疫情視覺化：我們從不同媒體的圖表設計學到什麼（或不學什麼）

"《南華早報》資深資訊圖表設計師 Marcelo Duhalde指出，圖表製作者要記住並非所有人都是專家，也沒必要是一個專家，圖表本身需對讀者友善。"

01 保持彈性：資料有哪些特徵？怎麼挑選合適視覺化方法？

每天疫情記者會除了「神秘數字」揭曉時間，指揮中心從5月22日開始公布「校正回歸」案例，將應統計而未列入的案例數，按照其確診日期回溯。
該如何呈現「校正回歸」後的案例數？怎麼在提供詳實數字的狀況下，幫助讀者理解疫情趨勢？我們可以從《報導者》的圖表窺見他們如何接招：

5/24、5/25｜指揮中心持續公布「校正回歸」案例，《報導者》除了新增堆疊直方圖資料，也重新設計圖表樣式，讓資訊以更精簡方式呈現

5/26｜指揮中心持續公布「校正回歸」案例，《報導者》一改前兩天作法，僅留下總校正回歸數、當日新增確診數，以及加上7日平均數來幫助讀者理解疫情變化趨勢

新版的圖表解決兩個問題：

避免堆疊直方圖資訊過度複雜：

在原圖表中，每日新增的案例數都需要一個顏色，若要維持每日詳實呈現新增「校正回歸」案例數，又要將每日的資訊做出區隔，假設指揮中心連續100天公布校正回歸數字，設計師色票可能會不夠用


以7日平均值來呈現疫情變化趨勢，降低直方圖的高低谷對視覺判斷每日變化的阻礙：

7日平均值其實也可以是3日、10日或14日，算法跟均線的一樣，有在看盤的朋友應該不難理解，而指揮中心每次幾乎都校正前五天以上的案例，因此這裡選用7天在目前看來也許是相對適合的時間區間。

02 幫助讀者看懂：附上圖表說明、資料來源（甚至是公式）

每個名詞背後都代表特定的解釋範疇與統計方法，若讀者不具專業背景，很難一眼就理解圖表中資料的意義。
當資料涉及較生硬的知識，附上資料來源、資料整理方式與編輯說明等資訊，能幫助讀者更快速地看懂圖表。

《聯合報》在疫苗接種率的圖表中，除了展現數據，也說明疫苗接種比率的計算方法與採用資料

我們也能從解釋圖表視覺元素來幫助讀者閱讀。
舉例來說，若圖表主要以顏色區分資料的分佈特徵，詳實附上圖例說明顏色／級距，可供讀者進行對照及判讀圖表資訊

03 凸顯重點：利用顏色、物件大小引導讀者

如果要細究圖表細節，可以從以下兩個核心元素來討論：

圖表的骨架（scaffolding）：
標題、圖例、單位、尺度、資料來源等

圖表的視覺編碼（visual encoding）：
形狀 / 位置 / 面積大小 / 顏色

以下藉由幾個範例來觀察圖表設計者如何引導閱讀：

透過顏色與物件大小來引導：


透過顏色讓讀者清楚接收到圖表重點：


強調時序細節，讓讀者跟著觀察時序資料所代表的意義：

Q1 資料只能呈現數字嗎？還有哪些可以關注的面向？

在死亡人數統計之外，觀察死亡個案的病程與病史

在疫苗接種人數統計之外，追蹤各族群施打狀況

Q2 我們需要（這麼多）疫情地圖嗎？為什麼我們需要這些地圖？

希望得知各縣市確診資訊

那疫情地圖解決資訊問題了嗎？

若要呈現疫情嚴重程度，疫情地圖並不能確實達到比較確診數多寡的目的，越簡單的圖表也許才是較合適的呈現方式，例如直接提供疫情數字表格


從台北市政府提供的圖卡，也可以看出若要直接看出疫情熱區，表格資訊比地圖清楚很多。

Q3 我們還需要／可以看哪些數字？

疫情資料總是看得到、拿不到。若官方能拿出相關統計圖表，代表已進行資料統整，然而這些資料卻仍未能為資料分析者所用。

衛福部目前所公布的資料中，記者及文章作者認為尚缺（包含但不限於）：

校正回歸中「研判日」定義

各縣市的每日累積確診數（包含校正回歸後的數據）

每日採檢陽性率的分子（確診數）與分母（檢驗量）

關聯不明的個案趨勢分布圖

個案資料（確診日、採檢日、發病日）

疫苗資料（打一劑的有多少、完全施打的有多少）