最近在新加坡新闻网站看到一组数据图表，既一目了然地看到早前新加坡疫情的形势，又对图表的外观感到非常熟悉。这些图表都保留了Microsoft Office中数据图表样式的原生态。甚至可以说，这些设计风格把我们带回了20多年前。
为什么看起来像20多年前的图表呢？是因为上面引用的图表都具备了这几个设计特征：
-
-
-
在工作中遇到的很多图表，像政府部门报告、学术研究报告等，多数仍然采用类似的图表样式。像这种改变了颜色和背景的图表，可能已经算得上别出心裁。
其实数据图表的设计，和PPT视觉设计的其他方面一样，都有规律和原则可循。数据图表的制作和设计本质上就是一个由枯燥的数据转化为可视的、生动的图表的过程。这不能不令人想起近代思想家严复在翻译《天演论》时针对翻译提出的“信达雅”。
严复在其《天演论》的“译例言”中首先指出：“ 译事三难：信、达、雅。求其信，已大难矣！顾信矣不达，虽译犹不译也，则达尚焉。”
“信”指意义不悖原文，即是译文要准确，不偏离，不遗漏，也不要随意增减意思；“达”指不拘泥于原文形式，译文通顺明白；“雅”则指译文时选用的词语要得体，追求文章本身的古雅，简明优雅。
严复（1854-1921），近代启蒙思想家、翻译家、教育家
对于PPT中的数据图表而言，“信达雅”可以理解为这几个具体的设计要求：
信——准确反映数据样本所包含的特征、规律或趋势，这是统计学上的意义；
达——符合色彩区分、形状大小、可识别度、数据墨水比等演示设计基本要求；
雅——与演示文稿的的整体设计风格相融合，在外观和细节的设计上精益求精。
我们以上面列举的几幅数据图表为例，它们在“信”和“达”两方面已经做得相当不错。不论是数据图表的选用，还是数据墨水比，都很精准而到位。这里特别需要解释数据墨水比（Data-Ink-Ratio）。
Edward R. Tufte在数据可视化的鼻祖级著作《The Visual Display of Quantitative Data》一书中，就提出：
A large share of ink on a graphic should present data-information, the ink changing as the data change. Data-ink is the non-erasable cor of a graphic, the non-redundant ink arranged in response to variation in the numbers represented. （图形上的大部分墨水应该呈现数据信息，墨水随着数据的变化而变化。数据墨水是图形的不可擦除的核心，是根据所代表数字的变化而排列的非冗余墨水。）
所谓的数据墨水比，就等于图形中的数据墨水量除以图形中的总墨水量。
数据墨水比太小，就意味着数据墨水太少、非数据墨水太多，容易造成视觉干扰。例如各种不必要的辅助线、用以修饰图形的美化效果等，都属于非数据墨水。相反，数据墨水比较大，意味着数据墨水在整个图表中相对较多，图表就显得清晰可读。
上面列举的数据图表中，除了必要的数据标签等图形外，基本没有多余的辅助线和网格，所有数据图形都清晰可辨，在数据墨水比上达到了一个良好的水平。
“新加坡自疫情发生以来的境外输入病例”和“新加坡每日确诊病例”两张图表，虽然同样是连续的数据，但前者使用了包含反映数量积累的面积的条形图，后者使用了由数据点组成的折线图。这样的差异，当然上不到定积分的难度和高度。通过图表上标注的一些解释文字就能看出端倪：
连续51天居三位数，峰值是1月9日的587起——前者突出单日的输入病例数，并会对每日的数值进行特定的比较，因此使用既能表示单日数值又能反映长期以来的波动情况的条形图，是合适的；
原始病毒波、德尔塔波、奥密克戎波——后者突出每日确认病例数组成的线性走势，从而把握不同毒株传播感染的规律，去除单日确诊数值下的面积，更能看清楚曲线。
尽管上面这些数据图表，都做到了“信”和“达”，但在“雅”方面还是有很大的提升空间。这也是为什么第一眼看到这些图表，会感觉回到了20多年前。
上面的数据图表所使用的颜色，都是从调色板中调用的原色。而在过去很长一段时间，由Excel生成的图表的默认色，实在令人印象深刻：
这样的色彩的确区有较强的区别性，但从Office 97沿用下来，不免令人生闷。此后Office 2007对默认色作了很大的调整，直到Office 2013又有新的变化。虽然说这些默认的色彩都算得上缤纷，但默认不等于必须使用，在设计PPT的数据图表时，可以根据设计主题适当进行颜色上的调整。
下面我们引用前面来自于新加坡的几张数据图表，进行修改并将作为案例，介绍一下PPT的数据图表如何围绕“信达雅”的原则进行优化。
上图是新加坡2月14日当天新增本土病例的年龄结构分析，以及对过往10日的数据对比。这里仅对当天数据的图表进行重构。
我们知道，年龄段是递进分布的，而原图使用的饼图在呈现各年龄段病例比例的同时，很难看出年龄的递进，特别是类比线性的轴向分布。所以我们尝试把饼图调整成条形图：
调整成条形图后，各年龄段的分布就按照一般的视觉认知从下至上规整地呈现。不过，还存在一个问题：呈垂直分布的病例数及比例，看起来并不在一个整体内，不好对比整体与局部的比例关系。于是我们再作调整，把条形合并在一起。
需要说明的是，数据标签的位置应该符合主次。例如数值和比例是主要的，数据类型是次要的、具有说明性质而非实质数据，因而数值和比例的标签不论是由图表内直接生成，还是在外部添加，都在设计上更显著。
上图是新加坡2月14日住院病人疫苗接种情况图。这张图的特点是，四组数据全部做成了饼图。四个饼图以2*2的矩阵放在画布上，呈现的却是另一种二维关系：一个维度是未完成接种、全程接种、加强剂三种接种进度，另一个维度则是从普通隔离病房、普通输氧、ICU输氧观察、ICU病危插管四种病情严重程度。
如果将四个饼图并列放置，似乎能更好地呈现四组数据、两个维度的对照情形。于是我们作了调整。
经过调整后，四个饼图显得更清晰，幻灯片上通过背景和图标等设计，也显得更加生动。
