报表格式怎么做 数据报表：怎么让你的图表好看？这里有最重要的一条经验

编者按:这是张，他介绍如何制作图表。作者是尤金·卫，亚马逊战略规划部的第一位分析师(后来担任Flipboard和Hulu的产品负责人，Oculus的视频负责人)。

第一部分:经验

我的第一份工作始于Amazon.com。我是战略规划部的第一位分析师，接手了分析包的工作。之所以专门做资本化，不仅是因为它是一个严肃的工具，让我们的业务清晰起来，更是因为它逐月的生产工作，统治了我一年多的一生。

1997年，分析甚至不是一个真正的词。我知道是因为我试着去找术语，希望能找到我想做的事情，但是我找不到，无论是字典里还是网上都找不到。回想一下你刚开始大规模使用互联网的时候，一般搜索引擎返回的结果很少，你会意识到自己老了。那时候，智慧还藏在新闻组里，雅虎还要手工整理网页目录，很多Google搜索也没什么结果。当时，如果俄罗斯人想干涉选举，他们可能会把一些故事放进娱乐艺术漫画里，激怒一些极客，但这是唯一的办法。

虽然这个词没有定义，但不难猜出是什么。某种名词形式的分析。此外，分析包本身就说明了一切。真的。它会附带一页的后记，总是有简短的前言来阐明目的，然后跳转到一个文本摘要，其中的信息与论文摘要的形式相同，或者是给股东的一封信。我想贝佐斯多年后创立的著名公司政策，即支持张文禁止PPT的做法，可能在当时的《分析包》后记中找到一些渊源。他们的灵感都是一样的:如果你不能用书面语言解释清楚一件事，你自己真的理解了吗？

我面试过程的最后一部分花了一个小时，面试官是当时负责招聘的莱恩·索耶。在经历了许多挑战之后，包括几乎所有的高级管理人员和我一生中预见到的最好的人，比如贝佐斯和乔伊·科维，我认为这个不可避免的人力资源面试只是一种形式。但是后来瑞安让我用他能理解的方式解释我能理解的最复杂的事情。为我的工作热身。

分析包包含哪些需要书面解释的内容？图表，一页一页的图表，亚马逊业务各个方面的图表。收入、时评、营销、运营、客服、人员配备、G & A、客户感知、市场渗透、客户生命周期价值、库存周转率。通常一页有四张图片，横向布局。

如果分析本身是一个名词，包装这个词似乎有点麻烦。但是如果你看过其中一个，你就知道为什么叫Package了。当我1997年去亚马逊时，分析包大约有30到50页的图表。一年后我转行做产品管理，已经扩展到100页了，还在做客户订单趋势的失败报告。分析可能指的是可交付分析或分析实践，但分析包就权重而言就像一本电话簿或恢复硬件公司的目录。

当时，公司没有专注于开发内部仪表板和分析工具，因此分析包是由以我们今天的标准来看似乎完全过时的东西组成的。我把数据手工输入Excel，生成图表，调整版面，然后打印成册。

整件事最糟糕的一点就是把页码弄对了。分析包的背后是一个完整目录的链接电子表格。由于不同的图表来自不同的工作簿，我必须打印出整个分析包，对其进行排序，然后通过一些模糊的打印设置菜单手动插入页码。总之，确保页面按预期排序就像拆炸弹一样。

到目前为止，公司墙上挂着平板电视，不间断地显示各种图表。大部分都没人注意。时刻保持透明没有错，但对人性的理解没有错。我们忽略任何时候都能看到的东西。但是，如果你每个月在桌面上扔一大摞图表，加上一个总结结果的后记，如果CEO和你的同事在同一天收到了同一个报告，同事报告里要包括你那部分业务的运营情况，你肯定会关注，就像任何人都会关注一本关于自己公司的书的索引里有没有提到自己一样。仪式很重要。

该报告将发送给全公司的高级经理。学长的定义一开始是以职级为基础的，但就像职场上大多数事情的趋势一样，谁加入分配就成了每月竞争的来源。可能有人会怀疑这是我的想法，因为是我做的发行，但其实我在意这个是因为每个月都要打印复印纸质版。

