資料視覺化的奇幻之旅-探索未來的秘密武器

圖1：資料量爆炸，且成長速度越來越快

資訊降維

資料量爆炸，海量的數據海讓我們迷惘，深怕錯過了重要數據，行駛錯誤的方向。因此，人們開始培養『資訊降維』的技術，『資訊降維』的概念指的是將數據進行整理，去掉所謂的噪音，留下有價值的資料，把重要的資訊過濾出來放在同張圖表當中，讓我們能夠更專心解讀其意義，避免受到不必要的干擾。資訊降維的概念，強迫我們過濾業務所需數據，讓我們可以再思考數據當中的關鍵資料，並做進一步分析。

圖2：『資訊降維』的程序，我們能過濾出重點數據

資料視覺化：大數據的燈塔

將資訊降維最常見的技巧，就是將資料進行視覺化作業，大數據時代，現在的人們除了加強資訊技術的處理效率之外，另外一個重點目標，就在於讓別人看懂這些碎片化的數據，節省大家時間，資料視覺化就好像是大數據的燈塔，在資料迷霧當中指引著人們的方向。

 

圖3：資料視覺化能夠把碎片化的資料進行統合

不過資料視覺化並不是全新的概念，傳統的作法大多是透過 Excel 來達成，但過去視覺化大多只是知識解讀的手法而已，並沒有佔有重要的地位。然而，現今資料視覺化卻是重要的技能，舉例來說，員工想要報告業務決策時、企業想要申請提案時、研究人員想要報告趨勢時，資料視覺化都是必備的技能。

對於資料視覺化的強大需求，也催生了一些世界級的產品像是 Tableau、PowerBI 等等，許多公司積極安排員工進行教育訓練，務必讓員工學習更好的視覺化工具，以便跟上世界的腳步，做出更好的決策。

 

新創事業與資料視覺化

 

新的時代，講究數據為王，許多新創題目也都與數據關係密切，舉凡如物聯網、健康照護、甚至是線上學習、Fintech、比特幣、政府數據等等，資料無所不在。

例如：芬蘭物聯網新創公司Cyberlightning就將能源資訊，透過視覺化並結合地圖資訊，清楚的將相關數據報告進行呈現，讓一般人更好吸收。

 

圖4：Web端技術的改善，讓許多資料可以自由的透過網路視覺化呈現

 

對於新創事業來說，視覺化技術也能夠幫忙把業務數據故事說得更清楚。無論是在執行募資簡報時，或是盤點公司各類數字時，視覺化的能力讓我們更容易看出問題的本質，減少資訊吸收的壓力，讓新創事業更蓬勃成長。

資料視覺化的優點

原本就已經有意義的數據，為什麼我們還要辛苦轉換成各式各樣的數據圖表呢？資料視覺化到底有什麼好處呢？以下分享一些視覺化優點介紹：

視覺化讓我們更容易理解數據

人體五官與大腦辨識處理的能力是有限的，但大數據的特性就在於超大量、多元性、動態變化等等，常常不小心就超過人類可消化的複雜度等級。不過，人類的所有感覺器官中，『視覺』對於複雜資訊的反應能力是最好的，我們生活當中無時無刻，都透過視覺取得大量的資訊，所以同樣一批資料，透過視覺圖表呈現，將大為降低解讀的複雜度。

例如：網頁伺服器的存取記錄，在尚未視覺化的log階段，是非常難以理解的，但將同樣的數據視覺化之後，即使是一般人也能掌握這些數據，甚至解讀背後的意義，推導出後續的業務邏輯，大為提升人們對資料的理解力。

 

圖5：左邊是一般網頁log的記錄表，尚未視覺化之前並不容易閱讀，右邊則是google將其資料視覺化的結果

視覺化可提升決策的信心，降低決策門檻

數據本身具有模糊性，不同人看同一批數據可能產生不同的解讀，傳統的數據大多透過表格進行呈現，但數據量只要稍微大一點，就不容易進行閱讀，甚至容易誤判，當決策人員需要更多的經驗來進行判斷，就可能錯失決策時機。當大量的數據成為組織的戰略性資產時，如何分析數據便成為關鍵。因此，對於企業來說，如果資料能夠妥善的視覺化，必然可協助人們做出更好的決策，提升決策的信心。

