好图表的标准是什么？手把手教你用GLAD原则优化一张看板
“好”圖表的標準是什么？
很多讀者曾研習過國際可視化標準和方法論，標準和技巧可以羅列出數百條，但當在工作中應用時，又很難在腦海里一一閃過每條細則。最后判斷是否達成一張好圖表，往往還得憑借個人經驗。
比起基于標準規范式的方法論，基于原則的判斷邏輯，往往能以更宏觀的方式做出判斷。大師兄今天就給大家介紹GLAD原則，它既可以幫我們篩選出好圖表，更能為可視化圖表的優化指明方向。
1、GLAD原則
馬世權老師在「樂見數據：商業數據可視化思維」里提出，一個成功的商業數據可視化要滿足兩要素：
提供足夠的商業價值
幫助讀者快速理解信息
那么滿足以下GLAD原則的圖表，即為好的可視化圖表。
G（Good Data and Insight）：發現好數據與好洞察
L（Less Noise）：降噪，簡約至上
A（Accurate Expression）：精準表達，提升數據表達的準確度
D（Distinct Mark）：畫龍點睛，突出洞察信息的標識
于是我們可以根據下圖中的評分標準，對可視化圖表進行評分，滿分10分，得分越高評價越高！
2、根據GLAD原則優化一張看板
下面，我們嘗試利用 GLAD 原則對一張員工離職流動可視化看板進行優化。
優化前：
優化后：
G原則（好數據與好洞察）
數據類別的使用是否恰當?
員工流動、流失混為一體；指標晦澀難懂，內容復雜混亂。如下圖所示：
（優化前）
指標簡化，只關注員工流失，不關注員工流動，去掉難理解的指標。如下圖所示：
（優化后） （優化后）
數據指標的使用是否恰當？
比如，在職人數為時間點指標，離職人數為時間段指標，時間段指標與時間點指標混淆不清。這時可以將時間度量統一，都修改為時間段指標。如下圖所示：
（優化前—>優化后）
L原則（降噪）
是否會分散注意力，增加讀者的視覺負擔？
下圖中存在兩處問題：
標注為圖例形式，需要一一對照查看
數據信息需要點擊才能查看
（優化前）
優化：
標注改成標簽形式，和圖表近距離關聯
數據設置為直接展現的形式，并非點擊后顯示
（優化后）
顏色是否有干擾，是否直觀？
圖表系列都是一樣的顏色，平平無奇，沒有重點。可以修改系列色為藍色漸變，顏色和健康度大小匹配，健康度越低，顏色越深。如下圖所示：
（優化前—>優化后）
是否有重復性內容，增加讀者視覺負擔？
如下圖，圖例、標題重復內容較多：
（優化前）
則可以去掉重復內容：
（優化后） （優化后）
A原則（精準表達）
選擇的圖表是否合適？
五個指標量，看哪個量影響最大，選擇的堆積柱狀圖不易懂。這時可以更換圖表類型為雷達圖，更直觀地看出問題。
（優化前—>優化后）
數據的密度是否過高或過低？
2 種坐標軸，4 個指標，指標多于 3 個
36 個月的數據，數據量太多
（優化前）
優化：
刪掉流動性指標，只保留流失指標
數據量控制為一年 12 個數據點
（優化后）
D原則（畫龍點睛）
圖表整體平平無奇，無靈魂，沒有重點關注，沒有故事
優化前：餅圖只有一個餅
優化后：通過顏色和閃爍突出餅圖中占比最大的系列，顯示主要矛盾
（優化前）
（優化后）
優化前：柱狀圖折線圖只有柱子和線
優化后：給柱狀圖加預警線，超過預警線紅色顯示；離職人數最大的月份突出顯示。
（優化前）
（優化后）
優化前：條形圖看不出任何區別
優化后：系列修改為漸變色，顏色越深，健康度越低，低于一定健康度后紅色標注提示。
（優化前—>優化后）
對照GLAD原則逐個修改，這樣，一張員工離職流動可視化看板就優化好了~
我是帆軟軟件，關注我可定期收獲企業數據化建設案例以及大數據前沿技術、創新思維。
總結
以上是生活随笔為你收集整理的好图表的标准是什么？手把手教你用GLAD原则优化一张看板的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 啥？这就是一个高级报表/BI数据分析工程
- 下一篇： 职场老油条靠它升职后：还用Excel手动