数据可视化“信息传达”和“视觉美观”的天平两端，你选择站哪边？

这篇文章来自数据可视化设计师Lisa Charlotte Rost，目前作为自由设计师为新闻社工作。数据可视化中，视觉美观常常能够促进对数据集的理解，从而实现数据集信息的呈现。但，如果是为美而美，效果往往适得其反。因此，数据可视化和数据美学艺术有时确实应该要有所区分。

天平两端，如何选择？

信息传达（Information Art）和美学设计（Information Design），需要区分对待吗？对此，交互设计师 Manuel Lima在2009年写了一篇文章，在推特上引起了激烈的讨论。有评论认为区分是必要的，能够推进这两个领域的发展；也有观点认为区分并不能够使任何一方受益，并且认为明确的区分难以实现。其中，有评论反复提及：为了表达深刻见解，数据可视化必须要具有美感。网友Kim Rees在Manuel Lima的文章下评论：

可视化应该要给人浑然一体的感觉，既能传递信息，还要吸引人。就像建筑，有的建筑师可能仅专注于结构，而不是审美；也有的只注重审美，而忽视结构。仅有少数的伟大建筑师能够真正创造出兼具结构与美感的建筑。我个人坚信，美学对于条理情晰的数据可视化，相当关键。

在此前有人提出的“对信息艺术和信息设计作出区分，能够推进这两个领域的发展”的观点支撑下，我个人支持以上的评论。但是我想要在她观点的基础上做一些延伸。对此，我将使用Kim Rees提到的数据可视化的目标：

a）传递信息，使数据深刻并且提升读者对数据的理解，使数据更具意义。

b）美观，在视觉上能够愉悦读者。

对我来说，第一点——理解——是数据可视化的终极目标。这可以意味着对一个观点进行证明，对某一个话题进行概述，或者为了达到深刻的理解去优化一个探索性的数据可视化。

注：图表纵轴是数据可视化的理解力，横轴是数据可视化的美学成分。红色圆圈是数据可视化中最差的情况，只顾美学，不顾理解力；绿色圆圈是数据可视化的最好情况，作品的理解力达到最大值，同时也兼顾了美学成分。

传达信息的时候：实用+美观>单纯实用>单纯美观

如何增加对某一个数据可视化的理解？除了选择正确的数据点之外，美学可以促进理解——以更合适的方式来构建内容，让它变得更具可读性，或者是能够首先抓住读者的注意力。但是美学元素的增加仅仅意味着在某种程度上能让读者达到更好的理解。这句话的意思是，同样深具意义，一个难看的图表会比一个可读性强的图表看起来差劲许多，而这主要归因于美学元素的添加。

但是一个深具意义的图表如果太过专注于美学和视觉上的创新的话（这会适得其反，降低可读性），反而会比那些“相貌平平”的图表更糟糕。举个例子，在对一个数据集进行设计时，如果条形图是最能被理解的方式，选择一个环形可视图也许看上去会更美，但也会增加理解的难度。设计界流传着这样一个不等式：

能够促进理解的审美元素>不具美感的意义呈现>降低理解的审美元素

或者，以另一种方式来表达：

意义表达+美感>仅表达意义>仅有美感

但是，只有在讨论数据可视化，以及为了达到让数据实现更具洞察力这个目的时，这个不等式才能成立。在数据艺术中，美学可以被允许，甚至有时是必须放在第一位的。“过多的美学元素”或者“仅有审美”也可以是一件好事。不再完全依靠于理解，可以极大程度地改善使视觉体验。

若是单纯为了艺术，不妨再果敢一点

注：图表纵轴是数据可视化的理解力，横轴是数据可视化的美学成分。绿色圆圈数据美学的最好情况，此时不考虑对数据理解。

一个例子：我找到一些可以愉悦视觉的NYT和Periscopic的图表——这些图表在视觉上令人愉悦，而这有助于传递数据的意义。但是Jorinde Voigt（德国艺术家）的图震慑到我了！ “对信息而言，数据本身并不那么重要，但是它可以用来传递一个更高深、超群的体验”，我在几年前写的一篇大学论文中就提到了Jorinda Voigt的成就。

注：图为德国艺术家Jorinda Voigt的作品。

当然，我们要明白艺术不仅仅是美学。但是许多人完全是被数据可视化内含的美丽所吸引的。他们喜欢数据可视化，是因为它结合了“一些严肃的东西（数据）”和“一些美丽的东西（可视化）”。数据可视化使得他们能够接触到美学。他们购买了《数据流（Data Flow 2: Visualizing Information in Graphic Design）》这本书（主要讲述在图表设计中对信息进行可视化），被它的美观所惊艳并想要复制它。但是这导致为了让数据可视化更加美观，从而降低了可阅读性的结果。