做圖表別先畫圖,先從思考開始!用2問題4種類,讓圖表清晰明確
做圖表別先畫圖,先從思考開始!用2問題4種類,讓圖表清晰明確

本文摘自:《哈佛教你做出好圖表》,三采出版

如果朋友對你說:「打包你的行李,我們去旅行。」接下來你會做什麼?這時候你應該不會這麼做︰你不會說「好,太好了。」然後隨手抓一只手提箱,開始把衣服塞進去。你怎麼可能這樣做?你有這麼多的問題︰我們要去哪裡?去多久?要怎麼去?為什麼要我們去這趟旅行?到了那裡之後我們要住哪裡?直到你知道你為什麼要打包行李之後,你才會開時整理行李。

說到資訊視覺化,你會衝動地馬上選定一種圖表類型,按個鍵就把它做出來了。但你應該要壓制這種衝動,反過來開始思考一些問題,讓稍後的收拾工作更容易些。

兩個問題

進行視覺化思考的好方法是,問自己關於視覺圖示性質和目的的兩個問題︰

  1. 這是屬於「概念」或「數據」的資訊?
  2. 我是要「陳述」或「探索」某件事情?

一般來說,如果你知道這兩個問題的答案,就可以規劃你需要什麼資源和工具,開始擬定你最後可能採用的視覺圖示類型。

四象限-1.jpg
圖/ 《哈佛教你做出好圖表》

兩個問題中,第一個是比較簡單的,其答案通常非常明顯。看你是要把概念和說明類型的資訊視覺化,還是要將數據資訊製作成圖表。但注意,這個問題涉及的是資訊本身,而非最終可能呈現資訊的形式。

四象限-2.jpg
圖/ 《哈佛教你做出好圖表》
四象限-3.jpg
圖/ 《哈佛教你做出好圖表》

如果第一個問題確定了你的資料性質,第二個問題就能為你找出你需要的視覺圖示類型。第二個問題比較複雜,因此不好回答,因為它不是一分為二的問題。視覺化目的可大概分成三種:陳述、驗證和探索。其中,後面兩種是有關係的。

一般經理人最常使用陳述型視覺圖示,目的是向觀眾發表一項聲明,通常是在正式場合;發表內容大多是關於精心設計的產品。但那並不表示這些圖表不容觀眾有置喙的餘地。陳述型圖示不應該排斥觀眾對於陳述之觀點的對話,一張好的圖表應該是要能引發討論才好。如果你展示的是一張試算表,上頭有滿滿的銷售資料,你利用這些數據來報告季度銷售或區域銷售的情形,那麼你的目的就屬於「陳述」。

但假設你的老闆想了解銷售團隊最近的業績為什麼一直沒達標,而你認為是因為季節性週期造成了業績下滑,可是你又不確定。這時候,為了達到「驗證」的目的,你會擷取相同的資料進行視覺化,以檢視你的假設是否成立。這種圖表比較不正式,設計還算一目了然,卻不見得有做簡報的價值。你的觀眾只有自己或一小組人,沒有其他人。如果你的假設獲得證實,它很可能進一步發展成陳述型視覺圖示,你可以呈報給老闆,跟他說:「這就是銷售業績下滑的原因。」如果後來證實罪魁禍首不是季節性問題,也許你會再做出另一個假設,然後再進行另一次的驗證工作。

或者,你可能不知道你在找什麼。但你想要從這份試算表找看看,有沒有任何的模式、趨勢或異常。比方,如果你把銷售業績與業務區域相互比對,你會看到兩者之間出現什麼樣的關係呢?如果你把北半球和南半球的季銷售趨勢相互比對,又會發生什麼情況呢?天氣對銷售業績有什麼影響?這是探索性質的工作—設計上還比較粗糙,常常是反反覆覆的,有時會互相影響。

一般經理人對於探索這部分的努力,通常不及陳述和驗證,應該再多下點工夫去做。它是一種腦力激盪,可以從資料中激盪出一些想法,舉凡「營收為什麼下降?我們可以從哪裡提高工作效率?客戶與我們的互動如何?」等重大策略問題,都能從探索型視覺圖示中獲得滿意的答案。

其他為了找出目的可以問的問題還有:「我必須給別人答案、檢查我的答案或尋找答案?」或「我是要提出想法、研究想法或探索想法?」。

當你從陳述目的轉向探索目的,你所知的確定性會呈下降趨勢,你的資訊複雜度則呈上升趨勢。此外,當你的目的屬於陳述,你的工作可能比較可以獨自且快速地完成。當你愈是偏向探索目的,你愈有可能必須靠團隊合作和仰賴專家來進行視覺化,而且在過程中必須投入更多時間。

