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
雲端互動創辦人 Gary:「AI 不是從技術談起,而是從人開始」
雲端互動創辦人 Gary:「AI 不是從技術談起,而是從人開始」

大型語言模型崛起,一串 API 串接、一套介面設計,似乎就能宣稱導入 AI。然而,在炫目的技術浪潮下,真正能解決企業痛點、提升營運效率的應用卻屈指可數。

以 UX/UI 設計、軟體開發與 AI 應用為核心的全方位顧問公司雲端互動(Cloud Interactive),自 2010 年創立以來,創辦人蔡家音(Gary Chai)便堅持回歸科技應用本質——科技的價值不在技術堆疊,而在於「誰來用、怎麼用」。擁有矽谷 UI/UX 背景的他,早在 2020 年即組建 AI 團隊,堅持從「人」出發,以顧問角色協助企業釐清需求、設計場景、驗證可行性,走出 AI 轉型的務實路徑。

技術導向轉為人本設計,雲端互動只做有用的 AI

雲端互動創辦人 Gary Chai 出身矽谷設計領域,早年任職於知名瀏覽器公司 Netscape,累積了紮實的使用者體驗設計實務。2010 年,他與家人返台創立雲端互動,初期專注與美國客戶協作,逐步建立設計與開發能力;隨著實力深化,如今已能獨立承接設計、開發與維運等全流程專案。

談及創業初期,Gary 回憶:「十五年前,客製化需求非常多,市場上幾乎沒有現成模組可用,什麼都得從頭打造。」然而,隨著技術日趨成熟,如今各類 API、模組與 SaaS 工具已觸手可及。面對這樣的變化,雲端互動選擇將重心轉向整合與體驗優化,「因為技術已經不是問題,重點在於如何把不同技術整合成一個流暢、好用的體驗,這也是我們的專長。」

雲端互動
雲端互動創辦人 Gary 強調「不做炫技的 AI」,每一項應用都從終端使用者需求出發,確保技術落地具體可用、真正解決問題。
圖/ 數位時代

「現在很多企業想導入 AI,但其實內部 workflow 還沒準備好。數位基礎薄弱、歷史數據不足,是常見問題。必須先釐清需求和建立基礎結構,才能談真正的應用。」Gary 指出,在數位轉型過程中,許多企業容易陷入追逐技術與堆疊功能的迷思,導致應用場景模糊、效益不彰,甚至最終放棄使用。因此,雲端互動自創立以來,一直堅持從需求釐清出發,以設計思維為本,讓每一項技術部署都對應具體痛點。

一站式顧問模式,讓 AI 從概念走到部署

不止於技術開發,更從需求探索、資料治理、概念驗證(PoC)到系統部署與後續維運,全程陪伴企業走過每一個關鍵節點——雲端互動選擇以「一站式顧問」模式深耕市場。Gary 也分享實際客戶案例:

例如,全球指標性的採礦工程公司 FLSmidth,過去在挖礦過程中缺乏即時判讀機制,導致探勘效率低落、資源浪費嚴重。對此,雲端互動親自遠赴採礦現場,進行田野調查,理解終端使用者需求,並從有限的掃描數據出發,協助建立智慧預測系統,運用 AI 模型提升判斷精準度,同時設計出適應礦場環境的直覺操作介面,工人即使穿戴全副工裝、戴著手套,也能迅速操作,有效提升現場作業效率,以及減少設備停機與誤挖成本。

另一個案例,則是馬來西亞的知名度假集團。雲端互動協助企業導入影像辨識與 AI 偵測技術,實現 VIP 客戶身份辨別,並串接行銷系統,提升會員互動體驗,也為集團累積了更具價值的客戶數據資產。

而在廣告行銷領域,雲端互動則協助國際廣告代理商上奇廣告(Saatchi & Saatchi)開發整合 DMP(數據管理平台)與 CMP(廣告管理平台)的系統,讓廣告活動能依據 campaign 需求自動設定預算、投放至不同平台,並即時監測成效、優化投放策略,大幅提升廣告的曝光效率與精準度,解決過往流程繁瑣、管理效率低落的問題,讓創意與行銷得以同步加快。

AI 轉型怎麼開始?雲端互動助企業找解方

「未來,AI 將從流程自動化、決策智能化、客戶體驗深化、商業模式創新四大面向,重塑企業經營模式。」展望未來,Gary 拋出他的觀察。 從釋放人力的流程自動化,到深化客戶關係的超個人化服務,再到強化市場洞察與催生新型態營收來源,AI 的力量將滲透企業的每一個運作環節。然而,要真正迎向這樣的未來,關鍵不在於導入多少工具,而在於是否擁有完整的資料結構與靈活應用的能力。

雲端互動
從矽谷設計師到數位轉型領航者,雲端互動以人本視角重塑企業 AI 應用觀。
圖/ 數位時代

因此,在技術部署之前,雲端互動特別透過工作坊機制,協助企業團隊運用設計思維釐清需求、共創場景,為數據治理與應用打基礎,確保每一步導入都與真實需求對其。除此之外,Gary 也分享了近期開發的模組化 AI POC 平台,透過虛擬化部署,企業可以自行管理AI資料、測試並選用適合的 AI 大語言模型,並快速驗證應用成果。

「從奠定資料基礎與建立數據文化開始,才能迎向 AI 時代。」Gary 強調,未來能持續走在前端的企業,將是那些思考從人開始、懂得以資料為起點、靈活串接技術、並隨時優化流程與服務的組織;而雲端互動將始終堅持以人為本,從需求釐清、資料治理到驗證落地,將持續扮演企業的策略型顧問夥伴,幫助企業對齊目標、走出正確路徑。讓 AI 成為推動企業成長的永續引擎,而非曇花一現的嘗試。

設計你的AI轉型之旅!立即了解雲端互動

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
電商終局戰
© 2025 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