data-viz

真实、高效地编码数据——让数据中的模式清晰可见，不产生失真，不添加图表垃圾，也不采用误导性的呈现方式。每条建议都注明其来源：所依据的原则、作者或实证发现。选择哪种图表不是品味问题；对错可以衡量。

适用场景

当问题涉及如何以可视化方式呈现数据时，请使用此技能：

• 图表类型选择 — 哪种图表最适合编码数据中的关系（比较、分布、相关性、构成、部分与整体、时间序列、地理信息、流向）。
• 图表垃圾与数据墨水 — 移除不提供信息的装饰元素；提高有意义墨水占总墨水的比例（Tufte，VDQI，1983）。
• 前注意属性 — 运用颜色、大小、位置和形状，在意识处理之前引导注意力（Knaflic，Storytelling with Data，2015；Ware，Information Visualization，2004）。
• 仪表板布局与 KPI 设计 — 组织多个视图，以便快速理解；Few（Information Dashboard Design，2006）。
• 真实编码 — 检测并修正因截断坐标轴、挑选范围、双坐标轴和误导性比例而失真的图表（Cairo，How Charts Lie，2019）。
• 图表无障碍设计 — 数据专用的色盲友好配色（区别于品牌配色）、图表替代文本，以及图案与颜色的冗余编码。
• 图形标记与视觉通道 — 严谨的编码框架：哪种数据类型对应哪种视觉通道（Munzner，Visualization Analysis & Design，2014）。

不适用于品牌或 UI 配色（核心 color 模式）、整体页面构图与视觉层级（核心 audit 模式），或作为 UI 交互模式的数据展示表格（使用 usability）。

规则

适用于每项数据可视化决策的常设规则。单独列出，以免在流程中被稀释。

• 注明原则来源。 每条建议都要标明来源：“数据墨水比例（Tufte，1983）”“前注意：颜色编码类别，而非数量（Knaflic，2015）”“双坐标轴谎言（Cairo，2019）”。不提出没有来源的主观意见。
• 数据墨水比例是首要的编辑启发。 Tufte（VDQI）：最大化数据墨水与总墨水的比例。移除所有不编码信息的元素；保留下来的元素应编码全部信息。这个比例是方向指引，不是需要计算的公式。
• 图表是论证，不是装饰。 Cairo（The Functional Art，2012）：每张图表都编码了一个关于现实的主张。设计者有责任准确编码该主张，即使它与偏好的叙述相矛盾。误导性呈现并不中立——它会造成误导。
• 先处理前注意，再处理注意。 Knaflic：根据眼睛在大脑思考前看到的内容来设计。每张图表只使用一种前注意属性（颜色、大小或位置；同一编码维度不要同时使用这三种属性）。
• 色盲友好不可妥协。 约 8% 的男性和约 0.5% 的女性存在色觉缺陷；红绿色是最常见的失效模式。任何使用颜色编码信息的图表，都要采用色盲友好配色，并用形状或图案对相同信息进行冗余编码。
• 保持生成式思维。 推荐图表类型，通过其编码的数据关系解释原因，然后说明编码决策。不要按照清单逐项审核——原则本身就是裁定依据，让你能够提出并解释建议。
• 引用只向下，不向上。 当可操作性原则有所交集时，本技能会引用可用性法则（例如仪表板中的格式塔分组——usability-principles.md）。不会向上引用行为、用户旅程或内容设计相关原则。

流程

引擎有两种模式；根据用户需求选择。

A. 图表类型选择与编码

当用户询问应使用哪种图表，或如何编码特定数据集时：

1. 阅读 references/chart-selection.md — 按数据关系组织的图表类型决策表。
2. 确定用户需要传达的数据关系：比较、分布、相关性、构成、部分与整体、时间序列、排名、偏差、地理或流向。
3. 通过决策表将数据关系与图表类型匹配。决定图表类型的是数据关系，而非数据格式。
4. 确定标记与通道（Munzner）：哪些视觉元素编码哪些数据维度。在共同尺度上的位置最准确；面积和角度最不准确（Cleveland & McGill，1984）。
5. 应用数据墨水编辑：移除无助于阅读的网格线，移除重复坐标轴，移除背景填充，将刻度线减少到必要数量。
6. 如果颜色用于编码信息，检查其是否适合色盲用户。
7. 给出图表类型建议，并引用数据关系和编码理由。

B. 图表审查（真实性与清晰度）

审查现有图表或仪表板是否存在问题时：

1. 阅读 references/viz-principles.md — 原理引擎。
2. 阅读 references/chart-selection.md — 谎言分类法（Cairo）和常见错误。
3. 检查图表谎言：截断的 y 轴、双轴造成的失真、经过挑选的日期范围、切片过多的饼图、未编码深度维度的 3D 效果、未从零开始的面积编码。
4. 检查数据墨水比：图表垃圾、不必要的网格线、装饰性填充、在二维数据上使用 3D 效果。
5. 检查色盲适用性：图表能否通过色盲模拟（Coblis、Viz Palette）？颜色是否是唯一的编码维度？
6. 检查上下文：基线是否可见？坐标轴是否标注了单位？时间范围是否明确说明？
7. 输出问题汇总表：严重程度 | 问题 | 重要性 | 修复方法，并为每项引用相应原则。

C. 仪表板布局

设计或审查包含多个图表的仪表板时：

1. 阅读 references/viz-principles.md（前注意和格式塔部分）。
2. 阅读 references/chart-selection.md（Few 的仪表板布局规则）。
3. 应用先总览，按需查看细节原则（Shneiderman，1996）：关键 KPI 无需滚动即可查看；详细图表放在首屏以下，或放在下钻视图中。
4. 应用格式塔分组（Wertheimer）：相关图表在空间上彼此靠近或位于同一区域；无关图表则在视觉上分开。格式塔分组是布局原则（引用 usability-principles.md #gestalt-perception-laws）。
5. 建立视觉层次：最重要的单项指标应在视觉上最突出。前注意力有限 — 应将其用于最重要的信号。
6. 检查仪表板谎言：没有基线的指标、缺少趋势背景的 KPI 卡片、没有绝对分母的比率。

参考资料

参考文件	加载时机
references/viz-principles.md	层 A — 原理引擎：数据墨水比、图表垃圾分类法、前注意属性、标记与通道（Munzner）、色盲适用性、真实编码原则和重要注意事项。用于数据可视化决策的稳定可引用参考资料。
references/chart-selection.md	层 B — 图表类型决策表（按数据关系）、仪表板布局规则（Few）、Cairo 谎言分类法和常见错误。用于生成选择的引擎。