四種類型

將性質與目的問題結合,就會形成標準的2×2矩陣,也就是經理人會使用的四種視覺圖示類型。知道你的工作落在四個象限中的哪個範圍,將有助於你做出幾項正確的決定:採用的圖表形式、需要的時間和必備的技能。讓我們從這個2×2 矩陣的左上方開始,逆時針依序來討論。

四象限-4.jpg
圖/ 《哈佛教你做出好圖表》

想法圖解

我們可以把這個象限稱為「顧問區塊」,因為顧問一般都無法抗拒流程圖、循環圖和其他想法圖解,有時甚至會導致不良後果﹝針對這種過分裝飾的圖示,《哈佛商業評論》編輯加德納.莫爾斯(GardinerMorse)自創了一個新詞:「兜圈子廢話」(crap circles)。但若能妥當處理,概念陳述視覺圖示可以利用人們了解圖案隱喻(樹木、橋梁)和繪圖常規(循環圖、等級分類圖)的能力,將複雜的概念予以簡化。組織結構圖、決策樹和循環圖都是典型的想法圖解。本章的2×2矩陣也是。

想法圖解的訴求是清楚簡單的設計,卻又往往缺乏簡單的特性。想法圖解不需要顧慮XY軸和準確繪製資料的限制,它們靠的是隱喻,但是為了加強隱喻的效果,卻又常常加入過多不必要的裝飾。比方,如果你的想法是「客戶過濾」,你很可能一衝動就把插圖畫成一個漏斗,做出錯誤的設計決定。想法圖解並未規範資料原則和範圍,繪製者得自己拿捏,注重想法的明確溝通、結構與邏輯。其必備的能力與文編寫稿一樣,必須將創意衝動轉化為最清晰簡單的東西。

四象限-6.jpg
圖/ 《哈佛教你做出好圖表》

想法構思

對許多人來說,這個象限是最難憑直觀了解的。你何時會製作非數據資料圖示來探索想法?釐清複雜的概念似乎與探索的意思正好背道而馳;在探索階段,你的想法還沒有完全理出頭緒。由於發生的地點和使用的媒體工具與其他三者不同,所以經理人多半不認為它是一種資料視覺化,但實際上早已身體力行,將自己的一些想法畫在白板、牛皮紙,或是最普遍的餐巾紙背面。

想法構思跟想法圖解一樣,也是仰賴隱喻和常規,但多半出現在非正式的場合,例如︰場外會議、策略會議和創新專案初期,目的是找出非數據問題的答案,如︰進行組織改革、擬定新的商業流程、編纂決策制度等等。

四象限-5.jpg
圖/ 《哈佛教你做出好圖表》

視覺圖示發現

多數的資料探索型視覺化主要出自數據資料工程師和商業情報分析師之手,不過新的工具興起,也讓一般經理人開始加入視覺圖示探索之列。這是一種令人躍躍欲試的視覺化方式,因為它往往能讓人發掘其他方式難以察覺的洞見。

因為我們不知道自己在尋找什麼,所以這些視覺圖示置入的資料往往包羅萬象。最極端的情況是,這種視覺化可能融合多個資料集,甚至是自動更新的即時資料,或者連資料以外的機會也不放過。美國政治學家暨統計分析師大衛‧ 史巴克(David Sparks)現任職於 NBA 波士頓塞爾提克隊,即採取視覺圖示探索,但他把成果稱之為「模式視覺化」(model visualization)。在史巴克的專業領域中,資料視覺化主要是針對真實、既有的資料。而模式視覺化則是將資料經過統計模式運算,找出在特定環境下會發生的狀況。

四象限-7.jpg
圖/ 《哈佛教你做出好圖表》

一般資料視覺化

不同於資料工程師致力於探索工作,經理人多專注於一般資料視覺化。這些通常是你利用Excel試算表做出來,貼到Power-Point上的一些基本圖表和資料。它們都是最常簡單的形式,如線圖、橫條圖、圓餅圖和散布圖。

圖表的關鍵是簡單,資料集往往小而簡單。視覺圖示傳達的是一個簡單的想法或資訊,變數不超過幾項。而且目的很簡單︰根據數據資料給別人實際資訊。也就是說,大多數情況下,都不是為了辯論。

