斯蒂芬妮·艾弗格林（Stephanie Evergreen）博士是一个自称为“死硬数据书呆子”的人。 她在学术界中名列前茅，拥有跨学科评估博士学位，最终成为数据可视化和设计的专业。 Evergreen博士现在是国际公认的演讲者，作家，设计师和研究员。 她周游世界，教客户如何讲出更好的数据故事。 正如她所说，“这是一场非常不错的演出！”
当她在密歇根州白雪皑皑的家中闲逛时，我与她交谈，谈论她的书，精通数据通信的技巧以及她最喜欢的图表（每月更改一次）。
是什么促使您有效地编写“呈现数据”，又是什么促使您现在呢？
我认为这确实是我注意到自己的问题。 我当时正坐在一台装有数据的计算机上，试图将演示文稿整理在一起，而我对它的呈现方式感到无聊和沮丧。 我知道这并不有效，但我不知道还能做些什么。 因此，我开始写博客。 我的博客开始引起人们的广泛关注，因为我当时是唯一谈论此内容的人之一。 出版商在那里看到了足够的兴趣，看到了新的突破，因此他们给了我一本书。
现在激励我的是，当人们给我写电子邮件或发推文时，每天与我联系的读者都说我的写作对他们及其工作方式有所帮助。 我有一个在会议上找我的人想给我最高的五分。 他说，由于他参与了我的工作，因此与所在部门的其他人相比具有新的竞争优势，并且他现在比其他任何人都更能讲故事。
您如何描述有效的数据表示方式？
我认为成功进行数据演示的最终标志是，当听众理解了所说的内容之后，他们便可以利用这些信息来采取行动并做出决定。
为什么我们的大脑喜欢视觉效果？
我们处于图片第一世界。 人们就是通过我们的眼睛来操作图片的。 我们的身体由5种感官构成，但视觉是我们目前的主要感官之一。
可视化数据时遇到的最大错误是什么？
我看到的最大错误（这与视觉无关）是人们没有弄清楚他们真正想说的话。 在打开Infogram或Prezi之前，这需要花时间进行解释性的脑力劳动，回到办公室的办公桌上。 这部分不应该那么难，因为在大多数情况下，人们一直在关注数据。 他们内外都知道。 他们只是不花时间坐下来思考此特定数据集的有趣之处，重要之处或值得注意之处。 数据中什么对您的受众有利？
您有哪些有效使用色彩的技巧？
要知道的第一件事是我们需要控制颜色。 我们不能只让软件决定将要使用的颜色，因为它永远不会知道故事的内容。 颜色是吸引眼球的事情之一，因此我们需要在数据上需要引起观众注意的位置上使用活动颜色。 然后，我们可以将其他所有内容置于灰色阴影中，以便人们将重点放在重要的内容上。
您对那些努力选择正确图表的人有什么建议？
它是如此艰苦。 我一直都在听到它-人们想要一个关于要使用哪个图表的决策树-“如果这样，那就那样。” 我告诉人们考虑他们的听众。 他们知道什么？ 他们是否精通数据？ 他们是学术的吗？ 如果是这样的话，他们可能想要一张看起来很认真的图表。 还是他们害怕数据？ 了解您的听众在哪里，以及他们对数据的舒适程度如何，可以为您提供帮助。
再说一次，您还必须知道要对数据说什么。 例如，如果您试图让受众比较图表中的两个变量，则可以开始缩小显示比较的所有图表类型的范围。
人们什么时候应该意识到他们对设计的追求过高？
我认为，如果您坚持使用默认图表类型，几乎可以保证会有太多混乱。 如果您使用软件并单击一个按钮来插入图形，那么它将太杂乱。 默认图表趋于混乱。
这不是太过分的问题，而是根本不走任何地方的问题。 人们需要开始抽出一些不会加深对图表理解的内容，例如刻度线或轴线。 我还看到人们朝着另一个方向走得太远，然后他们又剥离了太多。 最终，最好是对一个对数据集不太了解的人测试视觉效果，然后看他们是否可以读取正在发生的事情。
可视化数据和呈现可视化数据有什么区别？
我认为可视化数据是一项可以单独完成的活动。 当您呈现可视化数据时，它具有通信方面的功能-一个人正试图传达信息，以使其他方受益和理解。 有时，这涉及更广泛的技能，例如文案写作和公开演讲技能。
读者现在可以采取哪些快速技巧来改善数据可视化？
获得最高荣誉的最好方法之一就是拥有一个很棒的头衔。 一旦完成了艰苦的工作，即只想弄清楚数据要说什么，就可以说出一句话来总结您的故事。 解释数据集中发生的事情。 如果我们换掉只描述数据是什么的通用标题，而不是数据的主要观点，您将走得更远。
您为什么认为dataviz和信息图表近年来变得越来越流行？
真是 它变化如此之快。 我认为我们突然变成了数据驱动的世界。 即使在十年前，我们还是在猜测。 我们真的不知道我们的工作是否有影响。 然后，突然我们意识到我们可以收集任何数据。 现在，我们拥有大量的数据，而且人们不知道该如何突破这些数据才能找到重要的数据。 我们感觉到收集数据的压力，然后感觉到做出由数据驱动的决策的压力，人们很难将两者联系起来。 这就是为什么数据可视化已成为人们的首选资源。
您最喜欢的图表是什么？为什么？
我最喜欢的图表发生了变化。 多年来，我可能会向您展示博客文章，上面写着“这是我最喜欢的图表”或“这是我新的最喜欢的图表！” 今天，我不得不说一个重叠的条形图。 当我弄清楚如何制作重叠的条形图时，我觉得它解决了很多数据问题。 它适用于许多情况，否则我无法很好地形象化。
我们经常在这种情况下试图比较两件事，但是其中一件事本质上是另一件事的一部分。 当我们将它们并排放置在条形图或柱形图中时，我们将它们视为不存在于世界上两个不同的独立实体之间-它们是相关的。 我认为在很多情况下都是如此。 例如，比较旧金山居民和加利福尼亚居民时。 那不是两件事！ 旧金山是加利福尼亚的一部分。 当这些条重叠时，我们在另一组条中有一组条，这有助于我们讲述两个事物之间的关系。
您正在从事什么激动人心的项目？
在2018年，我将写第二本书《 有效数据可视化》 。 它将包括一些新的图形类型，我将稍微讨论一下仪表板，显示一些节省时间的技巧，并且视觉效果将为全彩色。 在来年，我们还将总结一些关于数据可视化的研究。 我们取得了一些令人兴奋的结果-请继续关注！
Stephanie Evergreen博士是国际公认的数据可视化和设计专家。 她通过主题演讲和研讨会在全球范围内培训了未来的数据书呆子。 她在StephanieEvergreen.com上撰写了一个有关数据表示的流行博客。 她的书《 有效的数据可视化 》于2016年春季出版。她的另一本书《 有效地展示数据：传达您的发现以最大程度地发挥作用 》于2017年6月第二版出版。
