摘要：

随着数据采集、存储和数据分析技术飞速发展，我们已经进入了一个大数据时代。如何让大量枯燥的数据变得更加直观和易于理解，数据可视化无疑是最有效的途径，基于数据为核心的交互产品设计——数字化大屏设计，是数据可视化的关键之一。 

 

关键字：大数据；可视化；图表；交互设计

 

一 研究概述

1.1. 研究背景

 

 

    图1：常见大屏样式

 

BI（Business Intelligence）即商务智能，它通过将数据进行有效的整合，为企业的经营和决策提供一整套的解决方案。

而数据展现的载体，除了我们常见手机、平板、计算机等介质可作为数据的展示载体外，大屏（图1）已经成为数据集中展现的新平台。

顾名思义，大屏最为突出的特点就是面积巨大，因此它可以承载大量的数据给观看者带来强大的视觉冲击力，这也是许多政府机构、媒体、企业等选择使用大屏作为数据展现载体的重要原因。但如果仅仅是数据的堆砌是远远不够的，所以，作为设计师，我们需要做一些什么呢？

一张大屏的页面，对于数据的提供者而言，他希望的是将杂乱无章的数据建立起联系，告诉观看者这些数据的主题和关系，但实际上观看者看到这样一个屏幕时，往往是被大量的数据弄晕了，主题是什么？重点是什么？完全不知道应该从哪开始，对于展示性的平台，观看者将很快失去继续观看的欲望；对于指挥性的平台，直接影响的就是工作的效率。 

当数据可视化变成数据堆砌，所谓的直观性和易读性也将不复存在。

 

1.2. 研究现状

我们查阅了大量相关技术资料和文献，很多资料中只介绍了大屏投射的技术原理、怎么美化信息图表给用户带来视觉冲击力，内容但大多停留在技术或者是纯粹的视觉美观层面，用户到底想通过大屏展现和获取哪些信息；一张巨大的屏幕，用户的观看习惯是什么；相对于其他载体，大屏在数据可视化展现方面有什么特点；如和定义一个大屏的主题等等，结论缺乏系统性和落地价值。我们重新研究了大屏数据可视化展现的本质，是为了帮助我们深入探索数据可视化是如何通过大屏与观看者产生互动的。

 

1.3. 研究内容

本次研究我们将通过多个大屏项目分析设计与数据可视化展现的相关性，如何使数据可视化针对用户更加友好，主要包含如何确立大屏的主题、如何使观看者达到最为直观和舒适的观看体验、如何避免过度的数据可视化等等。

二. 研究过程

2.1. 研究对象的确立

 

我们整个研究过程贯穿于5个大屏可视化设计项目中，我们深度观察和访谈36名用户，其中9名为数据提供者；另外27名为观看者，这些观看者在参观大屏之前，对于大屏的业务主体都有一定程度的了解，是项目行业内的人员。

 

2.2. 研究指标

根据研究内容和研究对象，我们主要采用观察加访谈的定性研究方法。针对这些用户，我们主要结合以下三个方面进行分析研究：

2.2.1. 真实需求

数据的提供者通常会告诉我们一个设计方向，然后会将他们的数据作为需求提供给我们，很明显，这些数据并不是真正需求，他们真正的目的是什么？他们想让观看者获得的信息才是真正的需求。我们认为，这需要站在数据提供者和观看者双方的角度去考虑， 

2.2.2. 观看场景

大屏所处的环境大多是在一个固定的空间之中，例如会议室、办公大厅等等，在这样一个巨大屏幕面前，怎样的距离能使观看者达到最佳的观看体验；我们可以是否可以通过设计，让适合观看的范围扩大。 

2.2.3. 数据易读性

所谓可视化，是否就是将一组组数据转化成不同样式的图表，图表就一定比数据更易理解吗？对于观看者来说，怎样的数据密度是最容易接受的呢？

三. 研究洞察

通过梳理观察报告和访谈结果，我们通过对比5个项目开始的需求和最终的展示结果，发现其中4个项目最终的展示结果和开始的需求存在较大的差距。于是我们又对访谈报告进行，不难发现客户对于展示需求是有共通性的：

 

1) 数据的联系、对比与挖掘。对于数据提供者而言，他们提供的数据往往是独立存在的。而他们真正的目的，是想让这些数据建立起联系；举个例子，某客服中心在某段时间的诉求量激增，如果只是将这段时间的诉求变化趋势展示出来，无论对于数据提供者还是观看者价值都是很小的，所能获取的信息量十分有限，但如果将诉求量的变化趋势与这段时间的热点事件以及政府的处理措施相结合，那么数据的关联性就体现出来了：诉求量激增的原因是某一热点事件引发的，而在政府部门的快速响应之下，随着事件的解决，诉求量又重新回归了平稳。通过数据的对比，我们可以将多组数数据间的联系展现出来，挖掘出数据背后的价值。

2) 展示的重点在于观看者所属的用户类型。简单来说，观看者其实就是我们最主要的用户，大屏所展示的重点应该是为观看者服务的。同样的数据，领导关心的可能是执行效率；而对于员工而言，完成量、满意度则更为重要。观看者的类型是确定大屏主题方向的重要因素。

 

