從數據屬性和設計邏輯再審視數據可視化

張瑤，魏東

【視覺傳達設計】

從數據屬性和設計邏輯再審視數據可視化

張瑤，魏東

（中國傳媒大學，北京 100024）

提倡關注數據的客觀屬性和數據情感，以數據思維和設計邏輯為基礎重新建立數據可視化設計模型，在此基礎上，對設計環節中的內容進行問題的提出與延展，企圖尋找有價值、值得被關注的問題，避免設計模型成為一成不變的方程式，同時將設計思維與數據科學更好地結合起來，為未來數據可視化的設計實踐提供新的視角。再審視包含對“數據”的再審視以及對“設計邏輯”的再審視，在“數據”與“數據思維”內涵的辨析與自定義的推動下，以數據可視化案例的演繹為依據，從數據可視化設計邏輯的角度，觀察可視化設計的關鍵環節。數據呈現方式具備多樣化的形式，且設計形式與數據屬性密切相關。建立以“認識、創建、評估”3個階段為基礎的數據可視化設計模型，避免忽視評估階段，同時在實際設計中，設計師需要同步參與這3個階段。

數據；數據思維；數據可視化；設計模型；數據情感

新媒體理論家列夫·馬諾維奇（Lev Manovich）將數據可視化看作是21世紀的重要產物，正如攝影和電影對20世紀的意義一樣。數據可視化應用呈現指數級增長的背后彰顯的是數據可視化認識論與美學范式的轉變，這種轉變不僅代表著數據類型與獲取方式的變化，更是新媒體擴張對視覺文化提出的挑戰。數據常以“大數據”“數據驅動”為前提進入各個領域，越來越多的管理者和專業人士基于數據可視化提出了決策與觀點。在多方發展與需求下，一種數據可視化的共識漸漸浮現出來：在設計中用于顯示信息的形式是對復雜內容的簡化描繪，而不是純粹的復雜展示。這似乎為數據可視化設計成果劃分了“優級線”，這種由“復雜”轉化為“簡單的解釋”是數據思維的推動，以及利用數據可視化的設計邏輯所產生的結果。本文試圖將視角融入關于數據和數據思維的解釋中，根據數據的屬性和數據可視化的“設計邏輯”建立新的數據可視化設計模型，并在設計環節中強調關注數據的語境和展現形式中的情感要素。

1 以數據為核心的術語

在談論到“數據可視化”時，“可視化”與統計學中的詞匯常作為辨析詞出現，因為它們作為設計手段與理論支撐是實現可視化的基礎，但鮮少辨析“數據”一詞，追其緣由，“數據”已被看作是常態的、附于可視化手段下的、隨著問題的提出自然出現的詞語。這種對“數據”的忽視，從數據本身來看，使其僅作為“數值”存在的狀態無法得到更新。從表達方式來看，過于重視“可視化”，忽略了一些以“數據”為核心的概念，例如數據人文主義。無論是數據思維還是數據可視化，一切出發點都是“數據”二字，因此，筆者嘗試對“數據”進行辨析，從而降低“數據”認知的局限性。當然，辨析的目的是期望為數據的理解提供多個視角，并以此為基礎來創建“數據思維”的定義與“數據可視化設計模型”。

1.1 數據

數據，英語為“Data”，于1640年左右被首次使用，來自拉丁語“Datum”，意為“給予與呈現的事實”（A Fact Given or Granted），在古典時期解釋為“在數學問題中作為計算依據的事實”，在哲學上解釋為“被認為或假定為事實的事物，是推理或計算的基礎”，從1897年起被解釋為“收集數字事實以備將來參考”。1946年，“數據”一詞首次被用來表示“可存儲的計算機信息”，接著“數據處理”“數據庫”“數據輸入”等與計算機操作有關的術語陸續出現。在網絡時代，文本、音頻、視頻和圖像等網絡產出物皆屬于數據，成為計算機信息系統中的非結構化數據。目前，“數據”一詞在《牛津英文辭典》中有2種解釋：尤指事實或數字，收集起來以供審查和考慮，并用于幫助決策；以電子形式呈現，并可由計算機存儲和使用的信息。不同時期，數據的側重點不同，“數據”作為詞語出現在人們視野中的時間較晚，但對“數據”的使用可能從75 000年前石塊記刻（布隆博斯赭石）時就已經開始了[1]，它成為人類記錄和量化世界的第1種方法，代表著一種隱性信息，等待著專業知識和工具的塑造和使用。由此可見，數據保存可以有不同的形式，如符號、痕跡和工具等，例如中國的算盤作為工具為數據提供了短暫的保存功能。

