我想从以下五个方面来回答这个问题：

1.宏观地看，数据可视化的目标
2.不同的行业有不同的目标
3.不同的可视化设计师有不同的目标
4.目标之间会相互影响

宏观视角：数据可视化的目标

在第一部分，我个人经验中数据可视化的目标，主要分成三类：

1. 注意力和美观，数据可视化能够快速给人留下深刻印象；

2. 初印象之后，就是有关数据解读，即“理解”；

3. 最后，即暗示，对可视化作品的感知塑造，以及产生长期印象。

第一类、注意力与美观

（1）吸引阅读：数据可视化仍被视作能够吸引眼球的事物。但是每一家杂志都会告诉你，尤其是在受众阅读了好几页的纯文本内容之后，信息图表能够有效地引起读者的注意。这就要涉及到第二个目标。

（2）吸引特定读者：不同的人获取信息的方式不同。这就好比孩子们在游乐场所会选择不同的玩具一样。而对于可视化的热衷者来说，信息图表绝对具有吸引力。

（3）赶时髦：数据可视化仍是新事物，而人们通常也喜欢新事物。即使他们没有什么实际需求，但还是有很多人会认为数据可视化对他们的业务、文章或是宣传而言是必需的，且看起来人人都在使用。“夸张和渲染”也包括借鉴已有成功有趣的模式。还记得《纽约时报》2012年“雪崩”的报道吗？现在，所有人都想复制它的成功；而在此过程中，数据化的叙事方式也日臻完善。

（4）创造美：无可否认，可视化数据看起来很美：没人知道哪些数据被呈现出来，但它们就是看上去很有趣——不是因为内容，而是形式。

雪崩：http://www.nytimes.com/projects/2012/snow-fall/
（编者注：纽约时报的作品《雪崩》，融合了图片、视频、音频、文字等多种形式，这样的报道形式在当时业界引起很大反响。）

第二类、理解

（1） 理解：在我们想就某些事情进行交流、传播之前，我们必须首先了解这个东西。可视化帮助数据科学家更好地理解数据，也能帮助那些热衷量化的人能够更好地理解。

（2） 解释：一旦我们理解了数据，我们就可以告诉别人。用学校来比拟这一过程再恰当不过了，而数据新闻则是一位很好的老师。如果你想找到合适的释义者，就去看看《华盛顿邮报》制作的关于2016年美国选举的信息图。

（3） 探索：有时候我们希望我们的用户能够自己去探寻数据的奥义。为此我们创建一些工具，让他们尽可能方便地去检索自己需要的信息，就像在图书馆里。仪表板是目前最突出的例子。

第三类、暗示

（1） 证实：有时候，仅让受众理解是不够的，你还想说服他们。科学家一直在通过提供数据和数据可视化来进行证明。一个例子就是《金融时报》的一篇文章显示了英国脱欧投票和人口统计数据之间的相关性。

（2） 修正世界观：人是不理智的。有些人总是凭借模糊的感觉和信念来行动。借由数据与这类人进行抗争可能会改变某些所谓“开放”的人的错误有害的世界观。最伟大的例子麦克斯罗斯的“我们的数据世界”。

（3） 唤起情绪：数据可视化可能不是唤起受众情绪的首选媒介（视频、图片、插图甚至文字都更好），但是你可能会需要用户或读者的情感反应。在可视化上能够实现这一点的作品是Periscopic的“美国枪支与死亡”和Neil Halloran的“堕落”。

（4） 唤醒行动：一旦你让读者感受到一些东西，你肯定不希望读者止步于此。你希望他们能够进行捐赠、或参与等。说实话，我还没能想到哪个数据可视化作品能够说服我去做一些具体的事情。

（5） 走在前列：数据以许多方式定义我们的生活。数据可视化可以展现这些不同形式的生活，并且也可以让我们思考如何收集、存储、分析数据，或者是将数据用于决策。数据艺术可以在极端情况下实现这些目标；但“正常”的可视数据却可以显示出品味。Accurat工作室的联合创始人Giorgia Lupi表示，Accurat视觉化的目标是，想要“拥抱复杂性”和“保持数据的细微差别”。

不同的行业有不同的目标

当我们把所有的目标都参透之后，我们就能更近距离地观察到某个特定行业的数据可视化目标。

我们从商业幻灯片开始讲起，他们几乎不关注“注意力和美观”：由于数据对用户来说至关重要，因此用户会积极地去了解数据，而不需要被说服。

而数据艺术恰恰相反：好的数据艺术看起来很吸引人。但是，它也更深入地关注意义（“暗示”）

“差劲”的数据艺术经常提供同质的（一种）美感，但没有什么深意。它的角色仅是作为装饰插图。但它仍然值得存在，例如用于商业报告的封面设计。

其次是数据新闻，它的最大焦点在于理解。正如我们所看到的，它需要吸引读者并且借此想改变人们的想法；但通常情况下，这并不是它的主要优势。

不同的可视化数据师也有不同的目标

我们进入了数据可视化的时代。就个人而言，我做数据的主要动机是创造一些美丽的东西，使自己和其他人了解，并改变人们的信念。这非常接近于新闻业的数据可视化目标。

为什么个人目标与他所在领域的目标保持一致很重要？因为目标定义了优先级以及你在各个工作事项上所花费的时间。

如何思考目标和优先事项还可以问问你自己：你会为了什么而牺牲什么？如果你的主要优先事项是美化，你将为了一种新颖的可视化形式而牺牲理解功能。对我来说，理解比美化更重要。但是，同时具有美感和理解性绝对比单纯的理解性更有价值。

目标之间也会相互影响

目标与成果之间相互关联，影响或者是积极的，或者是消极的。例如，如果你的目标是使数据可视化美观，那么你更有可能将诱发情绪视为成果，而不是无聊的条形图。唤起情绪是美的副作用。

但是目标之间是如何相互影响的还有待讨论。不同的数据可视化设计者对于三个目标如何相互联系有着不同的看法。例如，我会想更多地谈谈美与理解之间的关系。

被称作“真理与美感的创造者”莫里茨·史泰芬认为，阿尔贝托·开罗的《Functional Art》中的真理（理解）与美的密切联系：真理和美感一直是同一枚硬币的两面。

弗朗切斯科·弗兰奇在他的书中反驳说：创建信息图其实是在“审美”和“信息”两端之间移动。

谁是对的？理解和美感这两个极端之间的关系究竟是远得不能再远？还是密切相关？

这两种说法都是对的。是的，在风格上多下功夫可以带来更多的理解性。

但是根据我的经验，如果对美感的关注度太高，效果会反转，理解性下降。这就是为什么数据艺术（高度关注美感）通常对于理解的关注很少；这就是为什么“以理解为最高优先级的数据可视化只能在一定程度保持美感”的原因。