现在我已经很少用复印机了，但那一年我用的次数比我前后所有日子加起来还多，所以我可以很自信地说，这些机器是人类制造过的最不可靠的机器之一。

这是一个游戏，它唯一的目的就是减少痛苦。一百份一百页的文件。复印机复印时会出故障。过一会儿，纸就会卡住。墨盒将耗尽墨水。你愿意一次冒多少份的风险？太少了。您必须再次重复设置过程。太多可能会有中间出错的风险，而这又会变成一系列更复杂的任务，比如只复制剩下的没有复制的，和之前已经完成的合并。(如果你想知道我为什么手动插入页码，不仅仅是为了方便引用具体的图表，也是为了在复印机坏了的时候找出哪个文档缺了哪一页。)

当然，你也可以在清除卡纸后恢复打印，但事实上这种方法从未奏效。后来才知道，这种量级的卡纸，复印机是永远无法挽回的。

我成了总部所有复印机的大师。我知道哪些复印机可以承担这个繁重的任务，也知道每一台的可靠性。我对每台机器的可靠性、使用情况和最后维护时间的波动了如指掌。由于我平时每天加班到很晚，所以我会把大规模的复印任务保存到最后，因为当时整栋楼的复印机都可以由我支配。

有时候只是听复印机内部复印滚筒和发动机的声音，就能看到卡纸。有问题的机器会打呼噜，就像抽烟的人一样。复印机为我服务时，有时我会把手放在机器上，就像医生把手放在病人身上一样。我会称自己为复印机窃窃私语者，但当我与他们打交道时，我总是反复诅咒，从不耳语。后来在分析师任期结束的时候，我拿到了预算，每个月雇一个临时工帮我完成打印工作，因为我们都承受着无休止的劳动，我们还有联系。

我痛苦的另一个来源是另一个工具的极端脆弱性:Excel 97链接表单。直到今天，我还是Excel的粉丝。Excel是微软Office套件中最好的工具，如果你从事的是正经工作的话，它依然是世界顶级的电子表格工具。但是我永远忘不了Excel 97链接工作簿的噩梦，理论上看起来是个很有前途的想法，但实际上完全不一样。

为什么不在一个巨大的工作簿中完成呢？不同的部门必须为不同的图表提交数据，所以多人同时在同一张Excel表上工作是一件很糟糕的事情。找出谁的改变被卡住了，整个比较的过程是不可持续的。所以我为不同的部门设置了Excel工作簿。我会自己收集和输入一些数据，而有些部门有更年轻的员工，他们有时间和资金来输入和维护自己组织的数据。

甚至这个过程在很多地方都会出错。当我试图竖起护栏来保持链接所有工作簿的公式时，从单元格保护到粗体到指示可编辑单元格的条件格式等。，没有一个电子表格能在到达普通用户之后存活下来。有人会在这里插入一行，在那里插入一列，或者误删一个公式。在一个月内，用户可以更改工作表的名称，或者添加以前从未在季度中出现过的汇总列。突然，到处的单元格上出现一堆#错误，或者你运气不好，数字还在，但是错了，你没有意识到。

所以每个月都要用一部分时间来检查每一个电子表格，修复有问题的链接和指针，重新建立图表中已经丢失的表格链接，甚至更阴险的隐患，比如表格链接正确但表格区域链接错误的情况。

但即使做到了这一切，有时表格计算也会出现问题。命中注定。这是电子表格的原理，唯一的错误只能是用户错误。我的主工作簿中的一个单元格指向另一个工作簿中的一个单元格。他们的价值观应该是一致的。然而，当我打开两个工作簿时，一个显示现实1345，另一个显示1298。强制所有单元格重新计算的关键是F9。我反复按过。有时候重新计算有用。有时候不会。有时候我会尝试ctrl-alt-shift-F9。有时候只能祈祷。

