在一个设计项目里，
到底要从哪一个角度切入，才能经得推敲？
找到一个你认为值得探讨的选题，开启调研，挖掘数据到数据的分析，这一个很有意思的过程。
而信息设计基本上无处不在，在现代主义的影响下，图形设计学科迅速发展，正在改变着世界对信息的理解和组织方式。
《航空货运及其存在的问题和前景》，莱斯特·比尔，《财富》杂志，1947年8月
1941年3月，《财富》杂志，“美国航空业”理查德·埃德斯·哈里森
那从制造业经济到体验经济，关注经济，共享经济，到现在的数据经济，数据又该如何结合不同的技术与媒介，去进行视觉化表达呢？
每个数据可视化，
模拟美国1790-2016移民的时代树轮
作者从自然中的树轮提取灵感，把树的生长迁移到移民变化上，讲述了美国通过多样化的移民过程。
读者也可以探索世界各地移民到美国的高潮和低谷。这个可视化的可读性、美观性和创造性呈现的非常完美。网站上有视频可以看到每一年移民的变化。
https://web.northeastern.edu/naturalizing-immigration-dataviz/
在这里你能看到117年气温的变化
●
这个可视化形式非常经典，条纹代表了自19世纪中期以来每年的全球平均气温，通过网页的交互，你还能查看不同国家不同地区在这段时间的温度变化。、
深蓝色年份比1971-2000年的平均年份更冷，红色年份更热，一目了然。
感兴趣的话，可以查看：https://showyourstripes.info/
为什么要数据可视化？
1.我们利用视觉获取的信息量，其实远远比别的感官要多得多。
2.可视化会让观众更加直观全面看待事实故事
3.人类大脑对记忆能力的限制
2019年5月，知名设计工作室 Pentagram （五角设计），宣布数据可视化设计师 Giorgia Lupi 成为其新合伙人，上次增加合伙人还是在7年前。有媒体认为：每次 Pentagram 团队增加合伙人，在某程度上已经反映了当今设计行业的发展方向以及未来战略，这次动作，或许标志着： 数据可视化已经成为品牌战略的重要组成部分了。
本期特邀澎湃新闻的数据可视化设计师：亚赛大人，与大家聊聊数据可视化。
https://wangyasai.github.io/
现居上海，在澎湃新闻担任数据可视化设计师。
自学编程两年多，最初是为了做更酷的数据可视化作品，误打误撞产出了十款设计小工具，成了业余的设计玩具制造玩家，希望用编程去解锁设计/数据可视化的更多可能性。
垃圾分类可视化手册
●
为理清垃圾分类规律，亚赛及团队从上海市垃圾分类查询平台上筛选了2055件物品的垃圾分类信息，看可视化教你如何分类垃圾。
数据来自：上海绿化和市容管理局，上海垃圾分类查询平台。
项目封面，垃圾从屏幕上方掉落，通过鼠标可以进行交互。
点击每个揉杂的垃圾可以看到是什么组成了它以及每个垃圾属性的比例。
169球回顾俄罗斯世界杯
●
世界杯落幕，一个月来32支球队打入了169粒进球。如果俯瞰足球场，将所有进球在一张图上绘出，有哪些绝妙的、惊险的、乌龙的瞬间？
亚赛大学专业是广告学，毕业后却成为数据可视化设计师，在她看来，数据可视化并不仅是“图表”，而是用设计和编程讲述数据背后的故事，发现世界的渠道。如何展示数据，如何跟观众讲这个既定事实故事，都是设计师需要考虑的。
如果说设计为了改善社会问题，那数据可视化则是让观众觉醒的一种表达方式。
Pentagram 合伙人 Giorgia Lupi 接受采访时说到：“如今人们接触到的内容越来越多，来源也越来越多，因此他们的注意力是有限的。数据可视化能够完美适合当代媒体转播的特点，明亮和引人注目的图像，单一作品内多层次的阅读，像寻宝一样越读越有滋味。 很重要的一点，作品非常容易传播和分享。 “
数据分析53027条留言背后
抑郁症患者的自救与互助
这是亚赛在今年9月，参与制作的一个项目，关于自杀干预，关注抑郁症人群。
制作团队对一个因抑郁症而自杀的女孩的微博内容进行了文本情感分析，生成了她的“情感乐章”可视化视频。
红色向上为相对积极，蓝色行下为相对消极，每根柱子的长度代表情绪的大小，通过3000多条微博看到她在微博内容背后自己的情绪斗争。
结合她发微博的时间制作了微博发布时间情况，用花瓣作为视觉呈现，真切感受到患者脆弱的无力感。
02
数据可视化
创作的7个步骤