1.1.1 數據作為事實、符號與信號

數據的概念是寬泛的，不同學者對其進行定義的角度也不盡相同。其中較為著名的是基于知識管理領域DIKW（即數據、信息、知識、智慧）層次結構對數據的解釋，在此背景下數據被歸納為事實、符號與信號（Fact、Symbol、Signal）[2]。當數據作為事實時，數據是缺乏上下文解釋（語境）、離散、客觀的事實，可獨立存在，但數據本身不存在意義。有學者將數據描述為“可以記錄且具有隱含意義的已知事實”[3]，這里的“意義”和“事實”分別映射數據和信息的聯系。Stonier認為數據是一系列不相關的事實和觀察，可以通過分析、交叉引用、選擇、分類、匯總或以某種方式組織數據來轉化為信息，而信息是通過關系連接來賦予意義的數據[4]。數據作為符號源自數據可以儲存符號，符號包括文字、數字、圖表和圖像（靜態和/或視頻），它們是溝通的基石[5]，以記錄為目的。數據作為信號大多是主觀的，與人的感官感知相關，信號包括對光、聲音、氣味、觸覺等的讀取。如果信號能夠被“用戶”解釋，那么數據即是可以被感知的，這就需要對數據的承載媒介進行考慮，考慮除視覺外其他的感知形式。

1.1.2 大數據

數據的類別和體量影響著設計的目的、方法和形式。“大數據”以數據量、速度和多樣性等特征區別于一般數據類型[6]，在進行捕獲、整理、管理、處理等活動時都需要計算機的支持。每天，人們會創建數萬億字節的數據，這些數據來自于氣候、社交媒體網站、購買交易記錄、GPS信號等渠道，不斷產生的、擁有龐大體量的數據可以被稱為“大數據”。大數據提取技術的成熟、可訪問性的增強及海量數據結構所引發的美學挑戰等，使“大數據”成為目前“數據可視化”研究的主要內容。與大數據相對的是小體量的數據，典型的是個人數據，個人數據被看作是個人日常生活中產出的內容——一段旅程、一段聊天記錄、一段社交關系。個人數據所展現的獨特視角與人文關懷同時也可以作為數據可視化設計實踐的素材與主題。

綜上，可以發現：數據即事實、符號與信號；當今世界所依賴的數據，本質上更具計算性，但它們既不能理解也不能模擬人們大腦進行工作，因此在傳達時，需要考慮用戶的思考方式與感知行為；“數據”往往與“信息”捆綁，從啟蒙運動到近代，數據一直是信息的載體。相同的數據在不同的背景下會產生不同的含義，為了更好地提取或推斷信息，需要考量數據語境這一因素。

1.2 數據思維

“數據思維”既不是一門學科，也不是數學的一個分支科目。該術語由馬里奧·法里亞（Mario Faria）和羅格里奧·帕尼加西（Rogerio Panigassi）于2013年創建。“數據思維”沒有標準化的概念與訓練步驟，對此，國內外學者提出了自己的看法。凱倫·斯萬（Karen Swan）認為數據轉換以及這種轉換所支持的論據是數據思維的核心，他指出了3類數據思維：制定和回答基于數據的問題；使用適當的數據、工具和表示形式；開發和評估基于數據的推理和解釋[7]。這三大類數據思維在一定程度上適用于描述數據可視化設計流程中數據思維的過程，從選擇與數據相關的主題開始，有序、合理地組織數據和信息，最后基于顯示內容進行評估與結果推測。王漢生[8]對“數據思維”進行解釋時，引入了“回歸分析”，將回歸分析喻為“道”和“術”，在“道”的層面上，回歸分析是一種思維方式，在它的指導下可以將“業務問題”轉換為“數據可分析的問題”；在“術”的層面，回歸分析是一種可以運用的分析工具，這種思想指導與操作落地的結合是筆者所認同的。2位學者分別從微觀（具體類型）與宏觀（概括性總結）的角度進行了關于數據思維的描述。