我唯一一次上班哭是有一天晚了，当时我妈刚死于癌症，左腿因为前交叉韧带/MCL疝气手术做了石膏。当我无法理解为什么我的练习册参差不齐时，我的意志力崩溃了，我决定投降。这不是循环引用，但我知道只要我继续研究，还是可以解决的，至少如果是工作簿中的循环引用，最终是可以解决的。不是，Excel 97链接工作簿的固有漏洞是一个不相信的程序中的随机缺陷，感觉自己好像是整个宇宙中最倒霉的一个。

我想离开办公室，但是我太累了，不能拄着拐杖走远。当时周围没人。我关掉电脑和灯，躺在桌子上，直到那一刻过去。然后重启电脑，打开两个工作簿，看着有问题的两个单元格。他们还是不一致。我按了一次F9。这次匹配了。

很多时候，当我在半夜抄完所有的Analytics Package，然后用小的，然后是中的，最后是大的活页夹把材料夹在一起的时候，我会把大部分的复印件拿在手里，放在每个收件人的桌子上一份。从我的办公桌到办公室是一个受欢迎的休息时间。也许我可以停下来和一个还在熬夜的同事谈谈。感觉自己像个按固定路线送报纸的人，经常同时起床。

虽然分析包给我留下了很多痛苦的记忆，但我仍然认为它是对我的职业生涯产生巨大影响的经历之一。在做报告的过程中，我感觉我们企业的整个组织都在我面前，它的复杂程度和内部工作一目了然。同样，我想象一下程序员把数据表变成3D图表的数据可视化过程。我可以跟踪从客户何时想买书到一美元如何在我们企业内部流动的整个过程。我知道每一个员工的工资，从经销商到我们的仓库，从货架到传送带，然后打包放在运输车上。我知道每个订单的时间成本。我和职业赌徒一样，可以预测每100单会有多少客户向我们投诉，有什么样的问题。

我知道如果我们每个月都能获得一个客户，他的家人和朋友中有多少人会在下个月通过口碑成为新客户。我知道如果客户在1998年1月100日完成第一笔订单，2月、3月等会有多少人再次下单。，每个订单的平均金额是多少。随着我们的发展和影响力的提高，我可以看到与出版商和经销商谈判更长的周转天数对我们现金流的影响。我还可以看到，每次我协商更好的标价折扣，我们的毛利都会逐渐增加。

生活在高频交易和正态分布的领域，生活在大数定律主导的领域是多么惬意啊！每月观察人们的书籍(以及后来的CD和DVD)的一致性和可预测性，就像在显微镜下识别自然界中的一些晶体结构一样。我不羡慕Snapchat或者Twitter或者Pinterest这样的公司，不羡慕已经上市或者有一天可能上市的社交网络，也不羡慕从事社交网络业务的公司。当他们的网络如此之大，但仍然如此不稳定(甚至更多的收入流)时，他们必须管理投资者的预期。社交网络的指数级增长当然有趣，但如果你是Twitter，如果你试图向投资者解释为什么你每个季度都没有实现目标，那就没意思了。当你假装知道一个季度后你的收入会是什么样子，更别说两三个季度后的情况了，事情就没那么有意思了。

在亚马逊，我可以卡出我们下个月及以后的未来收入，误差只有几个百分点。唯一需要做的决定是，我们要告诉华尔街我们的预测数字是多少。那时，我们总是低估我们的收入(低估)，因为我们知道结果会超过预期(超额)。唯一的问题是我们应该预测多少收入，在下一次财务报告会上仍然让大家感到惊讶，而且这种惊讶是可靠的。

我们对自己业务的理解继续超过我曾经工作过的任何公司。这主要是因为贝佐斯对细节的要求。没有人能像最高领导人那样设定责任的标准。大部分功劳归于乔伊和我的经理基思，他们将分析包作为战略规划部门的核心任务之一。Keith把我推到Tufte，改变了一切。更大的功劳归于所有帮助收集业务各方面隐晦数据的人，以及那些负责部门相关职责的同事，他们很多人都为自己的领域建立了自己的模型，并定期维护更新，因为他们知道我每个月都会上门给他们出问题。

