开启 3 天免费试用
注册即可免费体验全部高级功能。
*仅限新用户；每位用户只能获得一次试用。
如何用 AI 可视化数据而不误导读者：数据契约与图表契约双重审核
Olivia Park
2026年8月24日· 11 分钟阅读
要用 AI 可视化数据而不误导读者，需要先验证两份契约。数据契约定义每行和每个指标的含义，包括单位、分母、聚合、缺失值、时间范围和来源；图表契约定义问题、比较方式、图型、坐标轴、尺度、标签、上下文和无障碍文本。含义没固定前，不要让模型先选图。
数值准确不代表图表诚实。英国 ONS 说明坐标轴尺度会影响读者对相对大小的判断，条形图和面积图应从零开始。［1］ W3C 指出图表等复杂图像需要简短描述和能传达数值、关系与趋势的详细文本替代。［2］ EU Data Portal 则强调，收集、筛选、视觉设计和标注的每个选择都会改变信息。［3］
关键要点
- 先写数据契约，再让 AI 推荐图表。
- 明确读者问题和必须支持的比较。
- 核对分母、聚合、缺失值、单位与时间窗口。
- 单独审核坐标轴、尺度、颜色、标签、基线和标注。
- 结论措辞不能超过数据能证明的范围。
- 提供简短替代文本和附近的长描述或数据表。
通用方法可看带人工复核的 AI 工作流。如果数据集还在清洗或分析，先完成AI 表格分析检查。
图表要服务哪个问题和哪类受众？
每张图表都应为特定的读者回答一个问题。“展示销售额”不是问题。“入职政策调整之后，续约率是否发生了变化？这种变化在不同客户群体之间有何差异？”则指明了一个指标、一项比较、一种时间关系和可能的分组。
在打开可视化工具之前，先写下四个字段：
- **受众：**他们已经知道什么，能作出什么决定。
- **问题：**这张图应帮助回答的一句话。
- **比较：**随时间变化、群体之间、与目标对照、分布、构成或关系。
- **允许的结论：**描述性、诊断性、预测性还是因果性——以及什么证据支持这一层级。
大多数商业图表都是描述性的。它们展示的是所选数据中存在什么，并不能证明为什么会这样。一条线在政策生效日期之后发生变化，并不能证明是政策导致了这种变化。如果分析不支持因果关系，就使用“与……同时发生”“与……相关”等措辞，或只描述观察到的变化。
同时记录预期的用途。用于探索的图表可以展示更多控件和不确定性。用于决策备忘录的图表可能只需要一项比较、一条简洁的注释，以及指向方法说明的链接。公开发布的图表需要足够的背景，才能在脱离原始演示场合被转发时仍然站得住。
数据契约应记录什么？
数据契约是针对图表所用的确切数据集的一份精简字典。对每个字段和指标，记录：
- 名称和浅白的定义；
- 数据类型和允许的取值；
- 相关时的单位和货币口径；
- 总体以及纳入或排除规则；
- 比率和百分比的分母；
- 聚合方法，例如求和、平均数、中位数、去重计数或加权比率；
- 时区、日历、报告期和截止时间；
- 缺失值的含义和处理方式；
- 来源系统、提取日期、转换方式和负责人；
- 已知局限、序列断点和修订。
“活跃用户”可能指登录过一次的人、付费账户，或 30 天内有符合条件事件的账户。“转化率”如果没有分子、分母和时间窗口，就毫无意义。货币序列在明确汇率和通胀处理之前不具可比性。
要求 AI 检查契约中的遗漏和矛盾，而不是编造定义：
审查这份数据字典和转换说明。列出单位、总体、分母、聚合方式、缺失值处理或时间基准缺失或不一致的字段。为每项发现引用支持它的确切输入。不要推断业务定义。返回需要向数据负责人提出的问题。
与负责人一起解决这些问题。保留图表所用的查询、公式、筛选条件和版本。一份没有出处的 CSV 副本，日后可能根本无法审计。
检查分母、聚合和缺失数据
在可视化之前，先做一次数值审核。对每一个比率，按群体和时期展示分子和分母。百分比上升，可能只是分母在缩小。小群体即使绝对变化很小，也可能大幅波动。
检查聚合方式的选择。平均数可能被离群值扭曲；中位数可能掩盖尾部风险；每日百分比的月度平均值，可能不等于按月度总数计算出的百分比。加权平均和不加权平均回答的是不同的问题。图表标题和说明必须与实际的计算方式一致。
有意识地处理缺失值。空白可能表示未收集、不适用、未知、被隐去、延迟或为零——但这些并不等同。不要让工具库悄悄丢掉有缺失的行，再把剩下的数据呈现为整个总体。记录排除了多少条观测值，以及缺失情况在不同群体之间是否存在差异。
