banner
行业资讯>数据可视化>图表视觉系统感知

遇见大数据可视化 : 图表的视觉系统感知

作者: afenxi来源: afenxi时间:2017-04-08 14:10:400

摘要:相比数据的公平,视觉的方式会带有一定的引导性。

相比数据的公平,视觉的方式会带有一定的引导性。

遇见大数据可视化 : 图表的视觉系统感知-数据分析网

如上图所示,我们能快速的发现图形上的不同之处。NSF的图形和图像处理小组称之为“可视化感知”,人眼的启动时间至少需要200毫秒,在启动时间内能感知到区别的存在(*见附录) 。上图就是一种简单的预先处理感知实例,目标对象具有视觉属性“圆形”,“长条形”干扰物对象没有(所有非目标对象都被认为是干扰物)。观察者一眼就能知道目标对象是否存在还是不存在。

这种“可视化感知”实际上是运用人眼低层视觉系统(Preattentive Processing)的引发的快速感知特征。能够迅速的引发预设在图形中的潜在目标对象的注意。所以我们在可视化设计中可以运用这一特点,快速的迁移观察者的注意点。

遇见大数据可视化 : 图表的视觉系统感知-数据分析网

按照Anne Treisman在早期提出特征理论(Feature integration theory人类视觉注意力最有影响力的心理模型之一),我们可以继续去寻找影响【个体特征】的视觉属性点。

遇见大数据可视化 : 图表的视觉系统感知-数据分析网

通过去预设目标对象和干扰对象的颜色、大小、对比和方向的不同特征属性。观察者也可以快速的通过这种“特征搜索” 迁移注意点。

之所以很快就能找到这些注意点,因为它们跟其干扰项相比,最多只相差了一种视觉元素。比如,红色线条和黑色线条,长线条和短线条。当只有一种视觉元素的时候,我们的视觉系统中的低层视觉系统(Preattentive Processing) 就起作用了,它可以平行处理所有在图中出现的点,然后很快找到特征点。我们再来看下反例

遇见大数据可视化 : 图表的视觉系统感知-数据分析网

跟上面的例子相比,我们要花相对长的时间找到那个注意点。原因很简单,因为图中使用了两种视觉元素来区分特殊点,颜色和大小,方向和对比。在这种情况下,我们的低层视觉系统(Preattentive Processing)就不行了,视觉系统需要一个一个的处理每个点,识别两种元素,做仔细的区分。

理论说了这么多,那在我们做可视化图表的时候有什么作用呢?在可视化中,我们希望想让用户注意到重要的数据,可以用单一特征去引导用户的注意点。

遇见大数据可视化 : 图表的视觉系统感知-数据分析网

上图图表,展示一个国内云厂商的用户占比情况之类的数据,大致如上。那作为本厂的产品腾讯云,我们希望观察者关注到腾讯云的数据,占比【50%】。但是上图的使用了多个视觉元素,没用突出目标项,这样就很难引导观察者的注意点。

修改上图图表,减少视觉元素的使用,我们再来看一个图。

遇见大数据可视化 : 图表的视觉系统感知-数据分析网

从这个图表来看,只使用一个目标项和一个干扰项作为视觉元素的差异,我们就可以去引导观察者的注意点。引导到我们想要重点说明的数据上面去。

但是对于数据可视化来说,引导注意点,其目的是为了让观察者快速的去了解数据,而非刻意诱导,造成观察者的误解。

遇见大数据可视化 : 图表的视觉系统感知-数据分析网

我们来看一个例子,上图是一个销售财年的报表,2015年销售额100万,2016年到达200万,从上图图表展示出来给观察者的信息就是,2016年比2015年销售额增长了1倍的样子。

遇见大数据可视化 : 图表的视觉系统感知-数据分析网

但是我们把所有数据拉出来看,却发现出完全不同的事实,2013年销售额400万,2014年300万,2015年100万。2016年虽然比2015年增长了,但是和前几年相比有着明显的下滑,这就是一种图表展示的错误诱导的方式。

遇见大数据可视化 : 图表的视觉系统感知-数据分析网

这种在Y轴上诱导的方式很常见,经常【某额宝】上展示近几日收益的时候,通过图表好像3月15号的时候收益非常高,但是仔细去看Y轴上的数值,会发现其实3月15号比3月10号的收益增长只有0.6%的,但是感观上给观察者非常夸张的展示。

遇见大数据可视化 : 图表的视觉系统感知-数据分析网

而按照坐标轴为0%来展示的情况,实际只是一个非常稳定的状态。

数据可视化的真正价值在于,让观察者轻松的理解数据的价值。“可视化感知”低层视觉系统(Preattentive Processing)是让观察者快速的找到重点数据所在,而非孤立数据导致传递给观察者错误的理解。

附录:

我们将图形的展示时间设置为200毫秒,只设置一个视觉元素(形状) 。“圆形”作为目标对象,“长条形”作为干扰对象。测试观察“可视化感知”的低层视觉系统(Preattentive Processing)的实际作用。

遇见大数据可视化 : 图表的视觉系统感知-数据分析网

除了上述列举的【形状】、【颜色】、【大小】、【对比】、【方向】。还列举出一下视觉元素的对比【密度】、【闭环】、【曲率】、【整体方向】、【投影方向】和【投影深度】。

遇见大数据可视化 : 图表的视觉系统感知-数据分析网

关于作者

杨凯,腾讯用户体验部成都设计中心高级交互设计师。负责腾讯云大数据相关设计,目前专注大数据可视化方向的研究。

转载文章,作者:腾讯大数据可视化设计团队,出处:https://www.qcloud.com/community/article/637808

banner
看过还想看
可能还想看
热点推荐

永洪BI
更敏捷、更快速、更强大

申请试用
Copyright © 2012-2023开发者:北京永洪商智科技有限公司版本:V10.0
京ICP备12050607号-1京公网安备110110802011451号 隐私政策应用权限