我相信这一点，因为乔伊了解我们业务的每一部分，也了解几乎每一个区块运营商，甚至更了解。她是为数不多的能够捍卫和主动的首席财务官之一。我见过的几乎每个CFO都是一样的；始终严格控制开支，采取财务保守主义，对任何大胆的财务事项都投以怀疑的目光。这些Joy可以比下一个做的更好，但是她在办公室的时候会督促我们多花钱，热情不亚于贝佐斯。像很多梦想中的CEO一样，她知道有时候最好的防御就是攻击，尤其是在赢家通吃、先发优势、网络效应主导的互联网市场。

我仍然感到惊讶的是，有这么多公司不帮助员工理解他们自己企业的数字工作。新员工可能已经接受了入职培训，了解了一些公司文化、旅行政策、供应柜在哪里，也许还讨论了任务陈述。当然，这些都是有价值的。但是入职教练最后一次展示公司的图表是什么时候？我们是否不信任员工的计算能力？还是他们害怕这种激进的透明会压倒他们？后者可能是一种控制机制，一种“用你那一点点脑力都不在乎这些数字”专心解决自己问题的态度？

光知道数字是不够的，但正如《金钱球》一书所清楚解释的那样，这样做将揭示隐藏的真相和未知的价值向量(例如，在比利·比恩和奥克兰A的例子中，它是基础利率)。直到今天，人们还经常说亚马逊这么多年都赚不到钱，好像是庞氏骗局一样。1997年的一个深夜，刚到公司没几天，我通读了大概三四遍最新的Analytics Package，知道了我们隐藏的真相:所有关于亚马逊无利可图的商业模式的说法都是谎言。如果我们的利润没有用来再投资公司，我们从投资者那里得到的钱没有用来投资那些投资，我们的行为无异于自残。唯一限制我们潜力的是我们有多么雄心勃勃。

第二部分:经验

这和图表有什么关系？入职一两个月后，我的经理让我去参加一个刚刚在西雅图举办的讲座。这是一整天的课程，内容围绕一本书的智慧展开，作者讲课。这本书叫做《定量信息的视觉展示》，是Amazon.com最后一本超级畅销书。在亚马逊之前的时代，属于长尾类型，可能还是几本参考书。这本书的作者是爱德华·塔夫特。我很难一下子列出我读过的最重要的书，但这本是其中之一。

我的经理要求我参加讲座，这样我就可以将那本书的原则应用到分析包的图表中。我的书还在我家的书架上，是我最推荐给同事的书。

这篇文章太啰嗦了，没有进入正题。Tufte的书正好相反。它在开始时简要总结了它的关键原则。

优秀的统计图表应该能够清晰、准确、有效地表达复杂的思想。图形演示应该:

展示数据诱导观看者思考实质而不是方法论、图形设计、图形制作的技术或者其他避免扭曲数据必须说明的东西在很小的空间内呈现很多数字大型数据集要保持一致鼓励用可视化的手段去比较不同的数据片段从概况到详细结构（或者望远镜+显微镜），以不同的详细程度揭示数据要有相当明确的用途：描述、探究、制表还是装饰？要跟数据集的统计和口头描述紧密结合

图形揭示数据。真的，图形可以比一般的统计计算更准确，更有启发性。

就是这样。这本书的其余部分是对这些首要原则的极好阐述。整个世界只是一页。

在所有的图表中，这个图表是最好的。在所有的表格中，我在分析包中使用最多的一个图标是以时间为X轴，以要测量的维度为Y轴的图表。数据随时间变化的趋势。

数据点就是数据点。两个数据点随时间变化的趋势可以说明一个故事。(开玩笑，请不要只用两个数据点讲故事。图表上的线条告诉我们我们去过哪里，也指出了事情的发展方向。当你在琢磨曲线上面的数据点为什么上升或者下降，或者为什么这么正常的时候，你就可以掌握你要研究的东西的基本机理了。

