極少有人能看著一組原始數(shù)據(jù)就瞧出規(guī)律所在。人類是視覺生物,數(shù)據(jù)必須要經(jīng)過解釋才能夠被人類理解。如何更好解釋數(shù)據(jù)是谷歌公司用戶體驗(yàn)資深設(shè)計(jì)組長(zhǎng)曼紐爾·利馬(Manuel Lima)的專長(zhǎng)。在聯(lián)合國(guó)可持續(xù)發(fā)展目標(biāo)的“谷歌創(chuàng)業(yè)加速器”第一堂課上,利馬擔(dān)任了“產(chǎn)品、用戶體驗(yàn)與數(shù)據(jù)可視化”課程導(dǎo)師。利馬擁有設(shè)計(jì)方面的教育背景,但為了確定如何才能最好賦予設(shè)計(jì)信息,他深入鉆研了認(rèn)知科學(xué)和人類行為學(xué)。他過去在visualcomplexity.com上開發(fā)了一套容易理解的數(shù)據(jù)庫(kù),探索不同項(xiàng)目的主題,獲取優(yōu)秀可視化方案的構(gòu)造塊。他也是一位狂熱的歷史愛好者,著有三本著作,致力于探究視覺主題(如“圓圈”),如何追溯到人類理解萬物的肇始。他在本文討論了科學(xué)和數(shù)據(jù)可視化如何攜手催生出新的見解和發(fā)現(xiàn),實(shí)現(xiàn)對(duì)社會(huì)的新影響。他與《美國(guó)科學(xué)家》(American Scientist)雜志主編費(fèi)內(nèi)拉·桑德斯(Fenella Saunders)對(duì)談,講述他對(duì)于復(fù)雜性、模式與設(shè)計(jì)的觀點(diǎn)。
曼紐爾·利馬
我對(duì)歷史數(shù)據(jù)可視化的興趣源自于我對(duì)萬物起源的執(zhí)迷。第一個(gè)創(chuàng)造圖表的人是誰(shuí)?第一個(gè)創(chuàng)造設(shè)計(jì)圖的人是誰(shuí)?現(xiàn)今的我們擔(dān)憂著諸多問題,那么,第一個(gè)擔(dān)憂那些問題的人是誰(shuí)?
大多數(shù)關(guān)于數(shù)據(jù)可視化的書都從18世紀(jì)講起,并稱之為信息圖的“黃金時(shí)代”。那時(shí)候,諸如威廉·普萊費(fèi)爾(William Playfair)、約瑟夫·普利斯特里(Joseph Priestley)和該領(lǐng)域的一批關(guān)鍵人物創(chuàng)造出最初的信息圖。但對(duì)我而言,那種說法有點(diǎn)膚淺,從一個(gè)方面來說,你要是告訴我,在18世紀(jì)之前什么信息圖都不存在,我會(huì)提出不同看法。
在我最新出版的著作《圓圈之書》(The Book of Circles: Visualizing Spheres of Knowledge)中,我嘗試盡我所能追溯圖視的歷史。我追溯到大約四萬年前,包括最早期的巖刻以及早期人類創(chuàng)造的一些視覺隱喻和符號(hào)。
接下來,就是中世紀(jì)中期(公元1000至1250年),我認(rèn)為它其實(shí)是現(xiàn)今信息設(shè)計(jì)的起源,當(dāng)時(shí)的歐洲人感覺與現(xiàn)今的我們非常相似。源于古羅馬和古希臘的新知識(shí)朝著他們撲面而來,他們必須要理解那些知識(shí)。他們?cè)囼?yàn)了許多不同的視覺隱喻。一批創(chuàng)作上非常多產(chǎn)的人士做了冒險(xiǎn)的工作。有些人想要徹底取代文字。“除掉文字,從今往后我們只需要圖像?!彼麄兙褪沁@么激進(jìn)極端。
