视觉感知在数据可视化中的作用

数据可视化的目标是让用户最真实、最高效的接收到界面所传达的信息内容。在过去很长的一段时间，数据可视化是将线下信息移至线上，形成简单数字化模型，达到高效、易懂的展示交互目标。

1、感知与可视化

高效的计算机可视化系统能够模拟人类的视觉感知系统，在可视化结果中凸显数据蕴含的重要信息和模式，从而帮助人们快速完成数据的认知过程。大数据可视化是利用计算机图形学和图像处理技术，将数据转换为图形或图像在屏幕上显示出来，并进行各种交互处理的理论、方法和技术。将数据直观地展现出来，以帮助人们理解数据，同时找出包含在海量数据中的规律或者信息，更多的为态势监控和综合决策服务。数据可视化是大数据生态链的最后一公里，也是用户最直接感知数据的环节。

1.1、感知和认知

感知即意识对内外界信息的觉察、感觉、注意、知觉的一系列过程。感知可分为感觉过程和知觉过程。感觉过程中被感觉的信息包括有机体内部的生理状态，心理活动，也包含外部环境的存在以及存在关系信息。感觉不仅接受信息，也受到心理作用影响。

我们身体上的每一个器官（包括感觉、生殖与内脏的器官）都是外在世界信号的“接收器”，只要是它范围内的信号，经过某种的刺激，器官就能将其接收，并转换成为感觉信号，再经由自身的神经网路传输到我们心念思维的中心——“头脑”中进行情感格式化的处理，之后，就带来了我们的感知。

感知是客观事物通过感觉器官在人脑中的直接反应，通俗地说，关于输入信号的本质是看见（视觉）、听见（听觉）、闻到（嗅觉）、碰到（触觉）的东西。认知由信息的获取、分析、归纳、解码、储存、概念形成、提取和使用等一系列阶段组成的按一定程序进行的信息加工系统科学领域中，认知是包含注意力、记忆、产生和理解语言、解决问题，以及进行决策的心理过程的组合。记忆在人类认知过程中起着至关重要的因素，但工作记忆容量十分有限。可视化可以作为外部辅助工具来增强工作记忆。

1.2、可视化

数据可视化系统并不是为了展示用户已知的数据之间的规律，而是为了帮助用户通过认知数据，有新的发现，发现这些数据所反映的实质。

大数据可视化的实施是一系列数据的转换过程。我们有原始数据，通过对原始数据进行标准化、结构化的处理，把它们整理成数据表。将这些数值转换成视觉结构，通过视觉的方式把它表现出来。例如将高中低风险转换成红黄蓝等色彩，数值转换成大小。将视觉结构进行组合，把它转换成图形传递给用户，用户通过人机交互的方式进行反向转换，去更好地了解数据背后有什么问题和规律。

从技术上来说，大数据可视化的实施步骤主要有四项：明确需求、建设数据仓库模型、数据抽取、清洗、转换、加载（ETL），建立可视化分析场景。

1.3、可视化场景建立

建立可视化场景是对数据仓库中的数据进行分析处理的成果，用户能够借此从多个角度查看企业的运营状况，按照不同的主题和方式探查企业业务内容的核心数据，从而做出更精准的预测和判断。

步入数据时代，"数据可视化"作为一种表达类型、生产类型、内容类型，愈发高频地走进大众的视野。那么，应运而生的有哪些新的展示方式呢？首先，不得不提的就是数据大屏了。数据大屏拥有超大画面、纯真彩色、高亮度、高分辨率等显示优势，结合数据实时渲染技术、GIS空间数据可视化技术，实现数据实时图形可视化、场景化以及实时交互，让使用者更加方便地进行数据的理解和空间知识的呈现，可应用于指挥监控、视景仿真及三维交互等众多领域。另外VR、AR、MR、全息投影等。这些当下最火热的技术已经被应用到游戏、房地产、教育等各行各业，可以遇见的是数据可视化也能与这些技术擦出有趣的火花，比如带来更真实的感官体验和更接近现实的交互方式，使用户可以完全"沉浸"到数据之中。而在不远的未来，触觉、嗅觉甚至味觉，都可能成为我们接受数据和信息的感知方式。

2、感知在可视化中的作用

将数据进行可视化，可以清晰有效的传达数据信息，以实现“用视觉的方式去思考”。相比数据的公平，视觉的方式会带有一定的引导性。

如上图所示，我们能快速的发现图形上的不同之处。NSF认证的图形和图像处理小组称之为“可视化感知”，人眼的启动时间至少需要200毫秒，在启动时间内能感知到区别的存在。上图就是一种简单的预先处理感知实例，目标对象具有视觉属性“圆形”，“长条形”干扰物对象没有（所有非目标对象都被认为是干扰物）。观察者一眼就能知道目标对象是否存在还是不存在。