在经理授权我写附言之前，我做了几个月的分析包图表。这是重要的一天，但写一份业务情况总结并不难。看着每张图表，研究为什么和上个月不一样，为什么不一样，我得到了写东西需要的所有要点。制作图表已经成功了一半以上。

所以Tufte书中的很多原理都在Analytics Package中实现了。比如只要相关，每一页都会显示一系列的小倍数，X轴和Y轴的比例是一样的。当时，折线图在电子表格程序中并不流行。

Tufte的影响没有比我们的图表更深的了。图表能有多好？毕竟，在所有的事情中，图表真的很简单。但这是优势，不是劣势。这里的建议很简单，其实很简单，你可能觉得都是套路。不是。当我看到网上分享的图表时，即使是我最关心的最聪明的人也很难听从我的建议。

可能Tufte名气不够大，需要学生使用Excel的商学院也没有教授过他的想法。确实如此，但我更喜欢用一个更简单的解释:如果用户太懒，默认Excel图形不好，Excel是世界上最流行的绘图工具。

用一个例子来说明，我们拿一个数据集，在Excel中做一个图，然后遍历我每个月需要做什么来做Analytics Package。

网上分享的大部分图表的原始数据我都找不到，也不想用什么专有数据。但是我的朋友王丹告诉我，我可以在谷歌公共数据浏览器上搜索，很多好像是从世界银行数据目录中检索出来的，为了节省时间，我从中提取了一些裸露的数据。

我使用人均医疗保健支出(美元)。我选择了8个国家，并选择了涵盖1995年至2014年所有年份的数据。我选择了我曾经生活或访问过的所有国家，其他人也告诉了我他们的医疗保健系统，但这里的要点是，为了使图表易于阅读，限制图表中的数据系列很重要。有多少数据系列合适，要看你想研究什么，曲线点有多集中，数据差距有多大。有时候除非你先做图表，否则很难预测，但可以说，如果结果难以分辨，你做的图表只会让别人觉得很蠢。

下面是我在选择数据的时候按了graph按钮之后，最新版本的Excel在我的Mac上做的图表(很奇怪，我发现推荐的图表下拉按钮和它推荐的三个图表都是条形图，肯定不是一个合适的选择，Excel很多地方的默认逻辑也很差)。我没有修改这张图，只是直接保存，大小和格式都是Excel选择的。

不好。根据理查德·塞勒和卡斯·桑斯坦的微移哲学，我们只需要改进Excel和PowerPoint的默认设置，全世界图表的突出程度就会大大提高。如果有人在做Excel和PowerPoint的图表功能，请听我的声音！提高普通人绘画水平的力量就在你的手中。请阅读Tufte的原理。

对了，听完Tufte的讲座，我走过去问他用什么软件做他书里的图表。他怎么回答的？Adobe Illustrator .为了得到他想要的结果，他，我猜是他的助手，手工排列每个像素。做Analytics Package对我没什么帮助，因为每个月都要做，还有别的事要做，但是对Excel绘图质量的吐槽即使到今天依然有效。

现在让我们稍微编辑一下上面的图表，就像我以前制作分析包一样。让我们从一些明显的问题开始:

图例几乎跟图表一样高很多线条相互之间靠得太近了左列的数字加千分号的好可读性会更强图表需要一个标题

我把工作表中的图表放大了一点，以便于查看。出于某种原因，它大约有四枚邮票那么大，解决了上述问题。以下为修订版。

默认情况下，Excel应该在千位上添加逗号分隔符。上面的图片稍微好一点，但是标签还是小，即使你点击上面的图片放大到最大。然而，除了调整标签和标题的大小，我们还能做些什么来改进它们呢？

写这篇文章的目的其实是想说，这是改善你的Excel图形最简单的方法:

在定量信息的视觉显示中，塔夫特使用很少的颜色。在制作分析包时，我只有黑白打印机和复印机，所以即使它给你的图表增加了一个维度，颜色也是徒劳的。

颜色虽然有优势，但是更容易区分两条非常接近的不同曲线，但是会引入各种不可预知的心理联想，很容易造成干扰。比如，在制作美国总统大选的图表时，用蓝色代表民主党，用红色代表共和党，这是一个很好的主意，因为这种配色方案已经被广泛接受。但在区分贵公司不同部门或产品线时，随意选色会成为噪音，甚至更糟，引起纠纷。

