【為什麼我們要挑選這篇文章】每日工作中，我們時常遇到需要將資料/數據整理，並提報給老闆、客戶，但是這麼龐大的資料量，該用什麼圖表呈現、才能讓對方快速理解、提升溝通效率？讓我們來看看以 PM 為職業的 Leah 分享她的心得。（責任編輯：呂珈寧）
距離讀完《Storytelling with Data: A Data Visualization Guide for Business》已經有好一段時間，工作上在構想後台圖表或準備產品績效報表時，也不時會打開它翻找參考，趁著最近內部會議分享，又仔細重看消化過一次，就當作是自己的讀書筆記吧！
為什麼要做資料可視化？看 Amazon 高分工具書怎麼說
這本在 Amazon 評分高達 4.6/5 的工具書，作者 Cole 由淺入深解釋「為什麼我們需要做資料視覺化？」，她並沒有開宗明義就把讀者帶到一個充滿五花八門圖表的世界，反而在書的前半段反覆強調溝通的目的，之後才用很真實的情境— — 例如你必須在公司會議匯報某一季的銷售數據— 說明什麼類型的資料，適合用什麼圖表，也會透過對比（沒有做資料視覺化 vs 有做資料視覺化）的形式，讓讀者很快可以看出差異性。
後來自己上網查了一下，發現 Cole 自己經營的網站，持續透過工作坊的方式推廣資料視覺化，合作對象不乏知名網路產業，Google、Facebook、LinkedIn、Adobe…等，對她就更加欽佩了！
書的內容很豐富（非常推薦PM或是設計師夥伴人手一本！），很難用一篇文章濃縮，以下我會用自己消化過的語言簡述心得，也會帶到一些 Cole 在書裡提到的範例。
做資料視覺化之前，請先問自己這三個問題：Who, what, and how
老實說，當初我買這本書的初衷，的確是想透過實例對照，能更快把資料視覺化這個新技能應用在工作上；不過作者第一章就直接打槍這種想走捷徑的想法，她要讀者再三想清楚這3個問題：
- Who：鎖定你想溝通的對象。
你的目標觀眾是誰？別想著你要同時跟股東或是單純對產品有興趣的人說話，不知道怎麼做的話，可以先從「和決策者對話」限縮你的對象。
你希望觀眾怎麼看你？你和觀眾是第一次接觸嗎？你是這個領域的專家嗎？他們對你有足夠的信任感嗎？在陳述之前，想清楚你跟觀眾之間的關係。
- What：你想要觀眾知道什麼，或做什麼？
別做沒有目的的溝通。如果你是整理資料的人，那麼你比任何人都更熟悉資料的來源跟它代表的含意。透過資料說明事情是為了「下一步」 — 你可以在提出資料佐證時主動給出建議，這也幫助聽眾開始思考，否則聽眾也許看過這些漂亮的圖表後只單純發出一句：「哇，真厲害！」，那就失去你蒐集數據的意義了。
在思考跟觀眾的溝通目的時，可以參考以下這張圖，幫助你決定報告的流程以及邏輯。
左上的 Live Presentation 場合，報告者（你）擁有最大的控制權，你能夠決定整場報告的節奏，相對而言你需要跟觀眾講述的內容所需細節較少；反之，右方區塊的 Written Doc & Email，同樣是報告者的你擁有較少的控制權，你無法預測觀眾會如何消化你提供的資訊，這種溝通情境，你就必須提供盡可能多的細節，幫助讀者了解— — 甚者，你得在報告中解答他們預期會有的問題。
- How：這就是我們需要資料視覺化的原因。
它幫助你清楚傳達立場給你的觀眾。當你想在有限的時間（3分鐘）內，向聽眾解釋一件事（Big Idea），特別是你想透過大量資料說明，如何明確、精準地溝通，顯得格外重要。
除了確保自己能回答以上3個問題之外，你也可以試著問問自己這些問題：
- 觀眾有需要必備什麼背景知識嗎？
- 有其它資料可以讓你的立場更有立足點嗎？
- 有什麼因素可能會讓你的論點陷入風險？
- ………..等等。
套用在我身上的話，我自己在每場簡報前，會在心中反覆從頭到尾練習過整個順序（如果同事有空，也會麻煩他們幫忙聽一次看看，哈），看是不是有哪裡邏輯不對、是不是有把我想講的核心重點傳達出去？如果是篇幅比較短的報告，在製作的過程中就會同時練習默念，等到做完其實也回答完 Cole 的三大問題跟一些模擬問答了。
