與數字為伍的工作通常不如大家想像的性感。畢竟，在這個數位時代裡，像會計和數據輸入這類的職務，也已不全然是最令人夢寐以求的工作了。
但數據分析師近來被視為「就業市場的獨角獸」，就像是曾經沒有魅力的電腦宅，現在卻統治了全世界。
依據 LinkedIn 來看，能夠理解大量混亂的數據、並從中挖掘獨到見解，這項能力是就業市場上最搶手的技能。
而我們很容易能看出原因：自 2013 年起創建的數據量，比人類有史以來都還要多。
所以，市場上熱切渴求的已不只是數據科學家，還有那些知道如何視覺化、並用有效說服的方式來表達數據的人。
而這就是用數據說故事，對圖像呈現所帶來的影響。
數據闡述（data storytelling）的能力，結合了數據、視覺、敘事，是最熱門且新穎、未來所有人都需要的資料科學技能。
Information source: Forbes
對那些不擅長數據處理的人來說，這可能是個壞消息。
但在你感到驚慌之前，讓我們先來看一些簡單的事實，幫你理解我們的大腦是如何處理視覺影像、以及你可以如何使用這些原則來改善自己的數據圖表。
視覺腦的運作
與我們在高中時期學過的知識相反，人類的視覺比起光線反射還來得複雜許多。
雖然我們可以清楚看見視野180度內的每樣東西，但我們實際上只會關注那些位於視野正中心2度內的物件。
那其他我們沒有看見的模糊物件呢？
多虧了快速的眼球運動（亦即「眼跳」），我們可以感知位於視野 178 度間的物體。在意識不到的情況下，我們的眼睛會迅速跳動，並專注在景象中的特殊點，並從這個來建構一張正確的視覺地圖。
雖然這些都是無意識的行為，不過眼睛會以它注意到的特殊處為優先。例如，明亮的顏色、特殊的形狀、以及移動的物品，都會立刻吸引我們的目光，就算它並不在我們的正前方。
(Source: The Functional Art by Alberto Cairo)
Information source: The Functional Art
一旦光線被編碼成電子信號，大腦會由大略的輪廓和色塊開始，萃取出主要的特徵，而且只有在真的進行處理和辨識時，才會使用到長期記憶中的大量資料。
我們的視覺腦會被「差異」所吸引
所以，我們的眼睛並不像相機般能夠捕捉所有景象，反而會優先注意到畫面中的特殊之處。這就是為什麼我們的視覺腦會立即察覺差異與對比的原因。
先看看下面的圖表。你需要多久的時間才看見前兩張插畫中的熊？那最後一張呢？
這項簡單的練習，透露出我們的腦袋更容易辦識出顏色差異，而不是外形。
我們的腦袋是用來辨識花樣的
你知道嗎？早在你意識到之前，感官就已經在持續處理環境中的各樣資訊了。
這就是所謂的「前注意處理程序（pre-attentive processing）」。如果沒有這項功能，我們會浪費非常多時間來理解周圍的環境。
幸好，我們的視覺腦可以自動偵測物體間的異同，讓一切都變得很簡單。
舉例來說，看看下面的這張圖片。
你是否立刻就注意到了中間的大矩形？而第二張圖片中，你很可能也立即察覺只有一個矩形和其他的不同，是垂直方向。
這就是我們的視覺腦：用來察覺圖形，並立即偵測圖形間的差異。
專攻視覺腦的 5 種數據闡述技巧
既然我們已經從科學的角度，稍微窺視到感知實體的方法，接著我們來看看要如何將這些知識，編譯成實用的技巧，來達到有效且具說服力的數據圖像化。（參考＜ Good Charts by Harvard Business Review＞指南）
1 我們的眼睛不會依照特定順序
製作有效的數據圖像，需要用新的文法規則來學習新的語言。
閱讀文字頁或資訊圖表，兩者間存在著第一項差異。前者，你會依著順序來閱讀：以西方文化而言，順序會是從左到右、從上到下；但後者，就沒有任何預設立場，眼睛會自然而然引領你。
兩者在速度也不一樣。你不會循序漸進的逐行閱讀，反而會跳來跳去，並在圖表的某些部分花更長的時間。
這意味著，製作出有效的視覺圖像，用心帶領讀者展開特定的視覺旅行，是非常有挑戰性的事情。
2 眼睛會先關注最醒目的事物
當我們在看圖表時，就如下圖，我們並不會一開始就看見所有東西，反而只會專注在一個要點上。
Information source: Prison Policy Initiative
在這張圖中，最引人注目的，是右手邊的尖峰。視覺傳遞的主要訊息相當清楚：美國監禁率，自1970年代開始呈現指數型成長。
最好的資訊呈現者，製作圖表時會利用「單一資訊」的原則，讓資訊理解變得毫不費力。
3 眼睛可以一次處理很多事情
如果你有一張超過5～10個變數的圖表，任何時候，這些個別的物件都會失去他們的獨特性，並被我們的眼睛視為整體。