检查时间覆盖范围。不完整的周、尚未结束的当月、夏令时切换、财年日历和被修订的历史数据，都可能制造虚假的趋势。标出暂定的时期和序列断点。只比较同类，例如完整周与完整周比较。
只有在定义固定之后，才让 AI 生成验证代码。审阅代码，在受控环境中运行，并人工核对抽样行和总数。一条语法正确的查询，仍可能实现了错误的分母。
为什么用 AI 可视化数据前要先选比较？
图表类型的选择取决于分析任务：
- **按顺序的时间变化：**折线图；当连续性不是重点时，离散时期可用柱状图。
- **类别之间的比较：**排序的条形图或点图。
- **分布：**直方图、箱线图、小提琴图或点分布图，视受众和样本量而定。
- **两个指标之间的关系：**散点图，写清单位，并谨慎对待因果关系。
- **部分与整体：**堆叠条形图；或在类别很少、总和有意义时，使用标注清楚的饼图或环形图。
- **对照目标的进展：**子弹图、带目标线的折线图，或简单的实际与目标对比柱状图。
要求模型提出备选方案及其取舍：
针对所述的问题和数据契约，提出三种图表形式。对每一种，说明它便于进行哪种比较、哪些方面会变得困难、需要哪些转换、对无障碍的影响，以及它可能如何误导。不要计算数值，也不要选定结论。
拒绝那些让比较变得模糊的新奇设计。三维柱状图、按面积缩放的气泡、按数值缩放的装饰性图标，以及信息过载的仪表板，都可能让大小更难判断。简单的图表未必诚实，但更容易审计。
怎样审核坐标轴、尺度与视觉编码？
坐标轴是论证的一部分。对于柱状图和面积图，数值轴应从零开始，因为长度或面积编码的是大小。英国国家统计局明确建议，当填充面积或从坐标轴延伸出的线条代表数值时，图表应从零开始。［1］
当可见的变化本身就是分析问题时，折线图可以使用非零基线，但这一选择必须清楚，而且不应夸大微小的变动。标注范围，提供背景，并考虑加入概览图或参考线。不要只为了让结果显得戏剧化就截断坐标轴。
当读者需要比较多个分图时，使用一致的尺度。两个纵轴范围不同的小多图，可能让相似的变化看起来不同。如果尺度不同有正当理由，就醒目地标注这一差异。尽可能避免双轴：不相关的尺度可能通过任意的对齐制造出视觉上的相关性。在转换合适且有说明时，改用分开的分图或进行标准化。
对于对数尺度，要说明它是对数尺度，标注易读的刻度，并解释为什么比率比绝对差更重要。不要用对数尺度来掩盖波动或负值。
颜色应编码一个已定义的类别或有序的数量，而不是用于装饰。使用在常见色觉差异下仍能区分的配色，并且绝不只依赖颜色。直接标签、形状、线型或注释都能提供额外的提示。让背景、网格线和强调效果从属于数据本身。
执行双契约审核
这张图把两项批准分开。数据负责人确认定义、转换、缺失情况和出处。图表审阅者确认视觉编码和措辞回答了所述的问题，而没有超出证据。两项批准都不能相互替代。
使用一份包含以下字段的图表契约：
| 字段 | 审核问题 |
|---|---|
| 问题 | 读者究竟应了解到什么？ |
| 数据集版本 | 使用了哪个提取版本、查询、筛选条件和转换？ |
| 比较 | 比较的是哪些群体、时期、目标或关系？ |
| 图表与编码 | 哪种位置、长度、面积、颜色或形状代表每个字段？ |
| 坐标轴与尺度 | 坐标轴从哪里开始，单位是什么，是线性还是对数尺度？ |
| 背景 | 必须展示哪些分母、基准、不确定性或事件？ |
| 结论 | 哪句话有依据，哪句更强的话没有依据？ |
| 无障碍 | 哪些简短和详细的文本替代能提供同等的含义？ |
| 批准 | 由哪位数据负责人和编辑审阅者签核？ |
要求 AI 把渲染后的图表规格与契约对照。它可以发现缺失的单位、不匹配的标题、与计划相矛盾的坐标轴配置，或字典中不存在的图例标签。还要检查实际导出的图片；经过响应式布局、裁切或格式转换后，代码与预览可能并不一致。
写标签、标注与结论
标题可以陈述问题，也可以陈述有依据的发现。副标题应定义指标、总体、地点和时期。坐标轴标签要包含单位。来源注释写明数据集和修订日期。脚注解释筛选条件、缺失值、暂定时期、定义和重要的转换。
为相关事件添加注释，但不要暗示因果关系。如果经过核实，“政策实施”是事实。“政策导致了下降”则需要因果研究设计。如果展示了基准或目标，写明由谁设定，以及它是否发生过变化。
避免带有倾向性的颜色和措辞。红色可能暗示失败，即使该类别只是不同而已。在看到结果之后才截取的时间段，可能制造出误导性的叙事。披露重要的选择决定，并在需要时展示更长的背景。