此外，視覺化也能夠降低決策門檻，例如台北市政府就提出『開放政府』的口號，將各類政府數據視覺化，讓一般民眾也能參與決策，g0v 中央政府總預算（http://budget.g0v.tw/budget）網站，就用視覺泡泡圖，揭露了政府預算的秘密。

圖6：g0v 中央政府總預算，資料視覺化降低資料的門檻，邀請人民共同決策

視覺化可輔助溝通效率

在溝通商業問題時，如果只透過口語或數字，常常會因為不同人的溝通邏輯差異，導致誤會。為了降低主觀性的錯誤決策，我們可以準備一張紙跟一隻筆，各自把想法畫在紙上，就能快速統合不同人的認知。這就是視覺化溝通的威力，可以把分散在各地的碎片化資訊與想法，整理出乾淨的視覺脈絡，並且用 10 倍速的方式統合不同人的認知，快速提升溝通成效。

然而，因為視覺化技術的發展，許多人喜歡把圖表弄的很複雜，其實違背了視覺化的初衷，也就是『清楚比漂亮更重要』。與其繪製超華麗的花瓣圖、資訊圖表，如果你並不有很多時間去說明你的圖表（例如簡報時），使用常見的圖表也是不錯的策略，避免過度設計，因為許多業務問題本身即可透過常見視覺圖表（例如長條圖、圓餅圖等等）就可說明清楚，而圖表閱讀者也不需要花費腦力來理解新的閱讀邏輯，更容易用過去的經驗來進行判讀。

 

 

圖7：有時候標準的統計圖表，反正更容易快速吸收

視覺化讓人更願意吸收資料

維也納社會與經濟博物館計劃主持人奧特．聶瑞說了一句名言：

   『與其忘記精準的數字，不如記得簡化的圖像』

 

我們在傳遞訊息的時候，最大的目標在於讓對方清楚收到想法，然而，如果我們直接將完整的數據集內容提供給對方，有可能導致對方吸收資訊意願的降低。所以，我們可以搖身一變成為數據說書人，結合資料視覺化技能的輔助，讓分析的過程變得更有趣，讓報告更有視覺吸引力，讓更多人對內容主題感興趣，並成功傳遞資訊的價值。

以下是 The New York Times 針對從 1900 歷年來三振出局數據所製作的資料視覺化圖表，透過圖表我們清楚的觀察到相關數據的改變，或是在 2012 年達到最大值等等。如果同樣的數據改成用表格呈現，人們閱讀的意願將會降低。

圖8：大聯盟各隊平均一場比賽的三振數^[1]

好的資料視覺化能夠吸引人閱讀，透過顏色、形狀、對比的視覺暗喻，能夠讓人覺得這些資料不再冷冰冰，而是能夠跟人親近的分析結果，讓我們的數據意涵更容易傳遞。

如何執行一個漂亮的資料視覺化作業？

為了完成一次成功的資料視覺化工作，除了準備好乾淨的資料之外，還有其他許多需要掌握的細節，以下分別進行介紹：

優先確認視覺化目標

我們在進行視覺化作業之前，最好能先確認視覺化最後的目標為何，想要給誰看？這些人想要看到的是什麼？怎樣呈現能夠把故事說得最清楚？

透過以上的需求分析，我們才可分辨我們應該挑選的資料屬性，或是使用的圖表類型等等。不過許多時候初期很難定義出視覺化情境，但我們應該保持好奇心，提出更多的問題，所有的問答都可能用來協助判斷後續圖表的選用。

視覺化需求分析後，我們應該要能得到類似這樣的期待：『希望能夠看到 XX 年度 XX 類別的數據變化』、『 希望能夠透過視覺化結果發現 XX 數據異常的圖表樣式』、『希望能夠取得一個能夠代表總體數據變化的圖表，不一定要精確』。更進一步我們也可配合紙筆輔助，手繪草圖來確認雙方視覺化規格認知。