但接著是“黃金時(shí)代”,我稱之為“第二時(shí)期”,而如今是“摩登時(shí)代”,時(shí)髦術(shù)語(yǔ)誕生于此。我們重新對(duì)數(shù)據(jù)可視化產(chǎn)生興趣,背后有多個(gè)因素。首先是數(shù)據(jù)儲(chǔ)存量的增長(zhǎng)。我們產(chǎn)生數(shù)據(jù)的能力已經(jīng)遠(yuǎn)遠(yuǎn)超過我們理解數(shù)據(jù)的能力。單單這條因素就引起數(shù)據(jù)可視化和人工智能之類工具的創(chuàng)新,從而幫助我們理解數(shù)目龐大的數(shù)據(jù)。其次是大范圍的工具民主化因素。我們?nèi)缃駬碛袛?shù)十種工具,使得任何人都能很容易在這個(gè)領(lǐng)域工作。還有數(shù)據(jù)民主化和開放數(shù)據(jù)的因素。數(shù)據(jù)變成了一種商品,任何人都能使用數(shù)據(jù)。
為何數(shù)據(jù)可視化變成時(shí)髦術(shù)語(yǔ)?以上是一些起作用的因素。但同樣重要的是展示脈絡(luò),提供歷史背景。這并非全新的情況,人類做數(shù)據(jù)可視化的工作已經(jīng)有數(shù)世紀(jì)之久。
可視化最重要的是讓不可見的東西變得可見的能力,這點(diǎn)甚至比文本或數(shù)字更具威力。無論你用文字描述某樣?xùn)|西多么栩栩如生,要更好理解它,沒有什么像看見一張圖片或圖示那樣明晰。早在人類擁有任何手寫字母表(已知的最古老字母表大約出現(xiàn)在6 000年前)之前,人類就在使用視覺傳達(dá)的手段。我們天生擁有視覺傳達(dá)的能力和需求,我們應(yīng)當(dāng)利用這一點(diǎn)。我將數(shù)據(jù)可視化視為另一種解釋的手段,能讓觀點(diǎn)更為清晰,產(chǎn)生一些可見并容易理解的內(nèi)容。
你時(shí)而會(huì)遇上我稱為“數(shù)據(jù)純粹主義者”的人士,他們說你在摧毀數(shù)據(jù),他們認(rèn)為你應(yīng)當(dāng)讓數(shù)據(jù)來說話,而不該以視覺方式來傳達(dá)數(shù)據(jù)的含義,因?yàn)槟隳菢訒?huì)制造數(shù)據(jù)偏差。
即使只是因?yàn)樵紨?shù)據(jù)對(duì)人類毫無意義,那些話對(duì)我來說也屬于胡言亂語(yǔ)。你不可能單單通過數(shù)據(jù)就獲知任何有意義的信息。數(shù)據(jù)轉(zhuǎn)換的一個(gè)方面總是需要我們?nèi)祟悂斫忉尯屠斫馑?。作為這種轉(zhuǎn)換的一部分,偏見也有可能會(huì)滲透其中,就像所有東西一樣。
抓取數(shù)據(jù)和進(jìn)行可視化分為三個(gè)階段。首先要收集數(shù)據(jù):進(jìn)行選擇和挑選出特定的數(shù)據(jù)集就是一類偏差。因?yàn)槟阕龀隽诉x擇,你本可以選擇另一個(gè)數(shù)據(jù)集。
數(shù)據(jù)分析是整個(gè)過程的重要環(huán)節(jié),在這個(gè)過程中,偏差會(huì)悄悄滲入。你可以輕易去除你不感興趣或者與你的假設(shè)無關(guān)的數(shù)據(jù)的特征項(xiàng),你也能添加其他特征項(xiàng)。在外界看不到的地方,你能對(duì)數(shù)據(jù)進(jìn)行許多有趣的操作。
