数据分析报告中如何增强图表的可读性?相信对于很多数据分析来说，做好每一份优秀的数据分析报告，是他们想要实现的，但往往很多数据分析师做的报告不尽如意，原因有很多，今天我们通过DataHunter与大家一起来了解一下关于图表的可读性，如何更好的增强这方面的调整。
一、数据会说谎，保证信息传达的准确性
图表是为读者制作，为信息表达而服务的，在基于数据建立图表之后仅仅是开始，还需要思考数据信息是否能够完整的传达，主要有四点：
有时候不正确使用图表会传达出完全错误的信息，与可视化原则相悖。
比如：
二、 坐标轴处理不当
一种是前面提到的出于夸大数据差异而对坐标轴起点不当截取。
另外是对坐标轴使用对数处理，减小了数据差异
1、图表拉伸
图表横纵坐标轴的比例异常也会影响数据信息表达，特别是表现趋势方向类的折线图等图表，横坐标和纵坐标的比例在1：1到2：1之间最为合适
2、取值间隔
最易出现在波动性较大的数据处理中，间隔取值会得到完全不同的结果
三、建立视觉层次
一份好的可视化报告一定是页面简洁，重点突出的，具体表现就是用突出的元素显示数据和结果，其他不重要的信息弱化，作为背景。此外还可以用线条或者箭头引导视线，帮助观众快速关注到主题信息图形部分。
比如下面这张NBA球员使用率和场均得分散点图，所有视觉元素都在同一个层次上，过于扁平没有重点：
下面这张把数据点淡化，加粗趋势线、弱化网格，把趋势线凸显出来，做出了层次。
但是网格在页面里还是显得过于杂乱和密集，纵坐标标签也过密，针对性处理之后：
可以看到，干扰信息越来越少，图表的焦点聚集于上升的趋势线上，正是我们要表达的关键信息，随着球员使用率的上升，场均得分也在上升，二者存在正相关。
四、允许数据进行比较
相对于只显示数据点的图表，带有网格的表格会更容易比较数据间的位置差异，比如下面这个例子，在不加数据标签的情况下，适当添加横向网格线会是个不错的选择。
图形的识别准确性差异也会导致难以比较数据，人眼很难分辨出二维图形的差异，比如下图中一眼看过去很难知道圆形的大小差异，换成基于长度大小的柱形图就清晰得多。
五、添加注解
图表里的注解包括标题、副标题、数据标签、单位、趋势线、内容备注等，所有的图表注解元素的都应该以满足无人讲解场景为增删准则，让观众即便在五日解说的前提下也能看懂图表。