六大常用圖表，在什麼狀況用它們比較好？
進入本書的重點之一：決定你使用資料視覺化的情境。Cole 在這本書提到的圖表都是常見的類型，如柱狀圖，並不是設計成分較高的 Infographic （如下圖）。
以下我會分別介紹書中有提到的、在實務上也經常會使用到的 6 種圖表類型。（備註：書裡面有提到更多，考量到文章篇幅就不一一提出說明了。另外我為了做圖上方便，以下圖表並非百分百是書中提到的數據。）
1. Simple Text 純文字
乍看之下好像跟書的主題「圖表」有點衝突，不過當你的資料只有 1 個或 2 個數據，且需要一段不短的文字輔助說明，圖表並不是必須— 沒必要為了作圖而作圖 ！
- 假設使用情境：你想說明一個事實「截至 2020 年，有 20% 的已婚女性在家全職照顧小孩，1970 年則有 41%。」，並想特別強調2020年下降至20%。
- 一般狀況直覺會使用柱狀圖，如以下：
用柱狀圖呈現這樣的數據沒有不好，只是比較難讓聽眾能一眼注意到你想強調的重點：「已婚女性全職比例2020年下降至20%」，也因此，Cole 建議此種數據若改用純文字的方式呈現，反而更能凸顯重點。
2. Heatmap 熱圖
最近疫情的關係，Heatmap 也經常在感染嚴重程度的地圖上呈現；不過 Cole 書中提到的 Heatmap 是偏向表格數據的進化體。當你的資料有多個單位、多個種類（常見的有銷售狀況、成本分攤等等），必須透過表格來呈現，適當加入視覺化可以更快抓到觀眾注意力。
- 假設使用情境：你要跟大家展示目前公司多種商品在多城市的銷售狀況。
- 原始數據直接以表格呈現，如下，觀眾得左右交互查看，還不一定能馬上知道到底哪個商品在哪個城市銷售狀況最好。
- Heatmap 透過顏色深淺，讓閱讀的人能較快一眼辨認程度高低：
3. Slopegraph 斜率圖
當你想表達橫跨兩個時間區間的資料，並想迅速看出高低起伏的比較，此時斜率圖是很好的選擇。這邊的兩個時間區間不一定是單一時間→單一時間，也可以運用在一段時間的頭→尾（例如你撈的資料時間區段是 2017–2020，而你想講的是起始/結束的差別），端看你想怎麼呈現你從數據中的發現。
- 假設使用情境：你想跟大家說明員工對公司的滿意度問卷調查結果（2019 vs 2020），員工針對問卷裡的某個問題類型回應增加/減少最多。
採用斜率圖之前，需要注意的是，若你的數據項目間差距都相當大，意指各條目的幅度起起伏伏，那麼就不太適合用斜率圖，因為會有太多線條彼此夾雜，會讓畫面不太簡潔，反而讓讀者更容易迷失在圖形裡。
4. Bar Chart 柱狀圖
這可說是最常見的一種圖表類型，許多人在思考使用報表時經常避免使用柱狀圖，因為好像顯得太普遍（包括我自己之前也會這樣想）。Cole 提及，正因為柱狀圖最常見，對於一般大眾幾乎是零學習成本，反而在大眾媒體上很適合使用。
不過，也正因為柱狀圖非常直覺、容易理解，也可能會藉此特性做一些誤導性的資訊傳播。例如美國福斯電視台曾經在新聞播放中使用柱狀圖，解釋布希解稅案到期後，對於稅率的影響：
乍看之下好像沒什麼問題— 有現在的稅率（35%），也有法案到期後的稅率（39.6%）。但是這張圖表給你的感覺是什麼？「哇！如果法案不延期的話，我好像變得要繳超多的稅！」
實際上真是如此嗎？
福斯在繪製柱狀圖時，犯了一個錯誤：起始點（Baseline）並非從 0 計算。正確使用柱狀圖來看稅率變化應該是這樣的：
這樣一看，稅案到期與否，對於稅率的差距是不是就沒有一開始看到那麼大了呢？
5. Stacked Horizontal Bar Chart 水平百分比堆疊圖
堆疊圖是柱狀圖的延伸圖種，因同時要做主／子分類的比較呈現，使用限制較多，如果子分類的基準點各自差距太多，堆疊起來反倒讓人更霧裡看花；也因此這種圖表相當適合用在問卷調查結果的呈現（反對／同意），因為這兩者的基準點是一致的，並沒有誰的基準點較高或較低的問題。
