黄光龙 张欣

摘要：为了简化大数据信息可视化界面设计的过程，提出一种以用户为中心的大数据信息可视化界面设计的流程，包括需求调研、分析数据、规划设计和校验测试四个部分。研究者使用该方法进行设计实践，对方法进行验证和改进。

关键词：界面设计;信息可视化;设计流程;需求分析

中图分类号：J524 文献标识码：A

文章编码：1672-7053（2019）01-0138-02

随着计算机、互联网和物联网等技术的迅速发展，大量用户产生的海量信息被传输和记录，造就了信息爆炸时代。海量的数据中蕴涵着各行各业的专业人群所亟需的规律和发展趋势，如何利用海量信息中的有用信息成为各企业面临的挑战和机遇。信息可视化就是为了展现复杂数据背后的内在结构、关联和模式的手段，能够帮助人们更好地利用用户产生的海量信息。有研究者认为，信息可视化的三大发展方向分别是跨媒体、大数据时代与社交网络[1]，而我们正处于大数据时代的信息可视化阶段。

1 大数据信息可视化显示界面综述

大数据信息可视化显示界面是基于大数据相关技术的发展而产生，大数据的处理过程主要包括：数据收集、数据分析和数据呈现;大数据信息可视化显示界面的关键之处在于数据呈现。数据呈现的主要方式是数据可视化[2]，数据可视化是将大数据的分析结果以可读、可见形式输出，以方便用户有效地获取相关信息。大数据信息显示界面的数据可视化通过菜单、按钮、文本、图标、图片等设计要素将界面中的大数据信息显示出来，并实现与之交互，以帮助执行用户目标任务[3]。

信息可视化可以视为编码（encoding）和解码（decoding）两个相互映射的过程：编码是将数据映射为如形状、位置、颜色、文字、符号等可视化图形的视觉元素;解码则是对视觉元素的解析。可视化编码的两个特征是效率和准确性，效率指的是能够迅速获得大量信息，准确是指解码获得初始真实信息[4]。国内外研究者对信息可视化进行了探索，对大数据可视化的概念和流程进行解读、辨析和研究，使得行业内工作人员在大数据可视化的概念问题上达到统一，便于沟通[5]。Card等人将信息可视化解释为：对抽象数据使用计算机支持的、交互的、可视化的表示形式以增强认知能力[6]。但是目前还未有关于大数据信息显示界面设计的完整设计流程和方法来，本文提出一种关于大数据显示界面设计的流程和方法，便于相关开发和设计人员对大数据显示界面进行设计。

2 信息可视化显示界面设计的过程

大数据信息显示界面是用户与系统交互的唯一工具，用户通过解码这一过程获取信息。而大数据信息的冗杂和庞大，不能将所有初始信息全部在界面设计中呈现;为了更好的让用户进行解码，因此在“编码”即界面设计的过程中需要以用户为中心。BenFry在他的著作《可视化数据》里把数据可视化的流程分为了七步：获取、分析、过滤、挖掘、表示、修饰、交互，在这些流程中并不是每个步骤都是以用户为核心来执行，且其侧重点于数据展示设计方面，文中提出一种将用户研究贯穿于整个过程的界面设计方法。此方法包含需求调研、分析数据、规划设计和检验测试四个阶段，每个阶段都要求设计者具有同理心去进行，从用户的视角展示用户期望获取的信息。

2.1 需求调研

大数据信息可视化界面所呈现的是视觉信息，其和文字信息一样具有高低语境之分，因此在进行设计前需要对用户进行分类，针对不同的用户，所展现的信息和可视化的方式也有所差异。一般情况下用户分为新手用户、中间用户和专家用户三类;新手用户指的是从未接触过大数据可视化应用的用户，中间用户指的是曾经接触过大数据可视化应用的用户，专家用户指的是有大数据可视化技术经验的专业人员。在对用户进行分类和确认后，需要挖掘出此类用户的目标需求，具体的需求指标项包括：显示界面的主题、数据的权威和准确性、用户关注点和相关行为原因等。常用到的用户研究方法包括：焦点小组、用户访谈、竞品分析、用户观察法等，但是需要注意的是在需求挖掘的过程中需要定性和定量的方法相互结合。

2.2 分析数据

大数据可视化的数据量过于庞大，不可能将所有数据毫无处理地全部展现给用户，因此，需要站在目标用户的角度上分析数据，以便保证用户与显示界面交流时思维和操作过程都十分清晰。在进行数据分析时，可以采用以下步骤：（1）分析需求維度——将用户提出的需求拆分到最小维度;（2）选择数据——选择最佳数据来说明需求现状;（3）合并维度——对同一维度数据进行归类，化繁为简;（4）选择表现——确定用哪种表现形式来体现数据。在进行用户调研时，用户提出的需求都相对比较模糊，并不能够直接选择合适的数据清洗地表达，需要将客户提出的需求进行详细拆分，直到能够使用数据来展现的最小维度。接下来需要对各组数据进行选择，挑选出最能够展现客户需求的数据来展现用户的每个需求。由于单一的维度只能反映出某个需求的一个表象，而需求的更深层现象需要多个维度的数据才能展现，需要将同一维度数据进行归类，数据之间产生的对比便能展现出用户所关注的需求本质。数据呈现在显示界面上需要可视化的载体，所以在合并完维度后需要选择合适的组件来展示数据。常用的组件包括：柱状图、饼/环状图、面积图、区域图、散点图、气泡图、仪表盘、温度计/刻度仪、雷达图、地图、热区图和甘特图等，每种组件的选择都是依据用户需求和对应数据维度的特性来选择。