不管你的最终版本是否能显示颜色，一个更安全的选择是使用不同的线条类型。是否显示颜色取决于您需要映射的数据系列的数量。我会检查数据系列曲线的格式选项，在这个版本的Excel中标记为Dash Type。我发现总共有8个选项，刚好够我举例。分配选项以最大化可读性需要一些工作；你要根据相邻对比度最大的原则，选择哪个国家用哪个线型。

随机选择线型后，图形的单色版本变成这样。

色盲用户没有问题，但是我们线型的使用超出了我的承受范围。对我来说，用彩色曲线跟踪不同国家的趋势更容易，尽管这个单色版本还不错。尽管如此，这张图在很多方面让我想起了我之前做的亚马逊分析包的单色版，虽然没有数据标签(这里不适合)，有水平网格线(我从来没有做过)。

我们必须做出这些权衡，因为数据系列的绝对数量。八个序列不仅不够，而且太多了。丢弃一些数据序列后，以一系列折线图的形式展示出来，会更容易、更清晰。这完全取决于目标和你想交流的内容。

在某个时候，没有一套原则会普遍适用。作为一个沟通者，你必须做出一些主观判断。比如在亚马逊，只要能显示，我知道Joy想在图表上看到数据值。她是那种很注重细节的人。一旦我把数据值放到上面，网格线就变得累赘，Y轴可以相应减少数量。

Tufte建议减少非数据墨水(与数据无关的显示)，网格线通常就是这种情况。在某些情况下，如果数据值不能放在图表中，我有时会在其中放网格线来计算一个值与另一个值的相对比率(只需计算值之间的网格线数量)，但这是一种特殊情况。

对于突然的变化，比如一个图的异常反转，我经常直接在图中插入备注，以此来预测和阻止任何查看者提问。比如上图，如果数据序列减少了但希腊依然保持，你可能想通过在那个地方加一张纸条说明这是希腊金融危机爆发的时候(不知道这是不是实际原因，但不管原因和理论是什么，我都会列出来)来解释为什么2008年以来医疗支出下降了。

如果我们在具体指标上有公司目标，我会把目标以标注渐近线的形式附在相应的图表上。提醒大家，永远不要太在意自己的目标。

例如，下面是该图表的另一个版本，具有更少的数据序列、数据标签、没有网格线和更少的Y轴标签。此外，由于曲线没有堆叠在一起，我们不再需要不同的线型，从而避免了视觉噪声的增加。

在那个数据尺度下，数据值是不容易识别的，但是如果我想为Joy或者Bezos做一个图表，我一定会加标签，因为我知道他们需要那个层次的细节。在亚马逊，我通常将我们的图表限制在4或8个季度，所以现在我们的数据点从来没有上面的图表那么多。第三，在某些时候，你必须决定谁是你的听众，你的目标是什么，然后相应地修改你的图表。

像电影一样，画画是一个连续的过程。我可以为不同的目的生成以上图表的更多迭代版本，但是你可以理解其中的含义。在某些时候，你必须把它打印出来。就像你在片尾要感谢的一样，这里最后一步就是把数据源放在图表的底部，让大家可以自己找到裸露的数据。

在为这篇文章准备这个例子之前，其实我对世界人均卫生保健支出并不太了解，只知道美国的支出遥遥领先于世界。这张图表揭示了这一点，并说明了差距的大小。比如比较中国。中国支出低有什么解释？我可能能猜到几个原因，包括一些显而易见的原因，比如庞大的人口基数，但这需要更深入的调查，可能还需要更多的图表。Analytics Package缓慢扩张的原因之一是，一些图表会导致更多的图表。

