一年的时间里,他们每个人每周都会收集关于自己生活中一个约定俗成的话题的数据(比如笑声、门或抱怨),并将这些数据手绘成可视化的明信片。他们将这些明信片越洋邮寄给对方。

虽然数据可视化通常旨在准确地将信息传递给读者,但这并不是 Lupi 和 Posavec 的目标。

相反,他们想向对方传达一些他们生活的意义。读者并没有被要求解读他们放在页面上的精确数值,而是从美丽的形式中汲取灵感,享受更接近于作者生活的叙述或回忆录。

还有其他数据艺术家在这个空间里创作作品,比如尼古拉斯·费尔顿(Nicholas Felton),他多年来一直在制作一年一度的《费尔顿报告》。

购买《费尔顿报告》的人并不是为了了解世界的新情况,而是为了欣赏费尔顿的作品。同样,这些报告也是艺术作品,就像数据可视化的自传。

专家说

对数据可视化的研究往往集中在可视化如何有效地传达它所编码的精确信息上。1984年,William Cleveland 和 Robert McGill 发表了一篇名为《图形感知》的论文

这篇论文(被引用了1600多次!)概述了他们对图形感知的实验结果。如果你听过用条形图代替饼图的论点,数据很可能来自1984年的这项研究。

他们的研究显示了人们对(圆形或其他形状的)面积的判断有多么糟糕,并告诫人们不要使用面积作为图形编码的方法。IEEE Vis 是一个研究可视化的计算机科学家的专业社区和会议,它继续按照这种思路发表论文。

然而,可视化的目标并不总是要以这样一种方式对信息进行编码,以便于读出确切的数值。通常情况下,最重要的是给人一种真实的数据印象。而且,技术上最正确的可视化可能并不总是传达这种印象的最佳方式。

可视化的一个重要组成部分是注意力  — — 一个人如果不注意它,就无法阅读和理解一个视觉效果。可视化评论家 Edward Tufte 经常提倡尽可能简单的可视化,通过最大化数据与墨水的比例。

黑马分析公司制作了一个gif的例子,说明这个过程可能是什么样子的。在很多情况下,减少视觉上的杂乱和非数据墨水的数量是比较好的,但其他时候,Tufte 似乎把这一点做得太过火了,比如他重新设计的箱形图,最后变成了一条中间有一个点的断线。

数据可视化专家 Nathan Yau 提倡他所说的 “whizbang”。Whizbang 是一种很酷的因素(通常是动画或互动形式的),它能吸引人们进入你的可视化。在这个充斥着数字生成的可视化的世界里,一个手工制作的可视化可能正是您吸引读者的关键所在。

数据记者 Mona Chalabi 已经接受了这个想法,创造了许多手绘的可视化,并作为成品发表在卫报和其他地方。

Chalabi 是《卫报》的数据编辑,所以她知道数据可视化的 “规则”。但她也知道什么时候可以调整或打破这些规则。她在 OpenVisConf 的演讲中讨论了她的理念,即 制作能够为尽可能多的人提供信息的图形。

Chalabi 考虑到了她的可视化的背景。她还使用熟悉的物体来绘制她的可视化图,以帮助读者理解诸如单位之类的东西。例如,她用常见的苏打水瓶尺寸制作了一个视觉图来回答 “多少尿才算是多尿” 的问题。

在另一篇文章中,她通过撒糖显示了美国和英国一段时间内的糖消耗量。

除了 Chalabi 所画的物体所赋予的熟悉感之外,她的视觉化作品的手绘性质也让人感觉不那么精确。这正是她的意图。数字和电脑生成的视觉效果往往 “感觉” 是真实的,但总是有一些不确定性围绕着它们。

通过手绘可视化图,Chalabi 能够传达一些变化。当您看到她关于不同种族的人排放和吸入了多少空气污染的可视化图时,您无法读出确切的数字(事实上,您根本无法读出数字  — 这个图表没有标注轴!);相反,您将能够看到哪个群体所占的份额最大,以及占多少。

Chalabi 是根据自己的直觉工作的,但巴克内尔大学的研究人员已经开始研究不同群体对数据可视化的不同解释。到目前为止,他们将研究重点放在了一个特定的农村人口上,但您可以想象这项工作如何扩展到其他子群体。他们的一个关键发现是,可视化是个人化的。

通常情况下,我们认为我们可以对某一特定的数据集进行理想化的表述,但每个人都是带着自己的身份和先前的信念来进行可视化的。对于某些群体来说,可视化可能效果很好,而对于其他群体来说,则完全不行。

