从体检报告来看数据展现方式的重要性

大数据 数据分析
咱们做应用性能优化,一个接口的性能从1秒,优化到了0.8秒。感觉有限,但如果换成毫秒,虽然只是表述单位的差异,但从1000毫秒优化到了 800毫秒,就会有 200 的感觉, 比 0.2 感觉要强多了。

[[394908]]

上个月体检报告新鲜出炉。其中「胆红素」一项异常,报告建议再进行检查,有问题到医院就诊。

给大家看下这个数据:

血常规提示:平均红细胞血红蛋白浓度高360g/L(参考区间:316- 354)。轻微改变,酌情复查。

生化检验提示:直接胆红素高9.60μmol/L(参考区间:0- 6.8),

间接胆红素高23.89μmol/L(参考区间:2- 15),总

胆红素高33.49μmol/L(参考区间:2- 20.4)。建议复查,若仍异常,请专科进一步诊治。

做为连胆红素是啥都不清楚的门外汉,当然第一时间先网上查查这是个啥,看看别人的类似经历,再比较一下参考区间和实际值。

网上众说纷纭,咱也不懂,只能及时就医。不过从网上了解到检查这个需要挂消化科。

第一次去找医院,给大夫大致描述了一下「数据」,大夫听完后点点头说没事,放心吧。我担心表达有出入,我又把报告给大夫看了一下。

大夫笑着说:没什么问题,我发现你这个人也太容易焦虑了。:-) 不放心我再给你抽血化验下。

一周后拿到化验结果,这次又约到了另一个大夫的门诊。

我把结果递了过去。大夫快速的扫了一眼说「没事」。

我又把之前体检的胆红素值之类说了一下。

我说,不太懂,担心有问题。

大夫笑道,我懂。放心吧,把心放肚子里。啥事没有。

从医院出来后,一方面有感叹隔行如隔山,也感叹数据呈现方式对人的影响。

不知道各位不听医生结论,直接看数据会有何感受。我在看到

  • 23.89μmol/L(参考区间:2- 15)
  • 33.49μmol/L(参考区间:2- 20.4)

这两项时,感受就是特别高,毕竟快要到标准数据两倍了。这种时候,如果体检机构能有个像医院的大夫一样的角色,给加个说明,或者人工指导一下,也能缓解引起的焦虑。

或者说,这里的参考区间是不是数据落后了,需要更新了...

另外,就是数据展现形式的「技巧」。比如这里的参考区间,让实际值显得更明显。

说回咱们软件开发。比如咱们做应用性能优化,一个接口的性能从1秒,优化到了0.8秒。感觉有限,但如果换成毫秒,虽然只是表述单位的差异,但从1000毫秒优化到了 800毫秒,就会有 200 的感觉, 比 0.2 感觉要强多了。

还有之前看到过某团队一个前端框架的性能与原生对比。咱们看下这张图,感觉很厉害有没有。

绿色的是这个框架分别在Android 和 iOS 上和 native的对比。特别是iphone这个,有没有感觉像是提升了两三倍的。

但你仔细去看,发现他数据不是从0 开始,其实整体数据是提了两帧。

再比如这个数据展示,我们一般印象里是图比文本更容易展示,但比较左右两边,是不是右边的重点更突出呢?

而且,在展示时的配色上,也容易通过明暗等影响读者,比如:

关于数据展现,在网上看到这样几条展示原则,供参考:

直接标记数据

在图例和数据之间切换是非常麻烦的。可将需要尽量识别出任何可能消耗受众精力的问题自行承担。建议在需要描述的数据旁进行标记。

慎用颜色

在少量使用时,颜色是吸引受众注意的最强大的工具之一。但请克制为了丰富多彩而使用颜色的冲动。有选择、有策略地使用颜色这一工具突出图表中的重要部分。建议自行选择颜色的使用,而不是让工具自动选择。可以考虑统一色调、对比色、品牌色的使用。

强调大小

大小很重要。相对大小代表了相对重要性。如果你需要展示几件重要性相同的事情,请使用相似的大小。相反,如果有一件事情尤其重要,那么用大小来体现这一点:将它变大!

文字体

包围,加粗,斜体,间隔,下划线。这些对文字的处理,也可以帮助突出信息,可酌情使用。

位置

大多数受众会从图表或者幻灯片的左上角开始,按“之”字形扫视屏幕或者页面。他们会最先看到页面的顶端,这使得这里成为了风水宝地。考虑将最重要的内容放在这里。

本文转载自微信公众号「Tomcat那些事儿」,可以通过以下二维码关注。转载本文请联系Tomcat那些事儿公众号。

 

责任编辑:武晓燕 来源: Tomcat那些事儿
相关推荐

2020-07-04 10:41:00

物联网平台MVNO物联网

2021-07-19 16:23:55

数据安全滴滴大数据

2017-04-19 09:21:00

数据备份信息

2024-04-28 11:40:52

2022-06-09 00:03:44

数据数据治理搜索

2010-07-30 16:28:06

2023-10-24 11:07:57

2023-11-29 14:52:38

2010-10-26 11:14:07

Oracle数据库备份

2015-06-02 13:10:55

2022-05-26 14:23:13

数据收集大数据

2017-12-29 10:14:48

IT项目

2020-08-27 07:00:00

代码软件应用程序

2013-08-08 10:10:06

备份策略全备份增量备份

2011-07-05 18:30:44

站内优化

2016-11-07 15:13:54

2023-06-15 14:53:59

大数据

2024-01-01 16:16:26

2023-12-20 14:10:53

2023-06-27 15:54:40

数据中心再生能源
点赞
收藏

51CTO技术栈公众号