这种“可视化感知”实际上是运用人眼低层视觉系统的引发的快速感知特征。能够迅速的引发预设在图形中的潜在目标对象的注意。所以我们在可视化设计中可以运用这一特点，快速的迁移观察者的注意点。

2.1、个体特征和视觉注意点

按照Anne Treisman在早期提出特征理论，通过去预设目标对象和干扰对象的颜色、大小、对比和方向的不同特征属性。观察者也可以快速的通过这种“特征搜索” 迁移注意点。

之所以很快就能找到这些注意点，因为它们跟其干扰项相比，最多只相差了一种视觉元素。比如，红色线条和黑色线条，长线条和短线条。当只有一种视觉元素的时候，我们的视觉系统中的低层视觉系统就起作用了，它可以平行处理所有在图中出现的点，然后很快找到特征点。我们再来看下反例：

跟上面的例子相比，我们要花相对长的时间找到那个注意点。原因很简单，因为图中使用了两种视觉元素来区分特殊点，颜色和大小，方向和对比。在这种情况下，我们的低层视觉系统就不行了，视觉系统需要一个一个的处理每个点，识别两种元素，做仔细的区分。

2.2、可视化图表

在可视化中，我们希望想让用户注意到重要的数据，可以用单一特征去引导用户的注意点。

上图图表，展示一个企业产品的用户占比情况之类的数据，大致如上。那作为占比第一的产品，我们希望观察者关注第一名产品的数据，占比【50%】。但是上图的使用了多个视觉元素，没用突出目标项，这样就很难引导观察者的注意点。

修改上图图表，减少视觉元素的使用，我们再来看一个图。

从这个图表来看，只使用一个目标项和一个干扰项作为视觉元素的差异，我们就可以去引导观察者的注意点。引导到我们想要重点说明的数据上面去。

2.3、刻意引导的可视化误解

但是对于数据可视化来说，引导注意点，其目的是为了让观察者快速的去了解数据，而非刻意诱导，造成观察者的误解。

上图是一个销售财年的报表，2015年销售额100万，2016年到达200万，从上图图表展示出来给观察者的信息就是，2016年比2015年销售额增长了1倍的样子。

但是我们把所有数据拉出来看，却发现出完全不同的事实，2013年销售额400万，2014年300万，2015年100万。2016年虽然比2015年增长了，但是和前几年相比有着明显的下滑，这就是一种图表展示的错误诱导的方式。

这种在Y轴上诱导的方式很常见，国内某理财产品展示近几日收益的时候，通过图表好像3月15号的时候收益非常高，但是仔细去看Y轴上的数值，会发现其实3月15号比3月10号的收益增长只有0.6%的，但是感观上给观察者非常夸张的展示。

而按照坐标轴为0%来展示的情况，实际只是一个非常稳定的状态。

3、多维度可触达的感知设计

信息可视化的设计目标是让用户真实、高效的接收到界面所传达的信息内容，以此可知对应的用户心智模型即为高效地得到最真实的数据，达到接近零消耗的信息传达。

在第一次数字化设计革命中，设计师将信息初步数字化，基本完成信息可视化1.0，其后设计师努力在数据可视化体验上做突破，其中比较典型的就是谷歌提出的Material Design中的卡片拟物化设计，不断提高用户的感知体验，但受限于技术原因，用户感知一直停留在界面（可看）层面，未能达到用户三维感知心智。

相对于传统二维的界面元素而言，利用语音或者AR技术营造更加场景化的沉浸式体验，增强用户的场景感知心智，最大化发挥线上体验优势。

3.1、语音交互的听觉感知

语音交互作为一种新运用到互联网场景中的技术，即可以链接PC端&移动端做触点响应场景，也可以独立应对用户需求。在语音交互场景中，界面随用户语音唤起而自动触发。用户可以通过语音触发其用户行动点，控制信息的多层穿透获取[9]。同时由于信息的多维度传递，画面和声音同步输出，就像一个真实的业务助理在面前给你汇报业绩情况。在保证用户对于信息获取的时效性，也增强用户的体验感知。

语音交互很多时候可以极大改善信息可视化的沉浸感与高效性，但是在感知传达方面更偏向于小场景，而AR可以营造出全景的感知场景。

3.2、AR交互的全景感知

AR有虚实结合与即时互动的交互特性，就是可以将现实世界中的信息进行增强感知，不管是形式上的还是内容上的。帮助用户更加深入触达界面里的信息。

工业互联网的信息数字化重构是B端领域的一个强有力的发力点，工业领域的AR辅助工作系统把虚拟信息与线下场景无缝连接，最大化利用线上数字化，智能引导工人进行技术操作，高效省心。AR全景交互可以带来更形象、更自然、更场景的体验感，增强用户的感知，提高B端业务处理效率。

不管是工业互联业务还是财务、人力、医疗等，只要涉及信息可视化，都可以通过多维感知设计发力，寻找最合理的契合点，来促成全链路的服务设计中最重要的感知体验环节。