一位客户曾在董事会会议前三小时发送了一份“最终版”的季度仪表盘。每个 KPI 瓷砖都使用了从浅天蓝到深红的渐变色，低值时为柔和的天蓝色，高值时为深红色。看起来很奢华。然而，这也让两个不相关的指标——流失率和支持票务量——看起来似乎在同步变化，仅仅因为两者都落在了橙色区间内。它们并不相关，渐变色却创造出了一个并不存在的相关性。
这就是人们对色彩渐变的误解所在：问题并非在于它们难看或过度使用。而是平滑的渐变要求人眼做一件它结构上不擅长的事——将连续的色彩视为连续的数量，且步骤均匀且可预测。
颜色没有内置的刻度尺
数字有明显的顺序。三比二大，比四小，无需解释。颜色就不是这样。当你将一张图表从黄色渐变到橙色再到红色时，你是在依赖观众的大脑默默地将色调转换为数量级——而色调从未被设计来承担这个任务。
正是这个原因，使得“彩虹式”颜色图在科学可视化中逐渐失宠。在广为引用的2007年IEEE论文中，研究人员David Borland和Russell Taylor指出，彩虹式颜色尺度会混淆观众，因为它们缺乏自然的感知顺序，且尺度上的亮度不均匀可能会掩盖数据中的真实差异，或创造出不存在的差异。一个在亮度中途发生跳跃的渐变——大多数彩虹和多色调尺度都是这样——会在视觉上产生一个“边界”，即使底层数值以完全稳定的速率变化。
我见过这种情况在普通的销售图表中发生，而不仅仅是科学图表。一个从黄色到绿色的收入热力图，每次在相同的值附近变化，会吸引观众注意到这个边界，好像那里发生了变化。但实际上什么都没变，渐变只是在其范围中间出现了一个亮点。
图表在你的电脑上没问题——但在其他地方就不行了
这里的问题比设计细节更让人烦恼。在一个色彩准确的显示器上、安静的办公室里、全亮度下校准的渐变，并不是观众看到的渐变。
将同一张幻灯片投影到会议室屏幕上，灯光打开一半，那么相邻色调之间的细微差别——携带实际数据的部分——会首先变得模糊，因为微妙的色调变化对比度远低于一个硬色彩边界。将其打印为灰度版本放入董事会包中，这种情况比大多数设计师想象的更常见，五级渐变可能会缩减为两三个视觉上明显的区块。截图并粘贴到Slack线程中，JPEG压缩会进一步模糊过渡。
这些问题在设计图表时不会显现。但在会议室中，当有人眯着眼看屏幕问哪个区域实际表现更好时，问题就出现了——而诚实的答案是，图表已经无法告诉他们答案了。
然后是你没有设计的读者
色觉异常并非可以合理忽略的罕见情况。Color Blind Awareness估计，约有1/12的男性和1/200的女性患有色觉异常——这意味着一个中等规模的利益相关者会议中很可能会包含一位无法可靠区分你的渐变中红色端与绿色或橙色端的人。红色到绿色的渐变是最严重的问题，因为这正是大多数色觉异常模糊的区别。
这不是在颜色检查清单末尾添加的一个注意事项。它与投影仪问题的核心问题相同：渐变只有在每个观众都能将其解读为大致相同数量时才能发挥作用。一旦观众中有相当一部分无法做到这一点，图表就不再传达数据，而是传达“暖色调与冷色调”，这比你想传达的信号要更粗糙得多。
渐变不是罪魁祸首——未与类别结合使用时才是
这并不意味着要从每张图表中驱逐渐变。一个精心构建的连续渐变——单一色调，仅在强度上增加，如从浅蓝到深蓝——确实能为单一连续变量服务，并且在投影灯光和黑白打印下的表现远优于彩虹式渐变，因为只有一个因素在变化：强度，而不是色调。
渐变的价值在于探索，而非比较。一个用于粗略观察大型数据集聚类的热力图矩阵——哪个10x10网格区域相对于其他区域“热”——是一个合理的用途，正因如此，观众不需要读取精确值，只需发现一般模式。如果查看热力图矩阵模板的典型构建方式，更好的模板会将渐变与每个单元格中实际打印的数字结合，这样色彩用于粗略的模式识别，而数字承载精确信息。这种组合是正确使用渐变的标志：色彩用于整体感知，数字用于事实。
渐变失败的情况则相反——要求观众精确比较两个具体值，比如“这些六个区域中哪个增长更快”。这是条形图的工作，而不是渐变的，因为条形图给出了长度，而长度是人类几乎与阅读文字一样准确的视觉编码之一。
比记住色彩理论更快的测试
我不会建议在下一份演示文稿到期前尝试记住感知色彩科学。更快的直觉检查：将图表转换为灰度，并从房间另一头眯着眼看它。如果你仍然能分辨出哪些区域有意义的不同，那么渐变确实传达了实质信息。如果一切都模糊成两三个模糊区域，那么颜色只是在装饰而不是传达信息，你最好使用一组明确的、命名的类别——或者将精确度交还给标签和数字，就像一个精心构建的图表模板通常默认结构的那样。
最终，客户的仪表盘保留了热力图滑动显示区域订单量的渐变——确实探索性且确实合理——但在其他任何需要直接比较的地方，都去掉了渐变，并用五种明确的、经过色盲检查的类别替换，以便董事会需要比较的任何内容。从那以后，会议中再也没有人将流失率与票务量混淆了。
评论 (0)