在此基礎上，筆者對數據思維進行了自定義：數據思維（Data Thinking）是“將數據轉化為信息”或“通過數據操作使信息清晰傳達”的“上層建筑”，待解決的問題與事件可以使用“數據分析”的方式來處理與表現。基于創建的模型（見圖1），在數據可視化設計中可將“數據思維”細化為：根據“認識、創建和評估”3個步驟進行的思維指導，認識——用數據來表達物理世界的對象與聯系；創建——對象（數據）關系結構化的表達；評估——基于表達的結果，通過數據分析進行探索與決策。“數據思維”結合了“識別、理解、創建、洞察和交流”等能力。值得注意的是，此時的數據思維屬于意識層面，而非實踐層面，即數據思維并非等同于數據可視化模型，可視化的過程需要設計邏輯的參與，例如數據可視化模型中包含了關于數據映射（可視化編碼）的創意階段，數據思維可以使這種映射內容更加豐富、準確。

圖1 基于數據思維和設計邏輯的數據可視化模型

2 基于數據思維和設計邏輯的數據可視化模型的建立

在設計學科數據可視化的研究中，討論視覺要素與呈現方式的內容居多，但也有學者根據自身研究的側重點來建立設計模型，例如陸菁等[9]基于用戶體驗進行的數據可視化模型研究，蘆影[10]在《智造技術驅動的設計與廣告的計算創新》中提到的數據可視化的一般模型。國外學者Kaushik闡述了數據可視化的設計步驟以及涉及的相關知識。首先從所有可用的來源對數據進行收集，然后基于可能產生的聚合意義對數據進行分析。在此之后，對數據進行圖形解釋。最后一步，用戶與圖形進行交互。該步驟中包含理解給定數據的大小和基數、確定要交流的信息種類，以及根據目標受眾處理視覺信息等內容[11]。這種框架忽視了創建的出發點和評估層面，在此基礎上筆者建立了新的數據可視化設計模型。與其他的數據可視化模型相比，該設計框架圖依據“數據思維”與“設計邏輯”更加清楚地劃分了流程模塊，并且增加了一般框架圖被簡化的內容。

2.1 認識

認識階段分為“識別與理解”。“識別”是對出發點的甄別，數據可視化的創建既可以從“發現問題”出發，也可以從“表現事件”出發，兩者在評估階段的區別為：發現問題專注于設計結果對問題的解決；表現事件更關注觀察的趨勢和捕獲的信息，從中發現問題后再進行研究。“理解”代表著對問題或者事件的變化、動態、因果關系，以及用戶基礎的深入了解與思考。從“認識或者定義”該事件開始，以約翰·前田（John Maeda）創造的可視化系統為例。首先，他提出了一個問題：領導者如何有效地管理被領導層，規范被領導者在分層體系中的工作。這是一個比較寬泛的問題，通過他對作品的闡述以及最后呈現的結果（見圖2），可以推斷出他對這個問題的“認識與定義”為：領導者這個角色的關鍵在于建立原本不可能的聯系，并且希望一些驚喜的事情可以發生，能夠用領導力來連接不同的人。基于對這一問題的認識，他開始量化問題、搜集數據，例如部門的分布、部門績效、部門員工的專業技能等，再從這些數據中尋找聯系，例如跨部門技能（使領導者能夠在第一時間找到適合跨部門交流的人員），以及與上級領導進行交流的工具等。最后基于用戶主體創建可視化的視角，以領導者的需求為核心建立系統，無論在等級制度還是分層結構中，用領導力來連接不同的人。最后呈現出的作品是他利用Powershop創建的交互式領導者可視化系統。對問題和事件的清楚認識與定義是成功建立數據可視化的基礎，否則在評估與體驗中會產生不符合預期的情況，導致“回爐重塑”。