簡單是圖表設計的主要挑戰。清楚易懂和一致性,讓這些圖表在正式的簡報會議最有效。在簡報會議上,時間有一定的約束。設計不良的圖表會製造出一些問題,做簡報的人必須解釋視覺圖示的架構或原本設計要凸顯的資訊,否則會平白浪費一場簡報有限的時間。經理人提出一般資料視覺圖示應該能夠不發一言才對;如果圖示不能為自己說話,就像一則笑話的笑點還需要解釋一樣,是失敗的。

這並不是說陳述型圖示不應該引起觀眾討論。是應該要的,但所討論的應該是圖表上要傳達的觀點,而非圖表本身。

從這個角度來看資訊視覺化,讓它比較不像是一件事情,而是一組不同但相關的事情。你須具備的技術、你會使用的工具,和你進行視覺化時需要的媒體工具,每個象限可能都有顯著的不同。想法圖解可以變成一張好的圖表,所需要的條件也可能和一般資料視覺化的不同。花幾分鐘的時間問自己本章開頭的兩個問題:「這是屬於概念或數據資訊?」和「我是要陳述或要探索某件事呢?」可以讓你做好準備,製作出更好的視覺圖示。你已經為這趟旅行做了最正確的打包整理工作。

關鍵字: #數位書選
往下滑看下一篇文章
從 Raise Day 出發,方睿科技如何打造商用地產的 AI 企業服務生態系?
從 Raise Day 出發,方睿科技如何打造商用地產的 AI 企業服務生態系?

AI 與數據正快速落地至各行各業,從製造、金融、電信、醫療到零售,應用速度不斷加快。但在每年交易規模至少新台幣 1900 億元的商用地產領域,卻長期受到數據破碎且不透明的限制,只能仰賴人力蒐集資訊,再憑直覺和經驗去解讀資訊、做出決策,使 AI 潛在價值難以真正發揮。為回應產業轉型的核心痛點,方睿科技首度舉辦「商用地產生態系年會 2026 Raise Day」,以開放式平台為核心,串聯專業地產服務商、空間相關企業服務商、產業專業人士等多元角色,勾勒出 B2B 企業服務生態系的全貌,希望能透過科技促進數據流動,為商用地產企業協作模式開啟新的可能性。

方睿科技
方睿科技首度舉辦 2026 Raise Day,以開放式平台為核心串聯多元角色,推動商用地產邁向產業共好的新階段。
圖/ 數位時代

方睿科技雙軌策略,讓 AI 成為商用地產的決策引擎

方睿科技創辦人暨執行長吳健宇指出,在 AI 時代,人應該專注於「最有價值」的工作;然而在商用地產業中,專業人士卻有約 70% 的時間耗費在資料蒐集與整理上,真正用於判斷與決策的時間僅約 10%。方睿科技希望翻轉這樣的時間分配,讓人力從低價值的資料處理中解放,將更多心力投入在判斷、溝通與決策等創造價值的商業活動。

方睿科技
方睿科技創辦人暨執行長 吳健宇
圖/ 數位時代

為此,方睿科技提出兩條實踐路徑。第一條是建構出具備完整性、易用性與進化性的商用地產智慧平台,運用 AI 技術,將過去產業中破碎、非結構化的資料,重塑為可被運算、可驗證的標準化數據,並結合圖表與互動式介面,讓使用者能夠快速得到完整市場資訊,實現「用戶即專家」的目標。

第二條則是推動生態系聯盟,將不動產視為企業服務的核心載體,串聯設計、家具、搬遷、清潔等多元服務夥伴,使空間不再只是靜態標的,而是承載案例、服務與數據回饋的生態系節點。透過生態系夥伴累積的實務資料與服務紀錄,平台得以發展「資料即推薦」模式,推動商用地產從單點交易,邁向可擴張的 B2B 服務網絡。

獨創「資料飛輪」機制,實現用戶即專家目標

在 AI 模型日益普及的當下,真正的競爭關鍵已不在模型本身,而是能否有效率地收集資料、提高資料品質,並將其與實際決策流程緊密結合。為此,方睿科技獨家設計出一個由「資料收集、資料精煉、專家把關、決策反饋」組成的資料飛輪,回應商用地產長期面臨的資料破碎與決策效率低落問題,成為方睿科技實踐願景的第一條路徑。