2.3 规划设计

在经过数据分析后，基本上已经确定显示界面上需要展示的数据信息和相关展示组件，接下来需要进行详细的规划设计，此阶段主要考虑的是用户在“解码”过程的细节感受。因此在进行规划设计时更需要强调以用户为中心，通常需要遵循一些基本准则，包括用户导向原则、KISS原则、布局控制、视觉平衡原则、文字可读性、以及和谐一致性原则等。

在进行规划设计时，具体可分为以下四个部分：（1）模块设计;（2）维度表现;（3）动效设计;（4）数量控制。由于可视化显示界面的使用情景不同，在进行设计时需要考虑是将直接其进行整体设，还是分成每个单独模块进行设计后再组合成一个整体;后者延展性更强，适用于一个界面用于不同场景的多个界面载体展示和后期需要进行数据展现维度调整两种情况;前者视觉效果更强且精致，给用户更强烈的视觉效果。在数据分析阶段，已经确定了适用什么组件来展示相关数据维度，需要在此基础上进一步设计其详细的表现形式，包括二大小、位置、形状、颜色和方向等;在颜色设计上，不仅需要考虑不同背景下色彩的情感，还需要注意的是信息的呈现清晰度和用户的视觉认知疲劳等。在可视化界面设计中，增加动效设计能够在传递原信息的同时带给人们丰富的内容和联想。同时，对于一些需要挖掘深层信息的数据可视化来说，它们的“动”是不能被设计的，因为数据的变化是不可知的，那么其中主体的图形形象或者其他属性就需要经过艺术化的加工和处理，强化重点信息而弱化或者隐藏相关信息，这样用户才能快速获取有效信息[5]。最后，还需要对实施数据的不可控性进行展现上的控制，确定页面最后不会出现太密或太疏，直接影响用户最终的感受仁

2.4 校验测试

完成了所有的设计工作后，需要对可视化显示界面进行校验测试，以确保设计的界面能够拥有良好的用户体验，也便于进行设计改进。校验测试主要包括REVIEW需求、实地测试和可信性测试三个部分。REVIEW需求为了保证用户所提的每个需求在我们进行数据分析和设计的过程没有被遗漏，且已经进行了充分的展现。因为设计可视化界面展现的硬件载体与当前设计所用的硬件载体不同，需要将其进行实地测试，确保实地使用的具体效果，包括动效是否达到预期、色差是否能接受等。可行性测试主要检验所设计的可视化界面能否快速地被用户“解码”，可以设计者自己作为讲解员，给用户讲解所设计的界面，能否使用一句话或一段话描述界面，且同时用户能够理解。

3 设计实例

研究者为某地区单位大数据系统设计可视化大屏界面，大屏所针对的用户主要为专家用户，但是其特殊之处在于专家用户需要偶尔协同新手用户一起使用，因此包括了新手和专家两类用户。在进行用户访谈和竞品分析后，得到用户所关注的主题是社区门禁管理数据的展示和挖掘，通过显示界面展示该地区人员使用社区门禁情况和趋势;这些数据和趋势有三个用途：日常工作统计、领导巡查汇报和来宾参观讲解。用户的需求包括：统计办理门禁卡人员情况、预警人员情况、门禁监控情况、工厂和住宅区门禁情况对比、各区工作人员工作情况等。在得到用户的需求后，则进行需求和数据分析。在经过分析需求维度、选择数据、合并维度和选择表现后，确定使用柱状图来展现一年内各区域预警人员总数，使用饼状图来展现某月重点人员分类对比情况，浮动表格形式来展现工作人员工作情况，地图来展示人员分布情况，面积图、折线图和气泡图結合来展示办理门禁卡人员情况等

最后进行规划设计，结合色彩和动效设计后，得到设计方案。将设计方案进行检验测试后，再结合用户需求进行相关修改，便得到如下图1所示的某地区可视化显示界面效果图。

4 结论

在如今的互联网时代，大数据将会不断影响和改变着人们的生活，大数据信息可视化显示界面对于大数据和可视化技术的应用起着关键作用，在文中提出相关大数据可视化显示界面的设计方法，并通过设计实例进行相关的论述：此方法通过需求调研、分析数据、规划设计和校验测试，以用户为中心设计大数据信息可视化显示界面c此设计过程在一定程度上能够为设计者在进行界面设计时提供流程的指导，为设计者提供了一种可参考的设计规范。

参考文献

[1]大数据时代下的数据可视化研究[D].河北大学，2014.

[2]郑佳佳.大数据信息显示界面交互设计研究[D].2015.

[3]Nsche B.A survey，classification and analysis of perceptual concepts and their applicationfor the effective visualisation of complex information[C]//Australasian Symposium onInformation Visualisation.Australian Computer Society，Inc.2004.

[4]曾悠.大数据时代背景下的数据可视化概念研究[D].浙江大学，2014.

[5]Card S K，Mackinlay J D，Shneiderman B.Readings in information visualization：usingvision to think[M]//Readings in information visualization.1999.