圖2 前田交互式領導者的可視化系統

2.2 創建

數據可視化是數據與圖形元素之間的映射，創建階段就是將數據編碼為圖形的設計過程。這一階段分為4個步驟：明確現有數據的維度；進行數據的圖形編碼與圖示標注；檢查內容與數據；考慮最終的呈現形式，可以通過“互動”“動態”“靜態”[12]與“物理可視化”[13]等形式呈現。在這個階段需要注意的是，當數據轉換為信息傳達給人們時，需要統一的語言，因此在表現形式上，考慮受眾或用戶的文化與生活背景，可以創造恰當的設計隱喻，與最初定義的目標保持一致。在保證信息準確傳達的同時，也要注重作品整體的視覺品質，使傳達的數據、設計形式與主題之間產生聯系。

2.3 評估

第3階段是“評估”，評估主要包含2個層面。首先是對利用數據可視化來解決問題或幫助決策的最終成效進行評估，這是對產品使用者需求的滿足和開發者效益的論證。若未達到目標，則需要進一步對數據可視化的設計層面進行評估——數據的圖形編碼對用戶體驗的影響。如果可視化作品的呈現使人難以找到隱含的“解題規則”，使人觀察起來比較困難，或者在形式上產生歧義，導致錯誤的推斷，那么，顯然作品需要進行設計的優化。例如，全球流感病毒基因序列數據庫（GISAID）對Covid-19疫情數據動態圖的變更，避免了后期的誤讀。該層面的評估會根據用戶體驗返回第1部分或者第2部分，進行重新定義或者形式轉換，這一部分往往是模型中容易被忽視的環節。值得注意的是，用戶對數據可視化作品的體驗又可以分為2個層面，一是基礎認識，二是情感認知（盡管當用戶形成更快、更清晰的基礎認知時亦可幫助其形成情感認知，但在此提到的情感認知更多的是排除基礎認知之外的因素）。國內關于數據可視化情感要素的研究多集中于敘事形式，并期望產生共情。以下將基于數據可視化設計模型，從聚焦人文關懷的“數據”與“形式”角度，對用戶與數據可視化作品的關系進行更深層次的探索。

3 數據和設計形式中的情感訴求

“數據”和“形式”分別代表了數據可視化設計模型中的“認識”和“創建”階段。文章分析了數據存在的客觀屬性，但數據語境所帶來的語義允許設計師尋找數據理性中感性的一面。這一思考源于Lupi[14]所提出的“數據人文主義”（Data Humanism），數據人文主義的重點在于“使用數據來揭示數據背后的人類故事”，要求以更人性化的方式看待數據，人性化表現在“數據的收集、處理、設計和展示”等包含同理心和人性處理的環節（見表1）。Lupi在“數據人文主義”的概念中提出了自己的一套方法論，從其著作與作品中可以清晰地看出她所推崇的理念。筆者將其總結為：數據的語境情感，以及可視化的視覺情感（見圖3）。

表1 Lupi提出的數據人文主義的特征

Tab.1 Characteristics of data humanism proposed by Lupi

圖3 數據和設計形式中的情感訴求

3.1 數據的語境情感

數據的語境情感來自于對數據背后故事的觸動與共情，例如一位藝術家將祖母給他講述的寓言故事轉化為數據，并制作成一個手工花瓶，在這里數據不僅是數字，更暗含著親情的羈絆。斯蒂芬妮（Stefani）和喬治·盧皮（Lupi）進行的為期1年的數據繪制明信片項目（見圖4），現已印刷成書《Dear Data》，原明信片被MOMA收藏，這種方式類似于一種“慢數據”的傳輸，通過收集并手工繪制個人數據再以明信片的形式發送給對方，同時把圖形解碼的“鑰匙”放在其中，讓收件人能夠破譯圖形密碼。在這里，數據成為情感溝通的橋梁，這個溝通包含了自我溝通（個人與生活的溝通）和2人彼此的溝通。這種方式是故事性的、趣味的，在記錄的同時，也可以發現一些生活中關乎個人的趣事。這種形式對記錄與溝通的方式來說也是突破性的，數據不再沉默了，它開始說著人類的語言，代表著人性。此話題除了是對數據與情感關系的思考外，還是對數據的選擇與表現手法的探究，設計不一定局限于大數據的計算手法以及計算機操作的表現手段，或許回歸身邊的數據，嘗試自然、手工的表現手法才能夠帶來驚喜。

