圖很美，卻沒人看懂重點：資訊圖表的三萬年演化，與內容工作者的三道檢查題
▲ 資訊圖表的關鍵不是圖很多，而是讓人一眼看懂重點。
這陣子滑手機，我發現一件很有意思的事。
愈來愈多人開始用資訊圖表來解釋複雜的概念。一份財報、一套方法論、一段產業趨勢，過去要寫兩千字才講得清楚的事，現在被壓縮成一張圖，配上箭頭、色塊和圖示，讀者滑過去幾秒鐘就抓到大概的重點。我覺得這是好事，甚至可以說是這幾年內容領域最值得高興的轉變之一。畢竟大家的注意力愈來愈稀薄，願意花力氣把話講得更好懂的人，值得被鼓勵。
但看得多了，我心裡也開始冒出一點疑惑。
我看到很多張圖，設計得非常漂亮：漸層柔和、留白得宜、圖示風格統一，一看就知道花了不少工夫。可是我盯著它看了十秒鐘，還是說不出作者到底想告訴我什麼？它很美，但它沒有結論。
我也看到另一種圖，剛好相反。作者顯然很努力，把手上所有的資料都放了進去：十二個月的銷售數字、八個產品線的比較、三張圓餅圖加兩張長條圖，全部擠在同一個畫布上。資訊量確實很大，但那不是資訊圖表，那是一張被擷圖的試算表。
這兩種狀況，其實是同一個問題的兩面。而這個問題，讓我想起十多年前的一段往事。
十多年前，我們在編輯檯上討論過的事
那時候我在《數位時代》雜誌擔任主編。
雜誌這個媒介很殘酷，版面是有限的。一個跨頁就是兩頁，你不可能因為資料多就多印幾頁。所以每次遇到需要處理大量數據的專題，我們都得坐下來，跟美術編輯還有相關同仁一起研究：這一頁，到底要怎麼呈現？
一開始，我們也犯過那個最直覺的錯。記者交來一份詳盡的產業調查，裡面有數十筆數據，我們就想辦法把它們全部視覺化。長條圖、折線圖、圓餅圖輪番上陣，美編把顏色調得很好看，字體級數也拿捏得剛剛好。印出來以後，大家都覺得很滿意，很有國際大刊的樣子。
然後，就有其他部門的同事冷不防地問了一句：所以，這一頁的圖表想表達什麼？
那句話當場把我們問住了。
我們後來慢慢摸索出一個結論，而這個結論到今天我還是這樣相信：光是把圖表做得很漂亮，還不夠；只是把密密麻麻的資訊放在圖片上，也不算數。資訊圖表真正的工作，不是展示資料，而是替讀者做出判斷。
這句話聽起來有點抽象，但它其實是有歷史根據的。因為資訊圖表這件事，從一開始就不是為了好看而存在。
資訊圖表的三萬年：從記錄，到分析，再到改變世界
資訊圖表的英文是 Infographic，由 Information（資訊）與 Graphic（圖形）兩個字組合而成。這個詞很年輕，但它背後的行為極其古老。我把它的演化梳理成四個階段，你會發現每一個階段，人類都在解決同一個問題：怎麼讓別人快速理解我看到的事。
▲ 資訊圖表的四個演化階段：從史前岩畫的生存記錄，到笛卡兒的座標系、普萊菲的統計圖表，再到南丁格爾與報刊媒體把圖表變成公共論述的工具。
一、史前萌芽期：用圖像記錄生存（約西元前三萬年起）
在文字還沒成熟之前，人類的祖先就已經本能地用視覺圖像傳遞複雜訊息。
法國的肖維岩洞（Chauvet Cave）壁畫距今約三萬到三萬二千年，近年的研究發現，其中某些噴繪圖案很可能記錄了附近的火山噴發；巴西的卡皮瓦拉山（Serra da Capivara）岩畫，則留下了大量野生動物與狩獵場景的圖像。這些圖畫不只是藝術創作，更是人類為了跨越語言限制、保存生活資訊所做的最早嘗試。
我特別喜歡這個階段給我的提醒：畫圖這件事的起點，是生存需求，不是美學需求。
二、理論奠基期：笛卡兒的座標系（1637 年）
把抽象資訊精確定位的關鍵突破，來自法國哲學家兼數學家笛卡兒（René Descartes）。
他在 1637 年出版的《方法論》裡，附了一篇名為《幾何學》（La Géométrie）的論文，把代數與幾何接了起來，奠定解析幾何的精神。我們今天熟悉的 X 軸與 Y 軸畫法，嚴格說是後人在他的基礎上逐步完善的，但這個突破的源頭確實在他身上。這件事的影響非常深遠：幾何與代數這些抽象的數學關係，第一次可以用水平與垂直的格點視覺化呈現。今天所有的統計圖表，骨幹都來自這一步。
三、現代圖表誕生期：視覺圖表之父（1786 年至 1801 年）
真正把數據轉化為故事、實踐現代資料視覺化的關鍵人物，是蘇格蘭政治經濟學家威廉．普萊菲（William Playfair）。
為了向英國大眾與政府解釋生硬的經濟與人口數據，他在 1786 年出版的《商業與政治圖冊》（The Commercial and Political Atlas）裡，大量使用了折線圖（Line chart）與長條圖（Bar chart）；到了 1801 年的《統計摘要》（Statistical Breviary），他更發表了歷史上第一個圓餅圖（Pie chart）。我們今天在簡報軟體裡隨手一點就能生成的那幾種圖表，全部出自這個人之手。
