一张折线图能骗过大多数人。数据2019年我参与过一个电商项目的分析复盘，运营团队用周环比折线展示GMV走势，统计图表曲线平稳上扬。数据后来把同样的分析数据换成柱状图，按周排列，统计图表问题立刻暴露——每周的数据绝对值几乎没变，所谓的分析增长全靠第一周基数低撑出来的视觉错觉。图表类型选错，统计图表结论就全反了。数据

折线图适合看趋势，分析前提是统计图表X轴得是连续变量，比如时间。数据有人把不同品类（家电、分析服饰、统计图表食品）放在X轴画折线，这毫无意义，品类之间没有连续性，折线连接它们只是在暗示一种不存在的递进关系。这种图我见过不止一次，每次都想把作者的Excel关掉。

柱状图的核心在于比较。但比较有个前提：基线必须从零开始。有些图为了突出差异，把Y轴截断，从80开始画。两个柱子看起来差了三四倍，实际数据可能只差5%。这种手法在商业报告里泛滥，属于半欺骗。我个人的判断标准很简单——Y轴不从零起的柱状图，直接打问号。

饼图是另一个重灾区。人眼对角度的辨别力远不如对长度。一个饼图切成八块以上，基本没法读。更麻烦的是，当两个扇区接近时，比如23%和25%，肉眼几乎分不出来。有研究做过实验，让被试者估计饼图中各扇区的比例，误差普遍在5个百分点以上。所以我现在看到超过五类的饼图，会直接建议换成横向条形图，按大小排序，一目了然。

散点图在日常报表里出现得少，但它才是发现关系的利器。2016年我帮一个物流团队分析配送延迟，把“配送距离”和“延迟分钟数”做成散点图，发现一个明显的分界点：距离超过15公里后，延迟时间突然跳升。之前他们一直用平均延迟来考核，掩盖了这个非线性关系。散点图不告诉你因果，但它能告诉你“这里有个东西值得查”。

热力图在互联网产品分析中用得多。用户点击分布、页面停留时长，用颜色深浅表示密度，比密密麻麻的数字表格高效得多。但热力图的颜色映射需要小心。默认的彩虹色阶（红黄蓝绿）容易误导，因为人眼对不同颜色的敏感度不均匀。改用单色渐变——比如浅蓝到深蓝——反而更准确。这是细节，但细节决定读图的人会不会被带偏。

说一个具体案例。某在线教育平台想展示“课程完成率”和“用户评分”的关系。他们最初做了一张双Y轴图，左边是完成率，右边是评分，两条线画在一起。问题是，双Y轴的缩放比例可以随意调整，想让两条线看起来正相关就正相关，想让它负相关就负相关。后来换成散点图，每个点代表一门课程，X轴完成率，Y轴评分，真相出来了——两者基本无关。完成率高的课程，评分有高有低。这个结论直接影响了他们的课程推荐策略。

图表的第一原则是诚实。第二原则是让读者用最少的脑力获取最多的信息。这两条听起来简单，做起来难。每次做图之前，我会问自己：如果我是读者，第一眼会看到什么？那个“第一眼”是不是我想传达的？如果不是，换图。

工具在变，从Excel到Tableau到Python的matplotlib，但底层逻辑没变过。选对图，比把图做漂亮重要一百倍。一张丑但准确的柱状图，胜过一个精致但误导的3D饼图。后者除了让作者自我感觉良好，没有任何价值。