好图表的标准是什么？手把手教你用GLAD 原则优化一张看板！
“好”图表的标准是什么？
很多读者曾研习过国际可视化标准和方法论，标准和技巧可以罗列出数百条，但当在工作中应用时，又很难在脑海里一一闪过每条细则。最后判断是否达成一张好图表，往往还得凭借个人经验。
比起基于标准规范式的方法论，基于原则的判断逻辑，往往能以更宏观的方式做出判断。大师兄今天就给大家介绍GLAD原则，它既可以帮我们筛选出好图表，更能为可视化图表的优化指明方向。
GLAD原则
马世权老师在「乐见数据：商业数据可视化思维」里提出，一个成功的商业数据可视化要满足两要素：
提供足够的商业价值
帮助读者快速理解信息
那么满足以下GLAD原则的图表，即为好的可视化图表。
G（Good Data and Insight）：发现好数据与好洞察L（Less Noise）：降噪，简约至上A（Accurate Expression）：精准表达，提升数据表达的准确度D（Distinct Mark）：画龙点睛，突出洞察信息的标识
于是我们可以根据下图中的评分标准，对可视化图表的优化进行评分，满分10分，得分越高评价越高！
根据GLAD原则优化一张看板
下面，我们尝试利用 GLAD 原则优化一张看板，对一张员工离职流动可视化看板进行优化。
优化前：
优化后：
G原则（好数据与好洞察）
数据类别的使用是否恰当?
员工流动、流失混为一体；指标晦涩难懂，内容复杂混乱。如下图所示：
（优化前）
指标简化，只关注员工流失，不关注员工流动，去掉难理解的指标。如下图所示：
（优化后）
数据指标的使用是否恰当？
比如，在职人数为时间点指标，离职人数为时间段指标，时间段指标与时间点指标混淆不清。这时可以将时间度量统一，都修改为时间段指标。如下图所示：
（优化前—>优化后）
L原则（降噪）
是否会分散注意力，增加读者的视觉负担？
下图中存在两处问题：
标注为图例形式，需要一一对照查看
数据信息需要点击才能查看
（优化前）
优化：
标注改成标签形式，和图表近距离关联
数据设置为直接展现的形式，并非点击后显示
（优化后）
颜色是否有干扰，是否直观？
图表系列都是一样的颜色，平平无奇，没有重点。可以修改系列色为蓝色渐变，颜色和健康度大小匹配，健康度越低，颜色越深。如下图所示：
（优化前—>优化后）
是否有重复性内容，增加读者视觉负担？
如下图，图例、标题重复内容较多：
（优化前）
则可以去掉重复内容：
（优化后）
A原则（精准表达）
选择的图表是否合适？
五个指标量，看哪个量影响最大，选择的堆积柱状图不易懂。这时可以更换图表类型为雷达图，更直观地看出问题。
（优化前—>优化后）
数据的密度是否过高或过低？
2 种坐标轴，4 个指标，指标多于 3 个
36 个月的数据，数据量太多
（优化前）
优化：
删掉流动性指标，只保留流失指标
数据量控制为一年 12 个数据点
（优化后）
D原则（画龙点睛）
图表整体平平无奇，无灵魂，没有重点关注，没有故事
优化前：饼图只有一个饼
优化后：通过颜色和闪烁突出饼图中占比最大的系列，显示主要矛盾
（优化前）
（优化后）
优化前：柱状图折线图只有柱子和线
优化后：给柱状图加预警线，超过预警线红色显示；离职人数最大的月份突出显示。
（优化前）
（优化后）
优化前：条形图看不出任何区别
优化后：系列修改为渐变色，颜色越深，健康度越低，低于一定健康度后红色标注提示。
（优化前—>优化后）
对照GLAD原则逐个修改进行可视化图表的优化，这样，一张员工离职流动可视化看板就优化好了~
立即沟通