圖9：除了視覺化訪談之外，我們也可用鉛筆簡單勾勒出視覺化樣式

挑選合適的工具

我們常常在網路上看到各類優秀的視覺化圖表，然而，為了做出最後美麗的圖表，除了前期的資料收集、資料整理之外，在實際撰寫視覺化程式的時候，並不建議『從頭開始撰寫』，原因是我們並不需要重新撰寫像是：顏色調配的程式、線條繪製的程式、圖形變化的程式等等，這時候可以選擇直接現有的視覺化程式庫，整合資料與邏輯並做出美麗的圖表，把精力放在把議題表達清楚。

其實一般人已經很常透過 Excel 執行各類視覺化作業，並輸出各類統計圖表。然而，Excel 圖表不容易整合到網路上面產生互動，也不容易與其他程式碼進行溝通，替代作法是新一代的視覺化程式庫，例如 D3.js、Tableau、HiChartjs、Google Chart API，Flot 等等工具，能夠協助我們產出更多視覺圖表。

 

 

圖10：使用工具進行輔助，能夠更快完成資料視覺化工作，也更多變

選擇正確的視覺化圖表

除了使用順手的工具之外，我們也需要謹慎挑選視覺圖表！視覺圖表的種類非常多，且每個圖表都有他的個性與角色，例如 Data Visualization Catalogue（http://www.datavizcatalogue.com/index.html）網站上就列出了數十種的圖表類型：

圖11：Data visualization catalogue 網站整理了許多類型視覺圖表

事實上，我們很容易選擇到不適合的視覺圖表，例如應該用線圖呈現的數據，卻選擇了熱度圖，或是應該用雷達圖的需求，卻使用了泡泡圖等等。這主要是因為許多人單從美學觀點、資訊觀點等等進行資訊圖表的繪製，這種觀念其實是不正確的。我們應該先分析使用者真正想要看到的資訊，再透過視覺規格的確認，來挑選真正合適的視覺圖表。vizualism.nl http://vizualism.nl/) 網站，就提供了一張視覺維度圖，讓我們可以從 WHO / WHERE / WHEN / WHAT / WHY / HOW 等面向來挑選合適的圖表。

圖12：vizualism.nl網站提供的視覺對照表

視覺化可多方嘗試不同資料維度

同樣一批資料，不同的視覺化維度可能產生截然不同的結果。以時間資料為例，切換年度、月份、分鐘等單位進行分析，甚至秒數為單位進行分析，都是不同的結果。又或者我們也可挑選不同欄位交互組合，也有可能創造出自己都沒想到的絕妙結果。

不過如果如果每批資料都需要重新寫程式產生，是相當耗時費力的，這時我們能夠透過一些好用的視覺化軟體，例如 Tableau，只要準備好資料，定義好資料類型，同樣一批數據我們能夠透過軟體介面快速試驗，並切換不同數據圖表結果，嘗試越來越多次後，量變產生質變，常常能夠找到更滿足業務數據期待的視覺化結果。

圖13：好的軟體工具讓我們更快切換不同圖表，例如 Tableau 提供了『智能顯示』視窗，讓我們可以快速切換圖表，且不需要重新寫程式

 

結論

面對大數據熱潮，許多人都希望能夠自在把玩這些數據，而不是被爆炸的數據量推著走。為了達到這項目標，其中一項秘訣就是把資料進行視覺化，將資訊進行降維，進一步萃取出知識。然而，我們不應該為了視覺化而視覺化，當有些資訊可以直接用表格清楚呈現時，或是資料還沒有整理乾淨時，貿然執行視覺化作業，有時候反而會有反效果。

本系列文章，未來會持續帶來更多資料視覺化的相關知識，在許多領域都適用，希望讀者們都能透過視覺化技巧的輔助，一起『發現趨勢，看見未來』！

 

 

---