最后一個(gè)階段是“視覺編碼”。在“死亡原因示意圖”中,有些形狀、顏色和尺寸都能改變的構(gòu)造塊,還有圖形的語(yǔ)法和如何有效連接構(gòu)造塊的規(guī)則。重要的一點(diǎn)是,可視化圖的設(shè)計(jì)者理解基本設(shè)計(jì)準(zhǔn)則,尤其是那些源自于認(rèn)知科學(xué)的準(zhǔn)則。
對(duì)于可視化實(shí)踐的未來而言,在數(shù)據(jù)可視化的過程中留意到道德倫理問題是至關(guān)重要的。要保持透明性,將你使用的數(shù)據(jù)保持開放。公開與數(shù)據(jù)的聯(lián)系、解釋數(shù)據(jù)處理的方式、解釋數(shù)據(jù)轉(zhuǎn)化的步驟,這些都是很好的手段。但我認(rèn)為,我們大家要永遠(yuǎn)保持審慎態(tài)度。譬如說,在新型冠狀病毒暴發(fā)的早期,社交平臺(tái)推特上有許多言論說:韓國(guó)成了疫情的重點(diǎn)地區(qū)。但在那時(shí)候,韓國(guó)每天檢測(cè)1萬人,相比之下當(dāng)時(shí)美國(guó)每天也許僅僅檢測(cè)20人。收集數(shù)據(jù)的方式顯著改變了我們理解示意圖的方式。數(shù)據(jù)可獲得性是影響可視化過程最終成果的一個(gè)方面。
有一種誤解認(rèn)為美觀在設(shè)計(jì)的光譜上是遠(yuǎn)離清晰性的,這種觀點(diǎn)并不正確。
有一項(xiàng)名叫“美學(xué)易用性效應(yīng)”的準(zhǔn)則。基本上,它是說在人類的感知中,美麗的物品比起不美麗的物品來說更容易使用,盡管事實(shí)并非如此。比起不美麗的產(chǎn)品,人們對(duì)待美麗的產(chǎn)品更加寬容。所以,美學(xué)在易用性上扮演關(guān)鍵的角色。
弗洛倫斯·南丁格爾(Florence Nightengale)在1858年繪制了這張示意圖,向英國(guó)政府展示在克里米亞戰(zhàn)爭(zhēng)期間,因病去世的人員比戰(zhàn)死的人員多多少。示意圖的右側(cè)也顯示出,戰(zhàn)爭(zhēng)第一年的死亡率更高,之后治療士兵的手段改進(jìn),降低了部隊(duì)人員的患病率
當(dāng)缺乏清晰性的情況存在時(shí),我不認(rèn)為那一定是美學(xué)或美麗的過錯(cuò)。我們不能徹底避開復(fù)雜性。但是,存在著解決復(fù)雜性的不同手段與技術(shù)。譬如說,一個(gè)能追溯到中世紀(jì)中期的方法是分塊(chunking)。它正是今天信用卡上有4個(gè)數(shù)字一組的4組數(shù)字的原因所在。這樣分塊的數(shù)字比一串16位的數(shù)字更容易記憶。那是一種將復(fù)雜性降到最低的手段。
另一種互動(dòng)設(shè)計(jì)的方法是漸進(jìn)式呈現(xiàn)(progressive disclosure)。舉例說,你在將一個(gè)網(wǎng)絡(luò)做可視化處理。你沒有一次介紹整個(gè)系統(tǒng),而是向用戶一次介紹一部分,你慢慢、逐漸呈現(xiàn)越來越多的信息。最好的例子就是電子地圖。當(dāng)你縮小地圖時(shí),你能看見整個(gè)世界??s小到某個(gè)程度,國(guó)家之間看不見邊界,只能看見一塊塊大陸。而當(dāng)你放大地圖,你看見一個(gè)個(gè)國(guó)家,接著你開始看見高速公路。逐漸呈現(xiàn)越來越多信息,不會(huì)一次呈現(xiàn)全部信息,因?yàn)槟菢雍翢o意義。設(shè)計(jì)者能采取一些手段將復(fù)雜性降到最低。