Bucknell 的研究人员指出,该领域许多关于感知的历史研究都依赖于同质的人群(通常是大学生,他们往往比普通人更富有、白人比例更高,当然还有更多的教育)。

手绘可视化的实践:一个入门的练习

希望现在我已经说服了您,用手画出您的可视化有很多好处。但是,您究竟该如何开始做呢?主要建议是把铅笔放在纸上,然后开始。很多人认为自己不会画画,但几乎每个人小时候都会画画,只是长大后就忘了这个习惯。和其他技能一样,您会越练越好。

您不需要任何特别的材料来画可视化图。只要一支笔和一张纸就可以了,但是有一些颜色会让事情变得更有趣。

各种工艺材料可以帮助您手动创建数据可视化

同样,这些用品不一定要贵,很简单就可以,一些需要考虑的用品:

  • 彩色建筑设计纸
  • 剪刀
  • 记号笔
  • 胶水
  • 尺子

除了这些标准的学习用品外,您还可以准备气球、绒球、水彩颜料、铁丝、绳子等东西。有很多东西可以玩,就会有很多创意。如果您想玩得更花哨,Sketch-a-Day建议的用品是一个好的开始。

草图、构思和迭代是设计思维的关键要素,艺术家和设计师在确定一个最终的想法之前,经常会产生许多草图来充实。如果您在选择一个特定的形式之前,先画出(比如)四张可视化的草图,您可能会发现您后来的想法比您的第一个想法要强得多。

同样,用手工作可以使您更容易快速地产生一些想法。如果您想扩展自己,可以尝试在开始之前画10张草图,或者从 Nathan Yau 那里获得灵感,产生25种不同的可能性。

尽快完成。每张草图花30秒到1分钟的时间,这样您就不会太拘泥于某个特定的想法。记住,您可以在素描期结束后再回到您喜欢的那一个。如果您没有其他想法了,可以在您想探索的想法上画一些微妙的变化,但目标是尽可能地画出不同的草图。同样,这也是锻炼创造力的好方法。

如果您和其他人一起工作,可以考虑召开一个 “设计讨论会”。来自 Nielsen Norman Group 的 Kara Pernice 将其解释为 “一个简短的合作会议,在这个会议上,团队成员迅速合作并绘制设计草图,以探索和分享广泛多样的设计理念”。

在您快速勾勒出几个想法后,花一分钟时间评估它们。您想进一步探索哪一个?现在,您可以开始创作你的 “成品” 了(可能只是给自己的,也可能是针对未来的读者)。考虑您是否要使用尺子或指南针等工具来使作品更加精确,或者您是否想让它保持流畅。

考虑一下您对色彩的使用。在没有电脑的情况下,没有任何预定义的调色板可供选择,所以您可能需要更有针对性。另一方面,也许您只有五种颜色的记号笔,所以这些将是您的颜色选择。

先用一个很小的数据集试试这个练习。建议少于10行,但至少要有两个变量。约束孕育着创造力,必须只关注几个值,会让您对您的一组想法有更多的延伸。

另外,如果您需要为数据集中的每个观测值做一个标记,请记住,数据集越大,需要的时间越长! 一些手工制作的可视化可以漂亮地捕捉到许多值,但这可能需要更高级的技能。

如果您正在寻找小型数据集,维基百科可以是一个很好的资源。随着您的手工可视化经验越来越丰富,可能会想尝试更大的数据集。这很好! 事实上,使用电脑工具和艺术用品的组合是一种有趣的结合。您可以用电脑来总结数据,但在纸上进行制作。

如果您想创建一个精确的可视化,但也要给人一种手工制作的感觉,可以从 Tukey 那里获得灵感,用纸来描摹电脑生成的图形。当您想画一些可能超出您艺术技巧的东西时,这也是很有用的(比如国家地图)。

如果您想要的是以电子方式分享的可视化作品,您很可能需要一个二维的产品,但如果您可以灵活地制作三维的东西,可以尝试加入更多上面提到的手工用品。

在 SRCCON 上,参与者们玩起了明尼阿波利斯湖泊的维度,用纸和铁丝制作了三维可视化:

最后

无论您决定如何工作,手脑并用的做法都能让您更接近您的数据。在《新闻编辑室里的数字》一书中,莎拉·科恩建议你应该 “记住一些常用的数字”。

有什么比在纸上实际绘制这些数字更好的熟悉方式呢?这也是一种很好的教学实践,因为当学生开始将数据可视化时,他们可能会陷入计算机工具的技术细节中,而没有掌握数据和视觉之间的潜在联系。去掉计算机后,就会变得更加具体。

无论您做什么,将手工制作的数据可视化带入您的实践中可以让您的生活充满更多的奇思妙想和乐趣。即使您的手绘可视化作品从来没有被打印出来,它们也可以帮助您创造性地思考您以数字方式制作的东西。而且,在合适的情况下,手工制作的可视化可以让您的数据更容易被广大受众所接受  — — 比如在您的行动主义倡导中⚪️

Data visualisation by hand: drawing data for your next story

发表评论

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据