从0到1做可视化（二）：不只是酷炫的数据大屏,可视化

从0到1做可视化（二）：不只是酷炫的数据大屏

数据大屏是什么？

每年的双十一，我们都能看到天猫那个巨大的交易屏幕，快速的刷新着数字，刺激着所有人的神经，让人们直观的感受到新经济为社会带来的巨大改变。

我们也常常在城市和社区管理中，看到指挥大屏让管理者监控全局，第一时间作出指令。而在生产管理、商业运转和展示展厅中，也会有一些大屏展现资产的全貌和流程，甚至透视和监控其中的问题，协助管理者进行决策。

这些都是我们所说的数据大屏，是数据可视化在实际的商业环境中发挥重要作用的一个方向。它除了需要设计师理解动态数据设计，还要把握业务场景。今天我们就来看一下，怎么从0开始进行大屏数据的可视化。

大屏数据的作用

信息展示：大屏数据可以在观感上给人带来震撼的印象，引发共鸣，打造仪式感，传递企业或者团队的形象和文化。例如，天猫的双十一，通过超大屏的实时数字刷新，配合视觉效果制造了激动人心的气氛。

商业分析：将多种数据和关系，或者复杂的业务流程，用交互式的图形图像来呈现，以解释业务的变化趋势和原因。解决“信息孤岛”，直观把握核心资产全局、价值流动和结构透视。

管理控制：大屏数据可以实时了解资源动向和问题预警，帮助快速决策。像生产管理或者城市管理的数字大屏，可以实时监测数据和情况，快速发现值得关注的趋势，和可疑事件，及时作出管理决策。

大屏数据设计流程

我们在上一期中对数据可视化的过程做了详细的解释，大屏数据作为数据可视化的一类，自然也遵循同样的可视化过程，而作为一个特殊的载体，也有一些特有的流程：

1. 明确大屏数据的使用场景

不同的行业和场景里，数据大屏主要起到什么样的作用，一般又呈现了怎样的数据呢？我们在实践中总结了一些主要场景：

2. 提炼数据指标

本期仅解读大屏数据可视化的特有流程，确定业务指标和数据采集分析过程可参见上一期：从0到1做可视化（一）：数据可视化只是画图表吗？

而大屏数据指标的提炼还需要注意：

1. 注意数据上限，一般为8～12个。假如需要展示的数据超过12个，建议把一些数据整合在一个数据表中；
2. 因为交互方式有限，不适合选择多维数据。比如需要多条件筛选的数据；
3. 考虑数据获取的难度和实时性，避免出现设计工具模拟容易，落地实现时困难的局面。

确定了数据指标之后，将指标按照重要性分为：主要数据、次要数据和辅助数据。

3. 选取图表

主要数据：主要数据是大屏数据的核心部分，所以我们也叫它“C位”。是传达信息的核心，也是视觉上最为吸引人的部分。除了常见的图表外，大屏最常使用的是，地图、和具象的物体，和多组数据关联的展现形式。

**此处部分图片源自网络，仅做想法说明示例，如有侵权请联系删除。

次要数据和辅助数据：可以遵循我们上一期讲到的图表选择方法，通过确定数据意图和参数的多少来选择合适的图表。

4. 确定大屏尺寸

4.1 计算画布尺寸

大屏通常分为无缝屏和拼接屏，目前市面上主要以造价相对低的拼接屏为主。拼接屏的缝隙越小价格越高昂。

主要的拼接方式为3*3，3*4或者3*5。其他的按照空间需求也会有比如4*8一类的拼接方式。

1080P为当前最常见的分辨率：

由此我们可以发现，拼接屏幕的大小和参数较多变，设计师需要计算对应的设计稿尺寸，避免设计稿投屏后发生变形。

4.2 计算观看距离

观看大屏的最佳距离和最小距离通常和屏幕的像素点间距有关。以下列举了适合室内观看的大屏像素点间距：

4.3 选择文字大小

大屏展示中，文字的色号、颜色和分辨率、观看距离有很大的关系。以1080*1920的分辨率为例：

近距离观看：遵循网页的字号使用原则，如最小的字号为12px；

远距离观看：最小字号为14px，正文内容为16～18px。

5. 确定布局

我们在设计布局的时候往往要基于数据的类型，遵循一些原则来保证设计的效果：

如何将主要数据、次要数据和辅助数据在画布上进行布局呢？我们有一些常见的结构：

上中下结构、上下结构：适用于主数据为较长的图形，但是不适合超过16:9的屏幕。常见于展示：基因链条、地图类型、3D城市城市类型等。

左中右结构、左右结构：左中右是最常见的一种类型，适合大多数图形。超过16:9的屏幕基本采用左中右的结构。常见于展示地图、地球、建筑、分解图等。

环绕结构、半环绕结构：常见于数据图形、可视化图形或数据类型较多的时候。例如把数据或信息抽象成具体图像的类型、地图、地球等。

6. 设计动效和场景化表达

大屏的展示空间较大，所以设计师可以充分的发挥自己的创造力，营造酷炫的效果。但动效的设计，除了追求视觉效果外，还要保证最终呈现的效果是为了业务目的服务的。

图表的展现也可以不拘泥于传统的图表设计，可以将一些数据指标做具象化甚至场景化的设计。

最后想说，大屏数据不止是酷炫，所有的表达和动效，以及数据的布局和选择，都要符合其业务场景，为组织带来价值。所以设计师们在设计和实现数据指标的展现时，最终都要回归到业务场景去验证。