用數據講故事：七種不同的數據展示方法

什麼使一個故事真正成為數據驅動呢？在某種程度上，數字不再僅僅是出現在側欄的表格，而是能夠在真正意義上促進故事的發展。

數據可以幫助我們用不同視角敘述不同類型的故事。我在Tableau Public的同事Ben Jones鼓勵我用七種不同的類型來構造數據故事（(à la Christopher Booker的七個基本的故事情節)。Jones這個想法是根據大量數據故事的分析得出的，也可以幫助人們了解一些其他東西，使數據不再受限於側欄表格。這些分類旨在讓數據成為一個思想啟動器而非我們看到的簡單直白的結果，這樣無疑提高了數據的用處。

我們通過由Freedom House（一個獨立的監測機構）整理的數據來探討一下每一種分類。這些數據將每個國家按照「自由」，「部分自由」以及「不自由」進行排名。使用這個簡單的數據組，我們可以講出七個不同的故事。角度則取決於你想通過這些數據表現什麼以及你將如何展現這些數據。

1. 敘述方式隨著時間改變

對比2001年，有多少國家在2013年被劃分為「自由」呢？事實證明隨著時間變化，這個數字在急劇下降。我們可以通過數據將這種變化變得可視化，然後再解釋導致變化的原因。

美國全國廣播公司財經頻道的John Schoen使用這種方法將Dow 30公司過去87年的歷史可視化。使用者可以點擊每十年看到數據是如何在每一次科技爆炸、70年代的通貨膨脹、甚至是經濟大蕭條時發生變化的。美國全國廣播公司財經頻道的員工基於過去的趨勢將這種可視化與未來的預測結合。

2. 由大及小

數據可以引導讀者具體深入到一個聚焦的點。用Freedom House的數據來說明，首先給讀者一張標註得分的世界地圖（整體畫面），然後讀者可以放大任意區域，比如亞洲，那麼他會看到這個地區里一半以上的國家都被標註為「不自由」。甚至再放大一些，讀者就會發現，朝鮮是所有國家裡最不自由的。

我們通過在紙媒及互動媒體上給與提示來引導讀者了解這種變化。

下面的這個例子展示了世界範圍內疫苗預防疾病爆發的數據。這個概觀展現了有多少例這種事例存在。讀者可以通過選擇國家、疾病或者年份深入閱讀。讀者可能會被引導看到一些其它相關的鏈接，比如，相比其他國家百日咳在美國更加盛行，並且文中會列出其原因。

疫苗可預防疾病的爆發 來源：未來研究中心

3. 由小及大

我們也可以逆推，這種由小視角擴展到大視角。例如，首先關注的是世界上最自由的三個國家（這三個國家可能都位於歐洲）。從這裡開始，由小及大來展示歐洲其他國家的排序，然後再次擴大到展示全球的對比，接著讀者就可以看到全世界只有超過三分之一的國家是「自由的」。

來源：Ben Jones

這是一個展示移民對住宅價值的影響的例子。讀者可以通過他或她的郵政編碼進入其當地的視圖。接著互動的篩選會提供一個全州的視圖以及一個有著全國視圖的地圖。

移民與住宅 來源：Jacob Vigdor

4.突出對比

在數據集里突出不同可以引出一個有力的敘述。最自由的十個國家都在歐洲，並且恰好距離都非常近。而最不自由的是個國家，相反的，在五個不同的地區。

來源：Ben Jones

當然，地域只是「自由」和「不自由」眾多不同之處中的一個。我們的故事可以繼續探討這兩個團體主要的不同方面，從國家政策到文化再到歷史。一個關於差異的研究是很吸引人的。

下面我們來說一個相似的故事。它基於人類發展的三維圖（健康長壽的生活，知識和較高的生活水平）比較了世界上所有國家的性別差距。這個圖表的一端的國家都差距較大，而另一端的卻基本平等。

人類發展指數性別差距 來源：Ramon Martinez

5.探究交叉點

當相交的數據中有兩條不同的線，並且一個超過另一個時，問題就產生了。這個有關自由的數據顯示出「部分自由」國家的數量超過了「不自由」的國家，繼而超過了「自由」的國家。是什麼導致了這種變化？當排名發生變化時，人們就想知道原因。

來源:本?瓊斯

自從破窗政策在1993年起作用之後，紐約時報的Sarah ryley將紐約發行傳票的數量可視化。起初它的數量急劇上升，並且在開始緩慢下降之前一直保持平穩。然後盤查數量的飆升導致了它在2010年與傳票數量的一個交叉點。就算這樣，這兩條線也沒有進行比較。然而，這個交叉點和它的組成部分可以書寫一個有關紐約執法策略的故事。

「破窗政策」之後的傳票 來源：Sarah Ryley

6.剖析原因

有時候一些原因集中到一起就像是一個迷，形成了一個大局。它們可能是加法或乘法的關係。比如，每個國家的自由程度得分都是法律、經濟和政治自由的總和。

來源:本?瓊斯

這裡有一個圖表體現了太陽是怎樣控制天氣的。這個可視化繪製了從太陽黑子到全球天氣的一些點，強調了它們之間的因果關係。

太陽黑子 來源於：馬特·弗朗西斯

7.描繪出異常值

我們被那些不同於其他的事物所吸引。我們想要知道這些異常值背後隱藏的原因和原理。

發現這些異常值有時是需要一些數據研究的。將這些有關自由的數據可視化為分散點圖，你可能會說這裡邊沒有異常值。但是將它們根據區域分解成盒圖，你就可以發現它們是分離的。

來源:本?瓊斯

這個圖體現了在2013年上半年各政府對facebook的需求數量。它清楚的顯示了美國以8200多的需求數量優勢成為了一個明顯的異常值。一個伴隨而來的故事可以點明美國政府在社會媒體監測上的立場，主要是用事例和可能的原因來解釋美國聯邦調查局不同尋常的高數量的需求。

Facebook的政府需求 來源於：Andy Kriebel

其他的故事類型？

我們僅僅是用一個簡單的數據集來探究七種不同類型故事的開端。但是正如我所提到過的，這些類型都是被作為一個思考的開端來提出的。所以我們還應該在這個列表上添加哪些故事類型呢？我們還能如何使用數據來講故事呢？在下面的評論區分享你的看法。

Martha Kang 是Tableau軟體的總編輯，在這裡她幫助記錄當代的大的革命資料。她用盡一生來講故事，現在專註於講數據驅動方面的故事來幫助我們更好的了解這個世界，甚至我們自己。在加入Tableau之前，她是一名記者，她先是在電視新聞方面工作，然後是新媒體方面。她最近在擔任KPLU的在線總編輯，一個隸屬於西雅圖的節目。在那裡，她監測過一系列項目，包括Quirksee.org的開展，（Quirksee.org是一個垂直網站，這個網站在華盛頓國家特殊的稅收制度下使她自己的兩個成功故事和一個包含五部分的數據驅動系列故事獨具特色。）Marth 也曾在KOMO nwes，美國西北有線新聞，和WLS-TV工作過。2013年，她被俄亥俄州立大學選為公共事物新聞中的吉卜林研究員。

作者：Martha Kang；翻譯：趙丹、王寶麗；校對：田甜雨；

轉自：西外譯新社:

更多相關知識請回復：「 月光寶盒 」；

數據分析（ID :ecshujufenxi）互聯網科技與數據圈自己的微信，也是WeMedia自媒體聯盟成員之一，WeMedia聯盟覆蓋5000萬人群。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！