圖4 Lupi的《Dear Data》

3.2 可視化的視覺情感

視覺情感關乎數據可視化的創建形式，在滿足使用功能的同時，從產品的使用場景、用戶的心理與行為習慣等特征出發，突破數據可視化自19世紀以來就存在的常規的表達形式。設計師Guillaume更新了傳統運動界面的可視化形式（見圖5），在視覺設計中，整體采用了CD光盤的形式，與個人運動時的聽歌習慣建立起了聯系，打破了原有冰冷的數據折線顯示，增加了互動環節，為跑步帶來了更豐富的體驗。這種設計方法所遵循的概念便是數據人文主義，關注用戶體驗，在視覺上能夠有效地處理數據與用戶的心理認知問題。另外，這里所說的視覺，并不意味著產出的形式拘泥于平面或限制在屏幕內，也可以是空間化的表達方式，因為各個知覺對人接收和處理信息都有不同層面的作用[15]。

圖5 Guillaume從傳統運動APP界面到依據個人情緒/興趣的運動界面

3.3 情感評估

本次研究暫時擱置了往常以“美學價值和交互行為”為主的情感測量方法，基于上文提出的情感訴求和數據所帶來的情感表征，情感評估更應該聚焦在“反思層面”，這種“反思”關注的是情感所能夠激發的行為——“定醒吾身”。例如，從傳統運動APP界面到依據個人情緒/興趣所設計的運動界面，在用戶使用時除了能夠帶來良好的體驗外，用戶或許會被激勵去主動運動，開始關注自己的健康數據。再如斯蒂芬妮和喬治·盧皮制作的個人數據明信片，每一次的記錄都是對自己生活狀態、社交關系和親情來往的提問和反思，在一系列的反饋與用戶追蹤中，設計師或許會開始認真考慮數據可視化背后的情感訴求，以及其帶來的生活價值。

4 基于模型關于個人心率數據的可視化界面設計

1）認識。該實踐源于身邊陳同學對心率異常問題的關注，心率異常可能會表現出心律不齊或胸悶頭暈等癥狀，除了先天性和劇烈運動帶來的癥候，針對這一問題，筆者嘗試探索該癥狀與個人生活習慣的關系。為了更有效地認識問題，首先與陳同學進行了關于其日常習慣的溝通，探索可能會對其心率產生影響的重要因素，并很快地確定了她的用戶身份——咖啡愛好者。喝咖啡已經成為一些人的日常飲食習慣，或許適當飲用咖啡對一般人群來說并不會產生明顯的影響，但對具有遺傳性心率問題的人群來說，不當飲用咖啡所帶來的心率問題會比較突出。目前，一般的心率檢測方式為佩戴手環，通過設置手環能夠實現自動或手動監測，隨后將監測的數據傳送至手機界面，界面的心率視覺表現方式往往為折線圖，這種折線圖是無差異化的數據顯示方式，當用戶在某個時間查看時，并不能回憶起或知曉當時產生數據的語境。在該問題的背景下，從咖啡愛好者中關注心率的這部分用戶的視角出發，數據可視化所要達到的目的為：使用戶關注心率數據，且可視化界面可以突出飲用咖啡后的自測時間和心率。盡管飲用咖啡所導致的心率變化問題可以觸發多種數據變量：飲用量、咖啡品種（咖啡因含量/萃取率）和飲用時間等。考慮到實際操作的易用性、目的性和用戶體驗等問題，所需要的數據和信息分為以下3點：時間（分為“日、夜”，用戶可根據自己的作息調節，夜間心率基本維穩，對用戶價值較弱，而日間的活躍性和咖啡飲用次數能夠為用戶提供更多信息）、自動檢測（用戶可以設置次數）和手動檢測（手動檢測適用于用戶喝咖啡后心率異常的情況下）及心率異常（提示用戶其他日常引發心率異常的因素），從而根據用戶個人習慣創建使用視角。

