數據可視化的受歡迎程度和影響在相對較短的時間內顯著增加。自2009年以來，數據可視化的搜索頻率幾乎增加了100%。我們已經看到了很多可用的工具和軟件，幾乎任何人都可以相對容易地創建數據可視化。
　　我們本能地對圖像比對文本更感興趣，因為大腦處理圖像的速度更快。然而，這并不意味著你可以把大量的圖像和形狀放在儀表板上，并期望你的觀眾感到驚訝。就像在我們對圖像的吸引力背后的認知方面一樣，在某種程度上，還有其他內在的東西與潛意識行為相關。
　　快速認知是我們從很短的經歷中深入挖掘和衡量什么是重要的能力。正如我們被告知永遠不要以封面來判斷一本書，我們每天都在使用這種能力。它可以快速分析大量信息，決定什么是Z重要的，而不是采用更慢更理性的思維方式。
　　心理學家將這種現象稱為“薄切片”:大腦的理性部分需要幾個月或幾年才能在幾秒鐘內評估細節或信息。馬爾科姆·格拉德威爾這樣描述它:
　　薄切片不是外來的禮物。這是它對人類意義的核心部分。每當我們遇到一個新的人或須快速學習一些東西時，減肥就會發生...我們依靠這種能力，因為在很多情況下，密切關注細節，即使不超過一秒鐘，也能告訴我們很多信息。
　　好消息是你可以改變和反駁別人對你不好的印象，讓他們更了解你。但在互聯網上就困難多了，因為我們的關注周期總是處于歷史低點。相應地，吸引你的讀者的注意力比以往任何時候都難，你不能讓不好的印象進入你的數據可視化的個人簡介——尤其是當信息埋藏得更深的時候，很容易吸引人去探究。
　　為了防止這種情況，我們將討論五個Z常見的錯誤，以避免涉及不同數據可視化類型的錯誤表單。
　　1.數據過載
　　許多可視化數據和BI儀表板都是數據過載(內容擁塞)的受害者，其中一些可能沒有添加任何對數據的理解。例如，盡管三維圖表可能看起來令人印象深刻，但它們通常會使數據的解釋更加困難。
　　同樣，BI dashboard、5個圖表和眾多標簽可能會顯示大量的研究結果，但如果你的讀者不能區分他們在看什么，那就沒用了。不必要的插圖、陰影、字體和裝飾會分散數據，所以盡量少用。在大多數情況下，少即是多。
　　2.訪問軸
　　在處理定量數據時，條形圖或折線圖是可視化內容的Z佳方式之一。一個常見的錯誤是圖表軸；當看起來有效起始軸高于零時，該值越大，這可以準確地表達棒線周轉率及其值。
　　3.不要“切得太薄”
　　在處理所有數據時，數據通常以部分到整體關系的形式出現，更好的說法是餅狀圖。餅圖是一種非常流行的展示數據的方式。然而，批評的是，正如沃爾特·?；f，這是“表面上設計他們做的一件令人難以置信的壞事?！?br/>　　沒有分段標簽，實際上很難區分餅圖分段的大小(你能區分36%和37%的區別嗎？)，所以要確保圖表的所有區域都標注清楚。使用的類別數量也值得考慮；太多不同的段使得很難區分每個段。
　　4.交叉線
　　特定范圍內的數據通常用于顯示一段時間內的變化。因此，折線圖是傳達數據之間變化或差異的有效方式。你可能已經開始注意到這里的趨勢，但重要的是不要在圖表中使用太多的線條。圖表上大量的切換線會很快變得混亂，所以我們建議不要使用4系以上。
　　5.合適的顏色
　　熱圖是數據可視化領域的Z新圖表之一，它很快變得流行起來。使用地理空間數據作為基礎分類數據，但有一些障礙可能會讓你感到困惑。在熱圖中應正確使用顏色和數據范圍。
　　有些顏色比其他顏色更突出，這可能會給數據帶來不必要的權重。相反，使用具有不同陰影的單一顏色來顯示強度級別。對于數據本身，請選擇3-6個數字范圍，并在其中平均分配數據。+/-符號可以擴展高和低的范圍。
　　通過數據有效地講述故事是一項基本技能，這將有助于你在組織中的影響力。