数据可视化的受欢迎程度和影响在相对较短的时间内显著增加。自2009年以来，数据可视化的搜索频率几乎增加了100%。我们已经看到了很多可用的工具和软件，几乎任何人都可以相对容易地创建数据可视化。
　　我们本能地对图像比对文本更感兴趣，因为大脑处理图像的速度更快。然而，这并不意味着你可以把大量的图像和形状放在仪表板上，并期望你的观众感到惊讶。就像在我们对图像的吸引力背后的认知方面一样，在某种程度上，还有其他内在的东西与潜意识行为相关。
　　快速认知是我们从很短的经历中深入挖掘和衡量什么是重要的能力。正如我们被告知永远不要以封面来判断一本书，我们每天都在使用这种能力。它可以快速分析大量信息，决定什么是Z重要的，而不是采用更慢更理性的思维方式。
　　心理学家将这种现象称为“薄切片”:大脑的理性部分需要几个月或几年才能在几秒钟内评估细节或信息。马尔科姆·格拉德威尔这样描述它:
　　薄切片不是外来的礼物。这是它对人类意义的核心部分。每当我们遇到一个新的人或须快速学习一些东西时，减肥就会发生...我们依靠这种能力，因为在很多情况下，密切关注细节，即使不超过一秒钟，也能告诉我们很多信息。
　　好消息是你可以改变和反驳别人对你不好的印象，让他们更了解你。但在互联网上就困难多了，因为我们的关注周期总是处于历史低点。相应地，吸引你的读者的注意力比以往任何时候都难，你不能让不好的印象进入你的数据可视化的个人简介——尤其是当信息埋藏得更深的时候，很容易吸引人去探究。
　　为了防止这种情况，我们将讨论五个Z常见的错误，以避免涉及不同数据可视化类型的错误表单。
　　1.数据过载
　　许多可视化数据和BI仪表板都是数据过载(内容拥塞)的受害者，其中一些可能没有添加任何对数据的理解。例如，尽管三维图表可能看起来令人印象深刻，但它们通常会使数据的解释更加困难。
　　同样，BI dashboard、5个图表和众多标签可能会显示大量的研究结果，但如果你的读者不能区分他们在看什么，那就没用了。不必要的插图、阴影、字体和装饰会分散数据，所以尽量少用。在大多数情况下，少即是多。
　　2.访问轴
　　在处理定量数据时，条形图或折线图是可视化内容的Z佳方式之一。一个常见的错误是图表轴；当看起来有效起始轴高于零时，该值越大，这可以准确地表达棒线周转率及其值。
　　3.不要“切得太薄”
　　在处理所有数据时，数据通常以部分到整体关系的形式出现，更好的说法是饼状图。饼图是一种非常流行的展示数据的方式。然而，批评的是，正如沃尔特·希基所说，这是“表面上设计他们做的一件令人难以置信的坏事。”
　　没有分段标签，实际上很难区分饼图分段的大小(你能区分36%和37%的区别吗？)，所以要确保图表的所有区域都标注清楚。使用的类别数量也值得考虑；太多不同的段使得很难区分每个段。
　　4.交叉线
　　特定范围内的数据通常用于显示一段时间内的变化。因此，折线图是传达数据之间变化或差异的有效方式。你可能已经开始注意到这里的趋势，但重要的是不要在图表中使用太多的线条。图表上大量的切换线会很快变得混乱，所以我们建议不要使用4系以上。
　　5.合适的颜色
　　热图是数据可视化领域的Z新图表之一，它很快变得流行起来。使用地理空间数据作为基础分类数据，但有一些障碍可能会让你感到困惑。在热图中应正确使用颜色和数据范围。
　　有些颜色比其他颜色更突出，这可能会给数据带来不必要的权重。相反，使用具有不同阴影的单一颜色来显示强度级别。对于数据本身，请选择3-6个数字范围，并在其中平均分配数据。+/-符号可以扩展高和低的范围。
　　通过数据有效地讲述故事是一项基本技能，这将有助于你在组织中的影响力。