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）
本文寫作目的為討論疫情資料及圖表呈現
台灣在2021年5月爆發大量本土確診案例，媒體緊追疫情發展，各種視覺化圖表也紛紛出籠。身為對資料視覺化有興趣的人，看到圖表總是忍不住想探究原始資料，以及觀察圖表設計者如何呈現資訊。
我們瀏覽目前台灣媒體製作的疫情圖表及專題頁面，希望一探我們將碰到什麼樣的疫情數字？可以用什麼樣的圖表呈現？文末也將延伸討論，這些圖表裡面有哪些秘密？視覺化的過程會遇到哪些困難？
（大量圖表預警！歡迎先拍手或收藏本文，有力氣時再繼續往下閱讀😆）
🁢 1 🁢 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。
消息一出，除了輿論對「校正回歸」名詞的消遣，群組內傳來更多緊盯疫情數字的工程師、設計師哀嚎 — — 只要指揮中心滾動修正，負責資訊圖表設計與發佈的人就要跟著修正資料源。（問題不僅於此，指揮中心當時並未同步公布「校正回歸」案例詳細資料，例如縣市別⋯⋯）
更重要的是，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：
5/21｜指揮中心尚未開始公布「校正回歸」案例，《報導者》以地圖方式呈現疫情確診數分佈
5/22｜指揮中心第一次公布「校正回歸」案例，《報導者》除了疫情地圖，新增每日校正回歸病例與當日公布確診數累計堆疊直方圖
5/23｜指揮中心持續公布「校正回歸」案例，《報導者》也繼續在堆疊直方圖上新增數據
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
從這個案例中，除了可見資料處理者面對資料特徵變化的快速反應能力，我們也觀察到設計者的巧思：將堆疊直方圖上的資訊從每日新增「校正回歸」案例數 + 指揮中心當日公布確診數 改成總「校正回歸」案例數 + 指揮中心當日公布確診數 ，並新增7日平均新增確診數的趨勢線。
我們認為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。
如果你想知道為什麼要用7日平均值可以參考：
而這樣的疫情數字呈現方法其實很常見，例如：
🁢 2 🁢 幫助讀者看懂：附上圖表說明、資料來源（甚至是公式）
疫情資料涉及許多公衛知識，如篩檢陽性率、疾病致死率與疫情死亡率都是觀察疫情的重要指標，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。
《報導者》參與2018年SND 香港年會心得中提到，《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。
因此，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。而圖表製作者也不是專家，若要取信於讀者，也須仔細說明資料取得方式、資料來源及編輯說明等資訊以供檢視。
為彰顯資料可信度，資料來源已是必備元素，更細心的圖表設計者同時會提供計算公式。例如《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：
除了解釋資料之外，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，像以下案例便以不同形式提供了顏色／級距細節：
🁢 3 🁢 凸顯重點：利用顏色、物件大小引導讀者
觀察圖表是很有趣的一件事，可以從用字、顏色與各物件大小來推敲設計者細膩的思考方式。
圖表設計名師、邁阿密大學傳播學院視覺新聞教授Alberto Cairo在著作《圖表會說謊》（How Charts Lie: Getting Smarter About Visual Information）中指出，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：可以觀察圖表呈現資料是以長條來比較數量大小？還是以圓形來表示比例？等
- 位置：例如離散圖中資料點的位置，哪些點比較遠？分佈的位置有什麼樣的意義？
- 面積／大小：資料點的大小代表什麼樣的數據特徵？（若是圓形的比較要特別小心原始資料，若沒有校正，有時候用圓形比較資料會失真）
- 顏色：每個顏色分別代表什麼樣的資料？
而如何組合各種元素，吸引讀者視線，則考驗設計視覺層級的功力。排版是設計師的專業，這邊提供幾篇關於視覺層級的討論：
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：
追蹤各家疫情圖表後，我們開始思考⋯⋯
🁢 Q1 🁢 資料只能呈現數字嗎？還有哪些可以關注的面向？
除了確診數、陽性率等數字，在疫情資料中，我們還可以觀察到哪些面向？
這個問題其實要回歸到各個資料觀察者觀看資料的角度，畢竟每個人處理資料的目的與策略不同，關心的面向也有所差異。我們整理了幾個案例：
- 在死亡人數統計之外，觀察死亡個案的病程與病史：
關上新聞網頁，我們開始想：
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？
從製作過程來看，地圖的資料視覺化其實並不輕鬆，製圖者需要先獲得乾淨的台灣地圖，接著填色；而填色時又需要考慮各縣市確診數差距，並在兼顧用色與呈現縣市嚴重程度的前提下，選擇合適的顏色上色。若特定地區確診數快速增加，填色級距就必須重新設計，而這又是另一輪新的研究→討論→再設計過程。
而若是疫情地圖沒有留下數字細節，讀者僅能從圖上看到粗略的資訊（僅有顏色分佈），無法從圖表讀出更多資訊。讀者可能在閱讀上碰到問題：如果我家跟隔壁縣市是同樣的顏色，代表我們疫情嚴重程度一樣嗎？我的家鄉是這個顏色，在哪個級距啊⋯⋯
從圖表類型來談，地圖／面量圖並非用來直接比較數字大小，而較常結合人口特徵資料，例如居住人口等，討論各地某資料分佈密集程度。
不過目前台灣案例數相對總人口數較小，若以人口密度呈現，很難直觀看出疫情嚴重程度；再加上讀者最需要的數字可能是確切確診人數，而非當地確診密度，因此目前可能還用不上面量圖。
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？
看著滾動修正的疫情數字，以及指揮官陳時中手中的資料圖卡越來越多，我們想的是：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。
《端傳媒》追蹤數據的記者何欣潔日前在臉書上提出討論，她認為衛福部目前所公布的資料中，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
除此之外，我們認為以下資料維度也很重要：
- 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）
資料處理與清理議題並非本文主題，不過其實在看圖表之前，我們更常討論資料品質問題，例如某統計到底在哪裡？他裡面得空值為什麼沒有移除？這份資料在取用上需要注意哪裡？畢竟若無法兼顧資料完整性，圖表便無法呈現有意義的故事。
如果你也想動手做…
開放資料集｜政府｜衛福部
- 疾管署資料開放平臺
- 嚴重特殊傳染性肺炎(以日為單位)-依個案研判日統計
資料維度：地區（縣市別、鄉鎮市區）、日期、性別以及是否為境外移入、確診數
註：此資料集在截稿前（2021–5–27 13:20），仍包含未清除乾淨的資料、資料欄目資訊錯置等問題，使用前記得仔細觀察～
- 傳染病統計資料查詢系統
開放資料集｜個人／團體協作｜G0v
- 疫情統計-武漢肺炎in臺灣相關整理（google sheet）
開放資料集｜媒體｜READr
臺灣武漢肺炎確診病例資料
開放資料集｜媒體｜天下雜誌
疫苗資料
資料集｜其他
除了各媒體粉專，還有以下這些頁面能夠追蹤疫情圖表！
天下雜誌
關鍵評論網
聯合新聞網
民視
遠見雜誌
端傳媒
https://theinitium.com/article/20210523-taiwan-covid19-datadashboard-weekly/
中央社
Yahoo 奇摩新聞
READr
👩🏻💼 謝謝你讀到這邊，歡迎拍拍手 👏 鼓勵我們寫更多文章～
謝謝子軒、Steven、Helene、Kerwin 提供編輯意見及媒體工作實務經驗，特別感謝子軒與Steven整理與提供大部分參考案例。
有什麼想法也歡迎留言告訴我們！