謹記這項原則，你應該簡化圖表，強調一個你想要呈現的主要觀點。
舉這個曲線圖為例。你會先注意到中間的尖峰，接著是綠線和「outage」的字樣。
如果我們的目的是為了透過陳述型圖表（相對於探索型）來傳達一個清楚的資訊，那很顯然，這張圖並沒有清楚呈現資訊。
舉例而言，如果你希望傳達的是「客服性能評級在服務中斷後也持續下降」，那麼以讀者的角度來說，他們得很努力從圖中找出這項趨勢，因為背景的灰色尖峰分散了綠線的焦點。
在這個案例中，最佳解決方法是刪掉客服數據，並關注客服評級在服務中斷的前後變化。
4 我們嘗試尋找有意義的數據
另一項重要的事實是，我們的腦袋是用來快速尋找數據連結與意義的。
如果看到這張圖，你會發現腦袋在無意識的情況下，已將橘色的標題與橘色的點連結在一起。
「這絕對是代表，橘點的表現最為傑出」，我們的視覺腦會這麼下結論。
但是實際上並非如此，表現最好的人是位於圖表右上方的藍點，與顏色並無關連。
由此可知，我們必須做出聰明的設計判斷，並謹慎選用顏色，來提昇視覺功能。
5我們會受文化習俗影響
這裡有一些被我們視為理所當然的特定文化習慣。例如，西方文化中，我們總是直觀認為視線移動由左而右、而非由右而左；或者藍色代表寒冷、紅色表示炎熱。
同樣的情況也發生在視覺隱喻上：我們總是將金字塔與層次結構或是比較用的量表連結在一起。
如果忽略了這些習慣，那不用說，別人會很難理解你的視覺圖像。
我們可以看到，如果將時間軸改放在Y軸，以下圖表會有多難理解。
改善數據呈現的案例
以下範例出自《Storytelling with Data by Cole Nussbaumer Knaflic》，是關於如何改善圖表，讓圖表不僅只是呈現數據，還能說故事。
Before
這張長條圖，呈現了一年的票據接收與處理數量。
After
如果你的目的是傳達資訊、並使人們做出特定行動（這項案例的特定行動是雇用 2 位新員工），那麼下方的圖會好很多。
將長條圖改為折線圖之後，票據接收與處理數量的成長差異，就會完整顯現出來。
Before
這是另一張沒有明顯資訊或是敘述的數據範例。
After
現在來看一下，相同數據，但用截然不同的方式來呈現。是否相差甚遠呢？重點資訊馬上變得清楚：有更多孩童在課後對科學感到興奮。
Create charts like this with Visme.
對比 Before 和 After，比起將兩項指標分開，使用單一圖表能讓讀者快速理解研究的結論。再者，運用一些顏色（不要五顏六色）和有用的標題，也能幫忙讀者快速抓住課程前後的差異。
Before
另一個無效圖表的範例。圖表的資料雖然正確，但無法與讀者溝通、或是說服他們採取行動。
After
在這張圖中，我們的眼睛會立刻被藍條色塊、灰線、和代表平均價格的藍點吸引。
核心資訊非常清楚：為了提昇競爭力，理想的價格要落在 $150 至 $200 間。
Before
乍看之下，這張圓餅圖似乎已經很清楚，但深入分析後，你會發現它違背了很多理解資訊的習慣。
一般來說，我們會希望程度量表，能依照順序排列，從「完全不感興趣」到「非常感興趣」。但這個範例中，資料卻是用各項程度的百分比來排序。
我們也期待顏色變化，可以和程度量表有所呼應：量表的端點運用不同的顏色，兩端點間則使用漸層。
After
相對上圖，這張好理解許多。依照量表的程度排序，我們很快理解到，大多數的人對這項特殊產品沒興趣。
Your Turn
本文出自：Visme 原創作者 Nayomi Chibana
原文連結：5 Data Storytelling Tips for Creating More Persuasive Charts and Graphs
責任編輯：BFA 簡報小聚 編輯部
簡報小聚 #31 2018 年 2 月聚會
2 月 22 日｜簡報交流聚會
BFA 簡報小聚是一個以簡報溝通為主題的交流聚會，每次聚會由「主題分享」與「自由交流」兩個環節組成。「主題分享」將由三位講者 (Before, After, Pro Speaker) 依次帶來 20 分鐘的簡報溝通故事、經驗或技巧分享。
而在下個月的聚會，Before Speaker 將在與三位駐場簡報人一對一交流 #邏輯結構 #視覺設計 #訊息溝通 後再次登台，成為 After Speaker。我們希望通過定期的聚會讓每一位參與的夥伴們都能看到簡報溝通力提升後，帶來的改變力量。
歡迎各領域朋友一起來聽三位講者分享簡報溝通經驗及技巧，並與現場的職場人士交流，渡過不同體驗的夜晚。
