数据大屏数据仪表盘是虚荣项目吗？（数据可视化知识的复杂性）

由 M Zide 博士和 Sarah Zimmers 帮助研究和撰写
如果你拥有一部智能手机，你可能会收到关于手机每周使用情况的通知。如果打开通知，你会看到一个仪表盘，上面显示了你的应用程序的使用情况图表。在工作中，您所在的组织可能会用一两张图表来追踪销售、增长和预测情况，并用色彩丰富的摘要来报告您的业绩。

在监控您的财务支出时，您的银行应用程序很可能会以饼图的形式显示您每月的费用，并将其划分为多个类别。而你的人力资源信息系统很可能会以图表的形式显示你的工资明细，包括所有的付款和扣款。我们已经习惯了数据无处不在，可视化已经成为我们与技术互动的常态。

与此同时，人们经常忽视的是，如果用户不具备数据素养，这些图表、图形和其他视觉效果可能只是装饰品。基于对数据素养的研究，本文对过量的数据可视化和仪表盘进行了批判，讨论了何时适当使用它们，并勾画了一些指南，以确定何时有必要使用替代品。

定义与概念

为了更好地衡量人们对数据可视化的理解，有必要对计算能力和数据素养这两个概念进行定义。

计算能力是指理解、计算、操作、解释结果和交流数学信息。它涉及推理、批判性思维、分析数字数据以及根据定量信息做出明智决策。日期、机会、模式、关系、尺寸、形状、数字和变化等看似日常的概念构成了计算能力理解的核心。重要的是，计算能力为数据素养奠定了基础，而数据素养则是数据可视化素养的基础。

数据素养通常被解释为计算能力的一个子类型，可以概括为阅读、分析、处理和论证数据的能力。可视化为人们处理数据带来了许多困难，熟练掌握此类数据处理被称为数据可视化素养。

计算素养、数据素养和数据可视化素养共同构成了一个范围，可能很难区分一种素养的起点和另一种素养的终点。然而，如果没有基本的计算素养，个人就不可能具备数据素养，数据可视化也就沦为了装饰性图像。

数据的复杂性

在解释了数据可视化的定义和概念之后，现在让我们来探讨一下处理数据时所面临的挑战：

• 数据通常杂乱无章。数据来自不同的来源，需要额外的清理、验证和整理步骤。这些步骤至少需要一些批判性思维，以及对数据进行排序、过滤和标准化的能力。
• 数据可能有偏差或不完整。人类是数据的主要创建者和检查者，因此其结果可能不准确或缺少数值。
• 数据可能难以理解。数据可视化、统计测量、表格和电子表格都代表了多种格式。不同的格式会影响得出特定结论的可能性，正确理解这些结论需要高度的批判性思维。
• 数据的交流具有挑战性。通常情况下，演示者依赖于数据的视觉效果，而不是描述其含义和影响。

对可视化等数据展示方式的依赖通常是基于这样一种假设，即它们更直观。然而，研究表明，并非所有的数据可视化都能让人理解。在一项数据可视化熟悉度研究中，可视化的类型影响了对信息的理解：经过大量实验得出的结论是，青少年和成年人都只能解读最基本的参考系统，如图表和图形（如饼图、条形图和散点图）。地图和网络布局被证明是最不容易理解的。在另一项研究中，能正确识别图表上数值的参与者明显多于能在两点之间做出推断的参与者。另一项研究发现，能在折线图上找到趋势的人更少，这表明根据受众的不同，这类图表可能会带来更大的挑战。

总的来说，不同的可视化类型需要不同的认知能力。条形图在理解上所需的认知能力较低，而一般不常用的网络图则可能过于复杂，需要用户观察太多关系才能理解。下表提供了数据可视化类型的示例，并总结了它们的使用情况，按易懂程度排序。

虽然数据可视化最初似乎能有效传达观点，但数据固有的复杂性和数据可视化带来的认知负担阻碍了用户的完全理解。除了用户界面的影响之外，我们还看到世界各地存在数据素养低的倾向，这本身就对企业和经济产生了重大影响。