亚赛认为环境天气类/体育项目类，数据多可视化发挥空间相对比较大，但其实只要能找到数据，什么选题都可以用数据可视化呈现。这里为大家提供几找数据的途径：统计年鉴、社交网站、各国政府统计部门、学术论文、专题报告，大概涵盖80%的数据来源。
国内先锋新闻平台，澎湃新闻开设了一个“美数课”板块，利用数据可视化的方式，解读新闻话题。结合澎湃新闻的工作经历， 她认为大家可以从以下三个方面找选题：
热点事件：比如前几天的女排十一连胜，就可以提前找数据做一个梳理类的题。
热门话题：有的话题是社会持续关注的议题，可以从深度报道、学术研究等不同管道持续关注。
关注来源：习惯性地关注一些信息来源，比如智库、政府网站、外国网站等等。
1.获取数据，无所谓是来自文件、磁盘亦或是网络等；
2.分析数据结构，分类排序；
3.过滤，去掉所有不感兴趣的数据；
4.综合使用数学、统计、模式识别等等方法来挖掘出一些特征数据；
5.选择诸如树状图、列表、树等的可视化模型来描绘数据；
6.精炼基本表示法，使数据描绘的更清楚，更具视觉效果；
7.添加一些用于控制或操作数据的交互方法。
春节禁放烟花后，
城市空气质量如何？
●
这是亚赛做过一个关于春节禁放烟花的选题，把某些城市的除夕中午12点到春节中午12点做成一朵24片花瓣（代表24小时）的烟花，对比2017年和2018年两年的数据。
通过环境质量数据来看烟花禁放政策下的效果，看到不同地区不同政策带来的影响。
详细案例：https://wangyasai.github.io/Work/firework.html
03
“如果你想要接触这个领域，就开始学编程吧！”这是亚赛给大家的建议。
她说到，刚开始学习可视化的时候，都用 Adobe Illustration（Ai），其实也能做出还不错的可视化效果。比如她之前用 Ai 做了一张北京蓝天的可视化的信息图，但它耗时相对长，很多设置也不太方便。
为了更高效地做出酷炫的可视化效果，她开始接触编程，学习了 processing，它对于没有编程基础的小白来说上手比较容易，也比较容易出效果，有学下去的动力。
因此亚赛建议大家在学习的过程中， 多看案例+找数据+用编程还原案例，这个对学习编程的思路和技巧很有帮助。
有时候看到的很多案例都不是自己所学的编程语言所做的， 那是否要学习对应案例的编程语言呢？
她认为并不需要，编程的创造性很强，很多时候不同的编程语言都可以完成一个同样的效果，所以在学的过程中，不要担心，先尝试用所学的编程去挑战一下。
编程的创造性有多高，看看亚赛设计的这几款设计神器。
向量场迹生成器
●
在这个神器中，你可以通过调整参数：颜色、线长、噪波比例、线的弯曲比例，从而改变线的运动轨迹和艺术效果。
💬
Q&A
Q： 一个数据可视化作品，一般会经历怎样的步骤？ 会有一些常看的网站吗？
亚赛：主要步骤是：数据收集、数据分析、制作酷炫的数据可视化。
Flowingdata 由加州大学洛杉矶分校的统计学博士Nathan Yau创办，他的出发点是关注个人数据收集，以及日常生活中的各种数据，分析这些数据背后的故事。这是我比较常看的数据网站，更新的速度也比较快。
Pudding 常常有一些很有意思的话题，比如女性牛仔裤的裤兜为什么更差一点、流行歌词是不是越来越重复等等，并用很巧妙的方式做成可视化。
http://www.bloomberg.com/graphics
超爱 Bloomberg 的配色和清爽明了的可视化。
亚赛：影响我最多的是 Uber 可视化团队的何珊，是我在可视化学习路上的偶像！她做的可视化案例的叙事性很强，可视化也很生动。这里顺便推荐一下她们团队做的 kepler.gl 地图工具，简单好用而且效果非常好看！
kepler.gl 是一个强大的开放源码地理空间分析工具，适用于大型数据集。
我还有一些很喜欢的创意人，例如 Processing 的开发者Ben Fry 和 Casey Reas、可视化设计师 Alberto Lucas、Shirley wu、Nicholas Rougeux、坏打印机公号运营者郑越升、PPT设计师@Simon_阿文。
Q：未来3年，你在该领域最想做的探索是？
亚赛：其实我也蛮想了解 AR 如何和可视化结合，结合不同的媒介，看看和数据会碰撞会出现什么火花。以及对于机器学习方面的研究，通过数据分析为可视化带来更多可能性。
编辑：关
未经授权 请勿转载（不免费授权）
欢迎指正和投稿：media@zuibishe.com