2）創建（見圖6）。根據以上數據與信息的聯系將其合理地分布在視覺圖形中。心率代表著心臟的跳動、人體的活躍度及生命的未知，咖啡意味著液體的流動和沖泡口味的不確定性，這兩者似乎為彼此找到了良好的契合點——激起的水花與心跳的結合（動態與溫度）。重要信息展示如下：由于夜間心率的穩定性對用戶的價值較弱，所以將其傳遞的信息放到視覺的下方，且自動檢測次數為1次，視覺上方為日間，是用戶活躍的時間段，自動檢測4次（包含7：00和23：00，用戶可根據需求調節）。手動檢測會得到視覺上的著重突出與標記，心率異常也會得到提醒，這樣的信息分層彌補了原有信息的平均化，從用戶視角來看，這樣的方式既隱藏又突出了一些信息。在表現形式方面，通過用戶左右拖拽的交互方式，形成微弱的動態感（來自用戶評估中產生的建議）。

圖6 關于個人心率數據的可視化界面設計

3）評估。作品目前處于概念階段，還未進行實際的推廣與應用，評估方式選取了訪談的形式。被訪談者對該可視化界面的反饋為：基本上能夠理解界面中的圖例和操作信息；部分咖啡愛好者表示希望可以在自己飲用了不同口味和份量的咖啡后，能夠手動記錄自己的心率變化，做到適度選擇和飲用；被訪談者還給予了動態化的交互建議，期望從視覺中再次捕獲品嘗咖啡時的情景；非咖啡愛好者也依據自身的其他特征給出了感知上的反饋——運動時心跳帶來的快感和刺激感，這時心率除了與健康問題相關外，也與運動所產生的滿足感掛鉤，這種認知為設計者開拓了新的數據可視化思路。

5 結語

可視化領域甚廣，盡管數據擁有著丈量事物的特性，但數據可視化設計模型與其他可視化的出發點或設計目的存在出入。例如音樂可視化可能會將主觀感受與視覺刺激或體驗排在第1位，因此本文提出的數據可視化模型并非完全適用于其他可視化領域。在數據可視化設計中，設計師承擔著將數據轉換成信息并使之貼近用戶日常體驗的任務，但固化的設計流程容易導致作品活力和產品創造力的缺失。本文基于數據思維和設計邏輯，重新建立了數據可視化設計模型，模型主要包含3個階段：認識、創建和評估，其核心在于設計師能夠利用數據思維所介入的3個環節產生相應的觀察力，這些觀察力可以提供新的設計視角。同時，設計師需要同步參與到這3個階段的工作中去，而非停留在“創建”環節，這是在實際實踐中需要避免的誤區，因為這3個環節是環環相扣的，一個階段的錯位可能會導致另一環節的失敗。另外，需要考量2種情感，分別是數據的語境情感和可視化的視覺情感，這是影響用戶體驗和評估的重要因素。總之，設計人員需要擁有跨學科的思維方式，從而促進不同學科知識的補充與融合。

[1] HENSHILWOOD C S, D'ERRICO F, WATTS I. Engraved Ochres from the Middle Stone Age Levels at Blombos Cave, South Africa[J]. Journal of Human Evolution, 2009, 57(1): 27-47.

[2] 陳為, 沈則潛, 陶煜波. 數據可視化[M]. 北京: 電子工業出版社, 2013.

CHEN Wei, SHEN Ze-qian, TAO Yu-bo. Data visualization[M]. Beijing: Publishing House of Electronics Industry, 2013.

[3] ELMASRI R, NAVATHE S.B. Fundamentals of Database Systems[M]. Boston: Pearson, 2015.

[4] ZINS C. Conceptual Approaches for Defining Data, Information, and Knowledge[J]. Journal of the American Society for Information Science and Technology, 2007, 58(4): 479-493.

[5] LIEW A. Dikiw: Data, Information, Knowledge, Intelligence, Wisdom and their Interrelationships[J]. Business Management Dynamics, 2013, 2(10): 49-62.