- 假設使用情境：你想展示問卷結果中最多人強烈同意／最多人強烈不同意的項目，就能以百分比堆疊圖的方式呈現：
實務上我自己在 Instagram 上追蹤的 The Economist，也看到他們使用這種圖表類型展示市調：
6. Pie Chart 圓餅圖
這是我自己覺得很有趣的章節！首先 Cole 很直白表達她對圓餅圖的抗拒：They are evil. 再來她透過圓餅圖帶到圖表的製作鐵則— 千萬不要使用3D，你只會讓讀者更困惑。
我們看個書中提到的例子：
哇，這張圖融合了圓餅圖＋3D，套用 Cole 的觀念，這張圖表簡直是一場災難，不如不要畫圖！
為什麼呢？Cole 解釋道，使用 3D 會讓視覺跟數字無法匹配，以上圖為例，31% 的面積占比反而看起來比 34% 更多，已經讓觀眾產生矛盾，再來是圓餅圖本身在視覺上就不是能夠直覺消化資訊的圖形，你得比較面積、數字，才能有大小的概念。假設我們同樣要表示供應商的銷售佔比，Cole 提到使用長條圖一樣可以達到這樣的效果，甚至把資料都排序好了，讀起來更直覺：
既然有其他更簡單易懂的圖表能夠替代圓餅圖，為什麼要使用圓餅圖呢？Cole 再三提到這個概念，不是不能用，只是在每次使用圓餅圖之前，想想是否有其他更好、更簡單的選擇呢？如果答案是肯定的，那麼圓餅圖絕對不會是推薦第一使用的圖表。
最後，把自己當作設計師一樣思考
資料視覺化會需要一些基本的設計概念，不是說你得要擁有設計師的專業，而是你得思考「這樣的圖表，別人看得懂嗎？容易懂嗎？」要怎麼做，書中有給出幾個提示：
- Highlight 重要的資訊：使用粗體、字型大小、顏色對比…等，讓重點資訊能夠被一眼辦認出來。
- 資訊有重要順序之分：不是每個數據都一樣重要。你的每張圖表都有一個想傳達的核心重點，即便中間蒐集的資訊也有其參考價值，但是你得移掉會讓觀眾分心的部分。
以一個例子說明：你手中擁有2017年到2020年各個學歷層的新婚率，而你觀察到新婚率幾乎是逐年下降，其中碩士學歷下降得最多。你當然可以用柱狀圖呈現所有的資料，如下圖。
但是這對讀者在第一眼印象要看的東西太多了，要關注學歷的類型、各個學歷下降的數字比例……好了，讀者可以看出新婚率逐年下降了，但是你想說的「碩士學歷下降最多」的重點呢？讀者要多久才能看出來，或者他們得等你口頭說明才能知道呢？
假設改用 Slopegraph，同樣的資訊會呈現如下：
再透過顏色、字型加粗等重點提示，觀眾能更快一眼看到你想表達的論點。
結語
上面的書摘內容我提了不到一半吧，只挑了我覺得比較好入門的地方寫讀後心得。關於怎麼 Eliminate distractions 以及 Case Study，書中花蠻多篇幅對比、引導思考，我自己第一次看是從頭看到尾，針對有趣或是覺得日後可能會用到的地方用書籤記號，後面幾次再看就是翻閱有需要的章節，當工具書使用了。（而且真的很實用！）
最後用一句 Cole 的話做為文章總結：
“We aren’t naturally good at storytelling with data.”
沒有人天生就超會做圖表，資料視覺化是需要長期練習的。也因為自己工作性質是產品經理，會需要定期做內部的產品績效報告，藉這種機會訓練自己在每次準備時，都有做到 Cole 的 Who, what, and how，報告內使用的圖表也會一再調整讓它更好被讀懂。
（本文經 Leah 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈Storytelling with Data— — 為什麼我們需要資料視覺化？〉。）
你可能有興趣
轉行數據分析該注意什麼？騰訊工程師狂推的報表神器：FineReport
【數據科學 ≠ 數據分析】都是以數據解決問題，程式語言使用卻大大不同
隔離在家可以做什麼？數據科學家推出「14 天數據分析挑戰」，讓你每天練 coding
