数据可视化的普及和影响在相对较短的时间内急剧增加。Google趋势显示，2009年数据可视化的搜索频率增加了近100% % ，我们已经看到许多工具和软件可用，几乎任何人都可以相对轻松地创建数据可视化。
我们本能地更喜欢图像而不是文本，因为大脑能够以更快的速度处理图像。然而，这并不意味着你可以把大量的图像和形状放在一个仪表板上，并期望让你的观众惊叹。就像我们对图像的吸引力背后的认知方面一样，还有其他固有的-在某种程度上，潜意识-行为变得相关。其中之一就是第一印象。
我们都知道第一印象持续一生这句话。但这背后有多少真相？事实证明; 很多。类似于本能的战斗或逃跑的反应，人类执行一种称为快速认知的无意识思维行为; 比我们习惯的深思熟虑的决策思维方式更本能和更快。快速认知是我们从非常短的经验中深入挖掘和衡量真正重要的东西的能力。尽管我们被告知永远不要以封面来判断一本书， 但我们每天都在做这种能力，即快速解析大量信息并决定什么是最重要的，而无需采用更慢，更理性的思维方式。
心理学家称这种现象为 “ 薄片 ”: 在几秒钟内感知细节或信息，这可能需要几个月或几年的理性评估。Malcolm Gladwell将其描述为:
“薄片不是一种异国情调的礼物。它是人类的核心部分。每当我们遇到一个新的人或必须快速理解某事时，我们就会薄薄的切片…… 我们开始依赖这种能力，因为在很多情况下，仔细关注细节，即使不超过一秒钟，也可以告诉我们很多。
好消息是，你能够改变和反驳任何错误的第一印象有人可能有你，因为他们了解你。然而，在线上，由于我们的注意力持续时间处于创纪录的低点 ，这要困难得多。由于要吸引读者的注意力比以往任何时候都更加困难，您不能让糟糕的第一印象阻碍您的数据可视化-尤其是当埋藏得更深的信息非常值得探索时。
为了防止这种情况，我们将讨论在可视化不同类型的数据时要避免的5个最常见的错误。
1.数据过载
许多数据可视化和BI仪表板成为数据过载的受害者-内容过度拥挤，其中一些可能不会增加对数据的理解。例如，虽然三维图表可能看起来令人印象深刻，但它们通常会使数据的解释更加困难。
同样，具有5个图表和众多标签的BI仪表板可能会展示大量的发现，但如果您的读者无法区分他们正在查看的内容，则最终是无用的。不必要的插图，阴影，字体和装饰会分散数据的注意力，因此请谨慎使用它们。在大多数情况下，少就是多。
2.访问轴
在处理定量数据时，条形图或折线图是可视化内容的两种最佳方法。一个常见的错误通常是与图表轴有关; 虽然对于较大的值，将y轴值开始于零以上似乎是有效的，但这可能会截断条形图并阻止其值的准确表示。
3.切勿切得太薄
处理整数，数据通常以部分对整体关系的形式出现，更好地称为饼图。饼图是一种非常流行的传递数据的方法，但正如沃尔特·希基 (Walter Hickey) 所说，因为 “非常糟糕的一件事是他们表面上设计的”。
如果没有小节标签，实际上很难区分饼图 “小节” 的大小 (你能分辨出36% 和37% 之间的区别吗？) 因此，请确保图表的所有区域都有清晰的标签。同样值得考虑的是所使用的类别的数量; 太多不同的细分可能使得很难区分每个细分。
4.交叉导线
位于一定范围内的数据通常用于展示随时间的变化。因此，折线图是传达数据随时间变化或差异的有效方法。您可能已经开始注意到这里的趋势，但重要的是不要在图表中使用太多的线条。在图表上有大量的互换线可能很快就会变得混乱，所以我们建议不要使用超过4个系列。
5.适当
热图是数据可视化世界中最新的图表之一，并迅速流行起来。使用地理空间作为基础是分类数据的完美选择，但也有一些障碍可能会让你绊倒。颜色和数据范围都应该适当地用于热图。
有些颜色比其他颜色更突出，这可能会给数据带来不必要的权重。相反，使用具有不同阴影的单一颜色来显示强度级别。对于数据本身，选择3-6个数字范围，使数据在它们之间均匀分布。/-符号可以扩展高和低范围。
通过数据有效地讲故事是一项必需的技能，这将有助于您在组织中发挥影响力-下载此白皮书现在学习更多!
</p