用 AI 回答事实核查流程核实每一项结论，用引用核验流程核实每一个被引用的来源。模型的自然语言总结应根据已批准的图表契约生成，再由分析人员编辑——而不是被当作独立的证据。
提供无障碍文本和数据替代
替代文本应简洁地说明图表是什么及其主要用途，不应试图把每个数值都塞进一个属性里。W3C 建议为复杂图像提供两部分的替代内容：一段简短描述，加上一段提供关键信息的详细描述。［2］
把详细描述放在图表附近，或清楚地链接到它。其中应包括指标、单位、坐标轴、范围、类别、重要数值、比较、趋势、例外，以及得出同样结论所需的不确定性。当确切数值很重要时，提供一张带表头的数据表，或可下载的无障碍数据。
不要写“结果图表”或“显示趋势的图片”。一段有用的简短描述更接近于“折线图，比较三个客户群体 1 月至 6 月的月度续约率；详细数值见下文”。详细描述再说明相关的数值和规律。
对于交互式图表，检查键盘访问和屏幕阅读器的朗读顺序。只能在鼠标悬停时显示的提示框是不够的。提供可见的焦点、可通过文字获取的数值，以及一个非交互的替代版本。测试实际发布后的渲染效果，而不只是在制作工具中测试。
发布前做独立复核
当风险值得时，使用两位审阅者：一位数据负责人检查提取和计算；一位编辑或可视化审阅者检查呈现框架和感知效果。请一位没有参与分析的人回答图表的问题，并解释他认为是什么导致了这种规律。出人意料的回答会暴露歧义或过度声称。
在图表的实际尺寸下审阅：演示幻灯片、桌面端文章、移动端卡片、印刷品或社交媒体裁切图。标签可能消失，图例可能分离，注释可能遮住数据。一张在全尺寸下诚实的图表，可能在裁切去掉分母或时间范围之后变得具有误导性。
保存数据集版本、代码或规格、图表契约、导出的图片、替代文本、详细描述、批准记录和更正途径。如果数据被修订，就更新图表并披露修订，而不是悄悄替换结果。
当图表进入演示文稿时，把它允许的结论与演示大纲证据矩阵关联起来。幻灯片标题的结论，不能比图表契约所允许的更强。
常见问题
所有图表都必须从零开始吗？
柱状图和面积图应从零开始，因为长度或填充面积代表大小。当变化本身是重点时，折线图可以使用较窄的范围，但范围必须清楚并有背景说明。绝不要只为了夸大变化而截断坐标轴。
双轴图一定误导吗？
不一定，但它们很容易被操纵，因为任何一个尺度都可以被调整，以制造视觉上的对齐。优先使用分开且对齐的分图或其他设计。如果双轴确实必要，就清楚标注两个尺度，说明选择的理由，并测试读者是否会推断出数据并不能证明的关系。
可以使用 AI 生成的饼图吗？
只有当它表示一个有意义的整体中、少数互斥的组成部分，且各数值加总一致时才使用。条形图通常更便于细致比较。当类别有重叠、总和不明确，或许多小扇区需要来回查找图例时，不要使用饼图。
缺失数据应如何显示？
不要悄悄把缺失值转换为零或直接丢弃。解释“缺失”的含义，在合适时显示空缺或明确的“未知”类别，报告排除的数量，并检查缺失情况在不同群体或时期之间是否存在差异。
图表需要哪些无障碍文本？
提供简洁的替代文本来说明图表，并在附近提供详细描述或无障碍数据表，包含关键数值、关系、趋势和不确定性。交互式数值必须在无需悬停的情况下也能获取，并有合理的阅读顺序。
AI 写的图表代码可信吗？
像审阅任何生成的代码一样审阅它。确认筛选条件、分组、分母、缺失值处理、排序、坐标轴配置、标签和导出行为。在受控环境中运行，并在发布之前把选定的数值与来源核对。
延伸阅读
来源
- Office for National Statistics, Chart details: Axes and gridlines — https://service-manual.ons.gov.uk/data-visualisation/guidance/axes-and-gridlines
- W3C WAI, Complex Images — https://www.w3.org/WAI/tutorials/images/complex/
- data.europa.eu, Honest charts: Ethics and integrity in data visualisation — https://data.europa.eu/en/publications/datastories/honest-charts-ethics-and-integrity-data-visualisation
Sources checked 2026 年 8 月 24 日。