2008年以来希腊人均医疗支出为何下降？是因为金融危机吗？为什么日本从2012年开始扭转上升趋势？是否应该放在其他国家进行对比，如何选择最能说明问题的数据集？

在亚马逊的第一年，我花了几个月的时间收集数据并确认它们的准确性，制作这些图表，然后试图拼凑这些曲线背后的故事。制作图形的过程是理解的前奏。

为了加快这种理解，升级您的图表，使其有效和真实。有一些普遍适用的原则来指导你。简单总结一下:

不要图例；相反直接在绘图区标记数据序列。通常标签放到最右侧最近的数据点是最好的。一些人认为图例是ok的如果你的数据系列不止一个的话。我的理念是任何组织得当的曲线图都不需要。使用千位逗号分隔符让大数更易读与之相关，数据标签的精度表示永远不要超过需要。比方说，Excel往往为货币格式选择2个小数位，但大多数曲线图并不需要这个，而且往往还可以取整到千位或者百万来减少数据标签大小。如果你的数字是10亿或万亿的规模的话，你就不需要看到那些0了，实际上这反而更难读。调整坐标轴标签格式跟要衡量的数字的格式一致；比方说如果是美元的话，标签格式化为货币。注意一下坐标轴标签的间隔，如果太挤的话调整一下。正如Tufte建议那样，要尽可能减少非数据墨水但又不要影响信息传达。Y轴要从0开始（假设你没有负值）数据序列不要太多；通常限制在5到8个之内，这要取决于曲线之间的拥挤程度。在罕见的情况下，超过这个限制也是可以的；有时候数据序列量大的是点，为了显示一堆集中的曲线。这就是特殊情况。如果你的数据序列太多，如果情况允许的话考虑用折线图，比方说如果y轴在比例上适合所有折线图的话。尊重色盲用户以及那些看不清楚你图表颜色的人，比方说看黑白打印稿的，同时要有颜色以外区分数据序列的选项，比如线型。我在在Amazon处理那么多数字时，总是会将负数格式化为红色，并且用括号包含起来以防有人看不到颜色。对于异常事件要直接在图表上插入解释；你未必总能亲自去解释你的图表，如果你的图是送过去给别人的话。一定要在图表下方备注数据来源。

有时适用的其他建议:

如果大家会问那些数字是什么，并且能够简单套用的话，在图表上显示具体数据值。如果你已经有数据标签，网格线也许就没必要了。实际上，哪怕你没有数据标签可能也不需要。把数字目标值作为渐近线进入，这样可以帮助受众了解你是否趋向于达成目标。

为什么量化信息的视觉展示对我的影响这么大？如果它只是一部关于可视化的开创性著作，它将不会是我最信任的参考书之一，它将永远在我的加纳的《现代美国用法》旁边触手可及。我不会把这本书推荐给以前没做过图表的人。

这本书之所以对我产生如此深远的影响，是因为它其实是一本通过知识追求真理的书。表面上，这本书讲的是如何让图表看起来更好看；但本质上它告诉你如何让你的思维清晰的原理。看这本书，熬夜做那些图，和全公司的人交谈，了解如何解释那些图，让我找到解释过去，预测未来的方法。当你问任何人他们最喜欢的作品(电影、书籍或唱片等)是什么时候。)都是，答案不仅仅是作品本身。我看过《禅》和《摩托车维修的艺术》，我觉得它的读者不仅仅是摩托车爱好者。

好的图应该是左右脑融合，文理结合。数字本身不足以解释真相，但准确的数字，如果如实表达，是对我们道听途说、认知偏见和部落联盟的考验。

令我惊讶的是，每次看到一个可以可视化编辑的图形，我都会想到那本书的大部分内容。大部分人都比较懒，大部分人都遵循默认，地球上最流行的制表应用的默认设置都很糟糕。

原地址:http://www.eugenewei.com/blog/2017/11/13/remove-the-legend

翻译:boxi，36氪编译器出品。编辑:郝鹏程。

翻译地址:http://36kr.com/p/5131503.html

本文由@郝鹏程发表，大家都是产品经理。未经作者许可，禁止转载。

标题图来自Pixabay，基于CC0协议