分类：Excel图表入坑

图表好比超市，商品的种类数量以及所处位置不由顾客直接决定，但顾客的意愿和喜好决定着商品是否被购买，以及购买数量的多少。图表的目标读者我们称之为受众，受众通过自己的方式和喜好来理解图表，这个过程具有选择性。和“客户是上帝”道理相同，在整个图表的视觉沟通过程中图表制作者并非中心，受众才是。

布局凌乱和色彩搭配欠妥，均不符合视觉审美需求；图表元素间层次不清，相互干扰，不符合视觉逻辑需求；图表整体重点不突出，缺乏诉求表现力，不符合视觉的感知需求。受众在对图表目光接触、理解和诉求记忆活动中有着各种偏好需求，这决定了图表设计者要有为受众服务的良好意识。

不要让图表给受众盲人摸象的感觉，是是而非，成功的图表设计需要完美地融入到受众的视觉活动需求中。这需要站在受众的角度，使用能够被理解且合乎视觉需求的表现形式来传递信息。只有图表承载的说明性信息很容易理解和合乎情理时，才能使受众准确理解其所要传达的含义；图表应留意对受众的心理影响，感情是联想和思维的动力源泉，只有产生强烈的情感交流，才会缩短与受众之间的距离。通过引发受众共鸣、联想，产生视觉与情感合一的愉悦回味，图表诉求自然会被受众欣然接受和信服。记住以下要点：

• 站在受众的立场给出图表这样设计的理由；
• 让受众认为自己掌握着对图表数据的控制；
• 给出肯定有力的结论，让受众信服图表诉求。

图1.2-7是一张由卫星拍摄的中日韩夜间照片，但这不仅仅是一张照片，这是张数据地图，那些闪光的亮点代表了不同地区的经济发达状况。图中的日本遍布了密集的亮点，几乎已经连成一条光带，我国的沿海地区基本遍布亮点，越往内陆地区，亮点就越稀疏，亮点密集区是珠三角、长三角、黄三角地区，这恰恰有力印证了各地区经济发展的状态。

图1.2-7　卫星拍摄的中日韩夜间照片

如果仅拿日本个别地区和我们的珠三角、长三角、京津塘地区经济数据进行比较，来说明中日经济差异就会有失客观和准确。使用较少数量的数据进行相互间的比较和趋势推断不具有说服力，这就好比只有两个数据点的XY散点图，使用趋势线进行预测，结果只能是线性的两点一条直线，根本不能有效地说明数据真实的趋势。

■　Data Density数据密度

“Data density of graphic=number of entries in data matrix／area of data graphic”

数据密度＝各项有效数据点个数／图表诉求表达面积

即在一定大小的空间内表示了多少个有效数据点。在条件允许的情况下，在图表中要容纳大量表达单一诉求的数据点个数。

图1.2-4粗看之下仅是一张图片，如果不是右侧的柱形和数据，很难使人想到这是图表。由于大量和数据无关的图形元素占据了整体画面70％的面积，图表的数据诉求被严重降低。好的图表不应该包含如此多与图表诉求无关的表达面积。

图1.2-4　2010年服装网上零售市场规模将达到1150亿元的市场规模（图片来自网络）

图1.2-5的图表是一个百分比堆叠柱形图，数据标签密密麻麻散布在整个图表中，数据标签既有具体数值又有各项所占比例。更为糟糕的是具体数值放置在各项中心，而表示图形实际所占的比例却放到了各项侧面，直观感受是：所占面积2居然大于121，这完全背离数学逻辑；由于使用了Excel堆叠柱形图的系列线，比例面积的表达被安排在系列线分割的不规则面积上，肉眼无法进行有效的比较；由于数据标签已经明确了具体数值，Y轴坐标就显得非常多余；根本无法理解右侧辅助标签的使用意图。总之太多的冗余信息交织在一起，使人感到困惑。

图1.2-5　富含冗余信息的百分比堆积柱形图

不要认为图表上默认的元素，均神圣不可侵犯，也不要认为图表必须一股脑将所有数据信息都要表达清楚。对于图表诉求而言是“垃圾”的内容，请统统大胆地从图表上剔除。看看毕加索的《公牛》（如图1.2-6所示）：从第1张写实主义版画开始，逐渐消去细节和形态，留下神质，到最后第11张的抽象线条，寥寥数笔却精炼地表现了公牛的形与神，可以说是对剔除图表“垃圾”的一种完美诠释。

图1.2-6　《公牛》·毕加索Pablo Picasso’s 1945 ‘Bull’

■　Data-ink Ratio数据墨水比

“Data-ink ratio=data-ink／total ink used to print the graphic”

数据墨水比＝数据墨水／应用在图表上的总墨水

即有多少笔墨用在数据表达，图表的简明程度就是这个指数的最大化。这意味着必须要删去那些和数据无关的墨水，比如不必要的背景色、网格线、坐标轴等。

在制作图表的过程中，我们总是有意或是无意间制造这样和那样的错误，这些错误产生图表谎言，数据的客观和真实在这些图表上荡然无存；也许我们从未考虑过图表上某些元素，对视觉沟通根本没有丝毫帮助，反而是给视觉带来干扰的垃圾；图表上的每个元素都应该有价值，这些价值应该很好地体现在图表演绎数据的诉求上；具有专业精神的图表才会有很强的说服力。GIGO原则（Garbage In Garbage Out）告诉我们：装入的是垃圾，出来的当然也是垃圾。