数据扫盲趋势

计算能力是数据扫盲的基础，但在熟练掌握和获取方面存在许多挑战，包括对美国的许多人而言。据估计，在 16-65 岁的美国普通民众中，只有不到 10%的人能够熟练地理解数字。平均而言，美国人的计算能力被评为 2 级（满分 5 分），包括进行基本计算和解释简单的表格和图形。与世界其他发达国家相比，美国排名垫底。由于计算能力和数据素养是相互关联的，研究人员发现，计算能力低也会导致数据素养低，从而影响许多专业领域。

Salesforce 公司的 Salesforce 仪表板截图。

尽管数据已成为新的黄金，而且任何白领工作都需要大量的数据知识，但很少有人对使用数据感到得心应手。最近的一项研究发现，只有 24% 的美国劳动力对自己阅读、使用、分析和论证数据的能力有信心。由于缺乏数据素养，企业损失了数百万美元的生产力和效率，但许多企业并没有提供足够的数据素养培训。员工也可能缺乏独立学习数据素养的时间或资源。与此同时，较高的数据可视化素养与从陌生的数据可视化中做出正确的推断正相关。换句话说，在这场数据淘金热中，我们让人们去采矿，却没有为他们提供适当的工具。因此，数据素养仍然是数据管理的主要挑战。

由于数据素养阻碍了工作空间中数据的民主化，真正的挑战仍然是向人们传授所需的数据技能。读写能力方面的问题始于幼儿园，那里很少教学生如何阅读或创建数据可视化。然而，我们一次又一次地发现，B2B 平台高度依赖数据仪表盘，特别是可视化数据。然而，这些仪表盘往往不能有效传达清晰、可操作的见解，也不易于使用。在大多数情况下，虽然它们试图简化用户的某些决策，但却要求用户与数据进行交互，以了解如何解读数据，从而给用户增加了额外的负担。

展望与建议

鉴于数据知识对其实用性造成的障碍，仪表盘往往是虚荣的项目。此外，我们对大多数数据可视化页面的价值表示怀疑，因为它们的开发成本极高，但用户参与度却很低（查看每个功能的投资回报率计算）。用户体验的原则之一是，用户参与不应以牺牲可用性为代价。产品设计的另一个支柱是，用户满意度源于任务的高效完成，而不是参与时间的长短。数据可视化和仪表盘往往违背了这两项原则，它们突出了需要参与的元素，但可用性却很差，妨碍了平台的效率，而且大多数人一般都无法使用。为了摆脱这种设计弊端，我们建议退一步评估采用昂贵的仪表盘的原因。

在投资建立数据可视化或仪表盘之前，不能仅仅因为它们似乎是保持竞争力所必需的，或者因为其他 B2B 和 B2C 产品也在这样做，关键是要考虑用户及其实际需求。虽然某些用户（如数据科学家、现场科学家、研究人员和医疗专业人员）具备高级数据素养并渴望自由探索各种数据可视化，但大多数 B2B 和 B2C 用户却缺乏这种能力。对于普通用户来说，投资回报率更高的方法是探索自动化和人工智能技术，通过在整个平台上提供可操作的上下文洞察，来弥补数据素养方面的差距。这种方法充分利用了产品技术，以较低的成本投资于更好的用户参与，而无需依赖用户的知识水平。

您可能想知道什么时候可以使用可视化。可视化非常适合模拟多个或混合变量或大量数据之间的已知关系或假设结果，因为它们可以帮助用户总结这些关系并识别趋势。数据仪表盘将这些可视化进一步互动化，允许用户将某些变量换成其他变量、过滤数据点并探索不同的关系。当需要使用仪表盘时，可以参考至今仍存在的大量关于如何更好地以可视化方式讲故事的研究成果（例如，IDEO U 的这篇关于如何根据可视化数据讲故事的文章）。不过，总的来说，对于那些数据素养不高的人来说，没有什么理由需要仪表盘。

必须优先考虑高效解决用户的问题，并为他们提供可操作的见解。与其认为仪表盘普遍有益，不如花时间了解用户及其目标。设计仪表盘时，一方面要考虑用户的真正需求和知识水平，另一方面要考虑实际数据类型。毕竟，用户界面只是用户用来完成任务的一种工具，而由于大多数人不知道如何使用数据可视化，因此仪表盘可能是一种最好的工具。