方睿科技技術長郭彥良進一步說明,資料飛輪機制的運作架構。首先在資料收集階段,必須系統性蒐集公開資料、內部檔案與報告,並透過 AI 協作將圖片等非結構化資訊轉換為可用的結構化數據。接著進入資料精煉,透過資料清洗與實體對齊,將原始資訊從單純的可閱讀升級為可比較、可推論的決策依據。第三步專家把關,則引入不動產專家進行校正與產業判讀,補上模型難以理解的規則與慣例,確保關鍵數據的正確性。最後的決策反饋階段,藉由收集使用者提問與行為,檢視現有資料是否足夠精準,再回到專家校正與補齊流程,使整個系統能隨使用頻率提升而持續進化。

在資料飛輪的運作基礎上,方睿科技正積極研發商用地產智慧平台 PickPeak。郭彥良表示,PickPeak 並非單純的物件搜尋工具,而是結合深度資料與 AI 的決策輔助平台。使用者可透過自然語言互動,提出人數、預算、區位、產業屬性等多重條件,再由系統動態生成可比較、可驗證的選址方案,真正將 AI 從「回答問題的工具」,轉化為「陪伴決策的數位專家」。

方睿科技
方睿科技技術長 郭彥良
圖/ 數位時代

創新 Data to win 模式,讓 AI 深入商用地產各階段決策流程

不過,單靠數據整合與 AI 應用仍不足以支撐產業全面升級,因此,方睿科技提出的第二條路就是,推動產業生態系聯盟,整合商用地產市場上不同角色的數據,讓 AI 能夠真正成為商用地產決策時的智慧引擎。

方睿科技不動產知識創新中心總監曾凡綱指出,目前在企業、房東或物業主與各類服務供應商之間,缺乏有效的整合機制,導致企業在選址與空間規劃過程中,難以快速找到真正合適的服務與解決方案,形成明顯的產業斷點。

為解決這些斷點,方睿科技提出「Data to win」模式,以資料取代傳統「Pay to win(付費買廣告)」思維,讓真正具備經驗與實績的服務夥伴,在適當的決策節點被看見。

曾凡綱說明,在廣告投放效益越來越低的情況下,企業服務商面臨的問題已不只是「如何曝光」,而是「如何在對的地方被看見」,這將是未來的市場勝出指標;而 Data to win 正好可以協助企業服務商建立此能力,方睿科技將生態系夥伴所擁有的案例、服務紀錄與產業知識等資料,經過去識別化與結構化處理後,再嵌入企業決策流程中,讓推薦不再來自廣告投放,而是真實、可被驗證的使用經驗,透過這樣的機制,不僅提升企業決策的準確度,也能同步放大生態系夥伴在合作中的實質價值。

舉例來說,方睿科技整合辦公傢俱夥伴 Backbone 班朋實業長期累積的辦公室規劃案例與平面圖資料,讓企業在選址階段,就能同步評估空間規劃方案,加速決策流程。又如,整合出行服務夥伴 USPACE 悠勢科技的服務資料,並呈現在地圖上,協助企業評估辦公據點的交通便利性,優化員工日常通勤與出行體驗。此外,平台也可整合大樓的 ESG 認證、公共設施與服務層資訊,協助企業快速篩選符合需求的辦公大樓,提升進駐媒合效率。

方睿科技
方睿科技不動產知識創新中心總監 曾凡綱
圖/ 數位時代

「Raise Day 只是這場變革的起點。」吳健宇強調,方睿科技已經透過投資與合夥模式,將布局延伸至專業地產服務與空間經營領域,至今旗下已有商用不動產仲介、顧問與估價等專業服務的宇豐睿星,以及聚焦商用地產代銷市場的希睿創新置業。透過直接參與第一線實務運作,方睿得以更深入理解產業真實痛點,讓科技不只是工具,而能真正回應實際決策與服務需求。

此外,方睿科技未來也將持續擴大「商用地產 x 企業服務生態系」聯盟,目前包括 Backbone、USPACE、IKEA For Business、潔客幫等企業服務夥伴已率先加入;接下來,方睿科技將邀請更多擁有關鍵數據與專業能力的企業服務商加入,讓數據在安全、可控的前提下流動,進一步釋放商用地產在選址、營運與企業服務等全生命週期中的結構性價值,為產業轉型啟動下一個關鍵階段。

方睿科技
右起方睿科技共同創辦人暨營運長陳致瑋、USPACE悠勢科技共同創辦人暨執行長宋捷仁 、Backbone班朋實業創辦人暨執行長廖家葳,透過企業服務生態系合作共同為產業啟動下一個關鍵階段。
圖/ 數位時代

方睿科技官網: https://www.funraise.com.tw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
2026 大重啟
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