数据可视化常见问题：从走势图到观察笔记

做数据整理的人，多少都遇到过这样的场景：一张折线图摆出来，大家点点头说“趋势很明显”，但追问一句“明显在哪”，回答就含糊了。问题不在图不好看，而在于图没有替结论承担举证责任。可视化不是给数据穿衣服，而是让数据自己开口。开口之前，得先确认它说的是不是人话。

第一类常见问题，是坐标轴被悄悄截断。比如某平台月度活跃用户从1020万降到980万，降幅约3.9%。如果纵轴从900万起步，曲线看起来像悬崖；从0起步，几乎是一条平线。两种画法都没撒谎，但传递的紧张程度完全不同。更稳妥的做法是同时给出绝对值与变化率，或者在标注里写清楚纵轴起点。观察数据的人，第一眼看的往往不是数字，而是图形的坡度，而这个坡度是可以被“制造”出来的。

第二类问题，是把“走势”当成“预测”。折线图天然带有延伸的暗示，人眼看到一段上升曲线，会不自觉地往右脑补。2023年某消费品牌季度营收连续三个季度环比增长，有人直接把第四季度画成继续上扬的虚线。结果当季环比回落2.1%，虚线成了打脸的证据。走势描述的是已经发生的事，预测需要额外的模型假设和置信区间。把两者画在同一张图上，至少要用不同线型、不同颜色，并注明预测区间，否则就是在用确定性的视觉语言包装不确定的判断。

第三类问题，是颜色和标签的误用。一张图里出现七种颜色，读者记不住哪个是哪个。更常见的是用红绿表示增减，却忽略了色觉障碍人群——约8%的男性存在红绿色弱。换成蓝橙组合，或者直接在数据点旁标注数值，信息传递效率反而更高。还有一个细节：饼图超过五块，基本就失去了比较意义。人眼对角度的判断远不如对长度的判断准确，这是基础感知层面的限制，不是靠设计感能绕过去的。

第四类问题，是忽略数据本身的质量。一张漂亮的图，如果底层数据有缺失、口径不一致，结论就是空中楼阁。比如某城市地铁客流量统计，2022年有三个月因系统升级只记录了进站人数，没记录换乘人数。直接拿全年数据画走势，那三个月的低谷会被误读为客流下降。做观察笔记时，我习惯在图下面附一行小字，写明数据来源、统计口径和缺失情况。这行字不显眼，但能省掉很多事后解释。

还有一种容易被忽视的问题：图太多，结论太少。一份报告里塞了二十张图，每张都配一句“如图所示”，读者看完只记得自己翻了很多页。有效的做法是反过来——先写清楚要回答什么问题，再决定用几张图、用什么图。如果一张图不能支撑一个具体判断，它就不该出现在正文里，可以放进附录。数据可视化不是展示工作量，而是压缩信息。压缩的前提是知道哪些信息可以丢掉。

回到方法层面，有几个习惯值得保持。第一，画图之前先写下图的标题，标题应该是一个完整的判断句，比如“A产品复购率连续两季度低于B产品”，而不是“A与B复购率对比”。第二，纵轴默认从0开始，除非有充分理由截断，且截断处要有明确标注。第三，每张图只讲一件事，多件事就拆成多张。第四，把图给一个不了解背景的人看十秒，问他看到了什么，如果答案和你想要的不一致，改图，别改人。

数据可视化的问题，大多不是技术问题，而是表达问题。技术决定图能不能画出来，表达决定图能不能被读懂。走势、预测、观察，这三个词在图里各有各的位置：走势是事实，预测是假设，观察是连接两者的桥梁。把桥梁搭稳，比把桥面刷得漂亮更重要。