設(shè)計(jì)被歸類為藝術(shù)學(xué)科,但那是傳統(tǒng)想法。我的意見是:消除差異的一個(gè)方法是讓設(shè)計(jì)成為工科學(xué)校的課程。一些學(xué)校已經(jīng)那么做但不是太多。然后,設(shè)計(jì)師與工程師會(huì)開始更有效的合作。在大多數(shù)情況下,當(dāng)他們一起做實(shí)際項(xiàng)目時(shí),才會(huì)實(shí)現(xiàn)合作。
一個(gè)例子是弗洛倫斯·南丁格爾(1820—1910)。她繪制的這份漂亮示意圖,以視覺信息呈現(xiàn)克里米亞戰(zhàn)爭(zhēng)期間的軍人死亡情況。她驚異于有多少士兵不一定死于戰(zhàn)事造成的創(chuàng)傷,而是死于戰(zhàn)地醫(yī)院糟糕的衛(wèi)生情況。她制作了那張圖,發(fā)給英國(guó)政府,使得政策出現(xiàn)重大變化。政府開始改善醫(yī)院的衛(wèi)生狀況,這使得南丁格爾成為現(xiàn)代護(hù)理的先驅(qū)人物。她的貢獻(xiàn)令人矚目。
1991年,本·施耐德曼(Ben Shneiderman)制作了這張矩形樹圖,展示電腦硬盤的分層嵌套文件夾結(jié)構(gòu)。為了創(chuàng)造盡可能緊湊的可視化方案,他想出了一條策略,在瀏覽硬盤的不同分層時(shí),將屏幕分成水平方向和垂直方向交替的各種矩形。他的遞歸排列算法變革了樹狀結(jié)構(gòu)的現(xiàn)代可視化方案
《物種起源》的初版書中有一張示意圖。達(dá)爾文寄給出版商的信件說,將這張示意圖放進(jìn)書中很重要。這張示意圖對(duì)他的理論很重要,能解釋其關(guān)于進(jìn)化的思想是如何運(yùn)作的。這張示意圖被稱為“生命之樹”,它非常強(qiáng)大。對(duì)進(jìn)化論的許多理解來自這張示意圖。
在更現(xiàn)代的例子中,你大概已經(jīng)見過宣稱“這是互聯(lián)網(wǎng)之圖”的圖片,我總是審慎對(duì)待它。它其實(shí)夸張了,它只是互聯(lián)網(wǎng)的一張地圖。你可以制作出與之相當(dāng)?shù)臒o數(shù)其他的示意圖。但要點(diǎn)是找到正確角度,從正確視角去可視化和理解某樣?xùn)|西,這樣才能使其成為強(qiáng)大的工具。
現(xiàn)在,藝術(shù)和科學(xué)之間存在“相互影響”現(xiàn)象,尤其是在數(shù)據(jù)科學(xué)、數(shù)據(jù)可視化和數(shù)據(jù)藝術(shù)領(lǐng)域?,F(xiàn)今的藝術(shù)家(甚至是那些來自繪畫和雕塑等傳統(tǒng)領(lǐng)域的藝術(shù)家)總是受到世界上其他事物的影響。甚至有時(shí)候是他們最早留意到模式,數(shù)據(jù)集只是他們把玩的新材料。
過去,當(dāng)圖像并不總是有效時(shí),我更具批判性。我想,我們需要擁有探索的空間。我們使用和再利用舊的一套視覺隱喻已經(jīng)太久。我們面對(duì)著截然不同的挑戰(zhàn),需要探索新的可視化方法,因?yàn)橹挥羞@樣,我們才能跟上可視化新模型的潮流。我們需要做實(shí)驗(yàn),而有實(shí)驗(yàn)就會(huì)有失敗,失敗是實(shí)驗(yàn)的一部分,我們會(huì)有多次的失敗。但我們需要為創(chuàng)新投資提供空間。
資料來源 American Scientist