企业vi整套设计需要多维度的视觉变量把控

由雅克·贝尔廷介绍，视觉变量是人眼感知到的元素之间的差异。经过长期的研究，这些变量提供了理解人脑如何处理和导航视觉信息的方法。最初的一组“企业vi整套设计”由七个变量组成：位置、大小、形状、值、色调、方向和纹理。

下面的图表显示了一些视觉变量的例子，这些变量有助于根据Bertin的观点显示定性或定量的差异。它们还演示了通过点、线或区域表示属性的方法。1984年，威廉·克利夫兰和罗伯特·麦吉尔的一项研究根据人脑检测两种形状之间差异的容易程度，对两种形状最常见的方面进行了排名。企业vi整套设计从最精确到最不精确地排列了以下视觉特征：

按普通比例尺定位

由于我们共享一个共同的空间参照系，位置是最容易识别和评估空间元素的特征。

数据可视化设计中的视觉变量,沿着不对齐的相同刻度的位置.很容易比较用同一轴重复的不同刻度，即使它们没有对齐。面板图或“小倍数”就是一个很好的例子。结果是一个网格的图表，所有遵循相同的视觉格式，但显示不同的数据集。与单个较大的图表相比，较小的倍数有助于防止过度绘制，因为绘制的项目太多，数据可能会变得模糊或闭塞。

小倍数数据可视化最佳实践示例

长度可以有效地表示定量信息，因为元素的长度可以缩放到它们所表示的数据值。即使物体没有对齐，人脑也很容易识别比例并计算长度。

条形图是最好的数据可视化技术之一

方向很容易被人眼识别。例如，它可以使用折线图和趋势图来显示随时间变化的数据。

趋势图在数据可视化设计中有着广泛的应用

角度有助于通过提供比例感进行比较。研究表明，角度比长度或位置更难评估。但是，饼图和堆积条形图一样有效，除非整体有三个以上的部分。饼图可能是一种有效的数据可视化技术,面积的相对大小比线条的长度更难比较。第二个方向需要更多的努力来处理和解释。

气泡图有助于直观地显示数据

体积指的是在二维空间中使用三维对象，这使它们更难评估。然而，研究表明，当比较两个相同维度的形状时，可以更精确地感知三维物体。色彩饱和度是指单一色调的强度。颜色强度的增加可以直观地被认为是数值的增加。然而，很难精确地评估结果。

企业vi整套设计应该理解视觉变量的排序对于创建引人注目的数据可视化至关重要。然而，这并不意味着设计师需要将自己局限于条形图和散点图。Cleveland和McGill指出，“排序并不能导致显示数据的精确公式，而是一个工作框架。”威廉·克利夫兰说，色彩饱和度和明暗度在感知图案和行为时是最不准确的。尽管如此，对于数据可视化设计师来说，颜色仍然是一个强大的工具，可以在显示数据时传达含义和清晰性。然而，设计师必须了解色彩是如何工作的，以及它做什么和不好做什么。

我们对颜色的感知取决于上下文、颜色及其与周围物体的对比。一个很好的例子是日本立命馆大学心理学系教授北冈明（Akiyoshi Kitaoka）的一个实验，他将一张灰色的纸从黑到白的渐变上滑动。纸张在左右移动时似乎会变色。在每一刻，我们都会以不同的灰色来感知颜色。