3) 设计丰富但具有层次感。在项目中常常会遇到这样的问题，客户在开始时一般会要求展示效果要饱满，每一屏的数据要丰富，但如果按照客户的要求，将大屏的页面设计的十分紧凑，那么在演示设计效果时得到的答案往往是这样的：数据量这么大，我不知道该看哪里了。没错，大屏最为突出的特点就是屏幕尺寸巨大，如果设计时盲目的添加数据而失去了主次的关系，观看者的最大感受就是无从下“眼”。

 

3.1. 数据可视化交互设计中常见的问题

在对于大屏的设计过程中很容易受到下列问题的影响：

3.1.1. 观看距离的重要性

 

 

     图2：大屏的合适观看距离

 

如图（2）所示，宽度为1.5m的屏幕适合观看的距离为5m左右，从项目中可以发现，80%大屏的宽度在6m到12m之间，这样的屏幕大小，观看者需要站在10m以外的范围进行观看，才可以完全看到整张屏幕，但由于场地限制，例如座位离屏幕距离较小，观看者视线难以覆盖整张屏幕。

3.1.2. 为“美”而选择图表

为了满足客户视觉冲击力强、炫丽、独特等设计要求，设计的出发点经常是把“美”放在第一位的，也许观看者第一眼看到这样的页面会被“美”所吸引，一旦深入理解，就会发现华丽的图表所展示的数据并不直观。

3.1.3. 我的鼠标在哪？

通过后台控制的大屏不会出现这样的问题，但如果是演讲者在现场进行操作，最尴尬的一幕出现了，鼠标或者是指示点相对于大屏会显得十分渺小，页面没有反馈的机制，那么冷场、尴尬的局面难以避免。

 

四. 研究结论

4.1. 不同的观看者，不同的展示重点

大屏的设计其实类似于设计一个产品系统，每一个大屏所面对的角色必然是不同的，可能是单一的、也可能是多种角色，而这些角色所关注的重点必然是我们所要展示的重点。

准确的了解观看者的角色和进行用户洞察本身就是一门艺术，这不是我想重点说的，而是在确定观看者的角色之后，我们的展示重点应该是围绕着他们来进行的，实际上是这是一场无声的交互，从大量的数据分析开始，每一个字段、每一张图表，都是从需求层面帮助观看者可以更加的专注。

 

4.2. 场景化页面设计

相对于其他数据可视化的载体，大屏更加注重的就是场景化的设计。观看者距离大屏的距离、观看的角度、参观的路线、控制方式等等，这些都决定我们交互设计的方向。

我们需要现场的去感受观看者的体验，站在不同角度去研究屏幕，根据观看的距离，我们的一个主题是覆盖整个屏幕还是半个屏幕，字体的大小也是根据场景来确定的；从观看者入场位置来看，最先关注到是屏幕的什么位置，在别的观看角度上，这位位置的显示效果是否清晰，决定的我们每个主题重点内容的归属等等

我们需要把自己转化为一名观看者，沉浸于场景之中体验自己与大屏的互动，这种非接触性交互是决定观看者体验的关键。

 

4.3. “正确”的可视化图表

 

 

图3：炫丽的图表

图4：正确的图表

 

无论用户还是设计师在看到（图3）时很容易被震撼的视觉效果吸引，但观看良久，我们会发现依旧难以理解这些图表究竟想说明什么。

最好的做法是，选择好一张图表后，就近找到一个人，看他能否在短时间内明白图表所要表达意思，正如（图4）所展示的，只需要几秒钟，就可以理解是要告诉我们正面、中立、负面这几种类型数据的占比。

简而言之，“正确”>“美”。 

 

4.4. 良好的反馈

如果演讲者通过前台控制大屏，快速找到自己焦点是十分关键的，将控制点转变成面的反馈， 例如当控制点指向某张图表，这张图表将会被放大，可以帮助演讲者和观看者快速聚焦。

同时，减少点击、弹出等事件可以有效减少操作上的负担。

五. 总结

数据可视化不仅仅只是简单的工具的使用，更不仅仅是数据呈现的工作，关注数据挖掘和分析的发展具有相当重要的现实意义，数据可视化便是普通用户与大量数据进行交互的有效途径，大屏作为政府、企业、媒体等进行数据展示的重要载体，它在交互性上的特殊性，需要我们：

1、 站在观看者的角度进行思考。他们关注的内容是什么，决定了展示方向。

2、 结合展示场景进行设计，距离、角度、路线等等都是需要考虑的因素。

3、 不要为了可视化而可视化，图表不一定就能带来理解性的提升，图表的选择应该以“正确”作为标准。

4、 良好的反馈最大程度的减少操作负担。

总而言之，基于数据可视化的大屏需要更多体验和参与式的交互设计。

 

 

 

参考文献

 

a)  [美]Nathan Yau， 向怡宁译. 鲜活的数据——数据可视化指南[M]. 北京： 人民邮电出版社， 2012.

b) [英]维克托·迈尔舍恩伯格， 肯尼斯·库克耶， 周涛译. 大数据时代[M]. 杭州： 浙江人民出版社， 2013.

c) 10 Heuristics for User Interface Design: Article,Jakob Nielsen