[6] 馬建光, 姜巍. 大數據的概念、特征及其應用[J]. 國防科技, 2013, 34(2): 10-17.

MA Jian-guang, JIANG Wei. The Concept, Characteristics and Application of Big Data[J]. National Defense Science & Technology, 2013, 34(2): 10-17.

[7] VAHEY P, RAFANAN K, SWAN K, et al. Thinking with Data: A Cross-Disciplinary Approach to Teaching Data Literacy and Proportionality[J]. Educational Studies in Mathematics, 2012, 81(2): 179-205.

[8] 王漢生. 數據思維從數據分析到商業價值[M]. 北京: 中國人民大學出版社, 2017.

WANG Han-sheng. Data analytical thinking[M]. Beijing: China Renmin University Press, 2017.

[9] 陸菁, 劉淵, 張曉婷, 等. 基于用戶體驗的數據可視化模型研究[J]. 包裝工程, 2016, 37(2): 52-56.

LU Jing, LIU Yuan, ZHANG Xiao-ting, et al. Data Visualization Model Based on the User Experience[J]. Packaging Engineering, 2016, 37(2): 52-56.

[10] 蘆影. 智造技術驅動的設計與廣告的計算創新[J]. 裝飾, 2020(7): 16-22.

LU Ying. Computational Innovation of Design and Advertising Driven by Intelligent Technology[J]. Art & Design, 2020(7): 16-22.

[11] KAUSHIK A, NAITHANI S. An Anatomy of Data Visua-li-zation[J]. International Journal of Computer Science and Network Security, 2016, 16(2): 77-82.

[12] 孫遠波, 聞芷藝, 徐瑞鴿, 等. 新型冠狀病毒肺炎疫情數據可視化設計綜述[J]. 包裝工程, 2020, 41(8): 51-62.

SUN Yuan-bo, WEN Zhi-yi, XU Rui-ge, et al. Data Visualization Design of COVID-19 Epidemic[J]. Packaging Engineering, 2020, 41(8): 51-62.

[13] STUSAK S. Exploring the Potential of Physical Visualizations[C]//TEI '15: Proceedings of the Ninth International Conference on Tangible, Embedded, and Embodied Interaction. New York: ACM, 2015: 437-440.

[14] LUPI G. VIS Capstone Address Data Humanism: The Revolution Will be Visualized[C]//2017 IEEE Conference on Visual Analytics Science and Technology. Phoenix, AZ, USA. IEEE, 2017: 1.

[15] 曾悠. 大數據時代背景下的數據可視化概念研究[D]. 杭州: 浙江大學, 2014.

ZENG You. The Concept Study of Data Visualization under the Ackground of Big Data[D]. Hangzhou: Zhejiang University, 2014.

Discussion on Data Visualization from Data Attribute and Design Logic

ZHANG Yao, WEI Dong

(Communication University of China, Beijing 100024, China)

This paper advocates paying attention to the objective attributes and emotions of data, re-establishing the data visualization design model on the basis of data thinking and design logic, moreover, putting forward and extending the problems in the design process, trying to find valuable and worthy problems, so as to avoid the design model becoming an invariable equation, At the same time, the combination of the design thinking and data science better provides a new perspective for the design practice of data visualization in the future. Discussion includes "data" and "design logic". Driven by the differentiation and customization of the connotation of "data" and "data thinking", and based on the deduction of data visualization cases, this paper observes the key links of visualization design from the perspective of data visualization design logic. Data presentation has various forms, and the design form is closely related to data attributes. In order to avoid neglecting the evaluation stage, a data visualization design model based on the three stages of "cognition, creation and evaluation" is established. In the actual design, designers need to participate in the three stages simultaneously.

data; data thinking; data visualization; design model; data emotion

TB472

A

1001-3563(2022)12-0234-07

10.19554/j.cnki.1001-3563.2022.12.027

2022–01–17

張瑤（1997—），女，研究生，主攻設計藝術學。

魏東（1975—），男，博士，副教授，主要研究方向為藝術設計。

責任編輯：馬夢遙