他提出過一個觀點：圖形比數字更能讓人一目了然。這正是現代資訊圖表化繁為簡的核心精神。
請注意他的動機：他不是為了讓報告變好看，他是為了讓看不懂數字的人願意看下去。
四、觀點傳播期：護理與新聞的革命（19 世紀起）
從 19 世紀開始，人們發現資訊圖表不只能記錄數據，更能改變世界，甚至拯救生命。
1858 年，護理先驅南丁格爾（Florence Nightingale）為了向維多利亞女王與國會證明一件事：克里米亞戰爭中士兵的死因，多數來自惡劣的醫療衛生條件，而非戰傷。她設計了著名的極座標圓餅圖，也就是後世所稱的玫瑰圖（Coxcomb Chart）。傳統圓餅圖用角度表示比例，而玫瑰圖的扇形角度均等，改用半徑長度來映射數值大小。於是在那張圖上，代表可預防傳染病死亡的藍灰色區域，大幅蓋過代表戰死的紅色區域，勝負一眼就分出來了。後來，那張圖成功推動了英國軍隊的醫療改革。
1842 年創刊的《倫敦新聞畫報》（The Illustrated London News）等報章雜誌，也開始廣泛使用插圖結合數據，向公眾解釋氣象、戰爭動態與科技發明。進入 20 世紀之後，資訊圖表正式走入大眾視野。
我每次講到南丁格爾這段，都覺得特別震撼。她手上的數據，其實別人也有；真正稀有的，是她決定要用那張圖說出一個明確的主張，而且她賭上了自己的專業信譽。那張玫瑰圖不是報告的裝飾品，它就是論點本身。
所以，兩者的核心差異到底在哪裡
把三萬年的演化梳理過一遍，回頭再看今天網路上那些圖，差異就變得非常清楚。
▲ 左邊是把資訊放圖表上，右邊才是真正的資訊圖表。差別不在美感，在於有沒有替讀者做判斷。
單純把資訊放在圖表上，通常長這個樣子：
第一，堆疊數據。把密密麻麻的試算表或長篇文字直接變成圓餅圖、長條圖，資料進去多少，圖裡就出來多少。
第二，沒有重點。讀者看不出你想傳達什麼結論，視覺很亂，每個元素都在搶注意力，結果誰也沒搶到。
第三，增加負擔。圖片雖然多，但讀者看完還是不知道重點在哪，甚至比讀原始文字更累。
而真正的資訊圖表，做的是完全不同的三件事：
第一，提煉觀點。把複雜的知識或數據濃縮，只留下最重要的核心。這一步的本質是取捨，而取捨意味著你必須先想清楚自己的立場。
第二，引導順序。用視覺動線帶領讀者思考，可能是由上到下，可能是步驟一、二、三，也可能是左右對照。讀者的眼睛走到哪裡、先看到什麼、後看到什麼，都是設計出來的。
第三，秒懂價值。讓人在幾秒鐘之內，接收本來需要讀好幾分鐘的內容。
你發現了嗎？這三件事沒有一件跟美感有關。美感是必要條件，但從來不是充分條件。
給內容工作者的三道檢查題
講了這麼多歷史與原則，我想給你一組更實際的東西。
以後你做完一張圖，先別急著發布，拿這三道題問自己一遍。這是我在編輯檯養成的習慣，到現在還在用。
第一題：這張圖的那句話是什麼
請你用一句話，說出這張圖想讓讀者記住的結論。
注意，不是說出這張圖的主題，而是說出結論。銷售趨勢分析是主題，產品 A 在五月表現最佳、六月小幅下滑但仍高於多數產品，這才是結論。
如果你說不出那句話，那就代表你還沒想清楚，讀者當然也不可能看得出來。這時候別急著調整配色，回去想那句話。
更狠一點的做法是：把那句話直接寫在圖的最上方當標題。南丁格爾就是這樣做的，普萊菲也是。他們從來不讓讀者自己猜。
第二題：讀者的眼睛第一個會停在哪裡
拿著你的圖，退後三步，或者把它縮到手機大小，然後看一眼就閉上眼睛。
你剛剛第一個看到的是什麼？那個東西，是不是你最想讓他看到的？
如果第一眼吸走注意力的是某個裝飾用的插圖、某塊飽和度過高的背景，或是某段其實無關緊要的圖例，那你的視覺層次就是壞的。資訊圖表的動線不是自然發生的，是靠對比刻意做出來的：大小的對比、顏色的對比、留白的對比。只有一個元素該是最亮的，其他都要退後。
第三題：刪掉一半，這張圖會死嗎
這是我最喜歡的一題，也是最痛的一題。
試著把圖上的元素刪掉一半。刪掉那些你捨不得的次要數據、那些為了填滿空白而加上的圖示、那些其實沒人會看的小註解。
刪完之後，如果那句結論還在，圖甚至變得更清楚，那就代表你剛剛刪掉的東西，本來就不該存在。
我知道這很難。我們花了很多力氣蒐集資料，捨不得是人之常情。但資訊圖表的價值，從來不是取決於你放了多少，而是取決於讀者拿走了多少。
（另開新分頁）
▲ 喜歡這類內容與 AI 的實戰心法嗎？歡迎訂閱 Vista AI 靈感補給站（另開新分頁），我會持續把最新的工具用法與趨勢解讀，第一時間送到你面前。
AI 讓做圖變簡單了，但沒讓思考變簡單
我猜有人會說：Vista，現在有 AI 啊，我把資料丟給它，它幾秒鐘就生一張圖出來，還滿好看的。
沒錯，這正是我開頭說這是好事的原因。過去要做一張像樣的資訊圖表，你得先熟悉各種設計軟體的操作，或者你身邊得有一位美術編輯。我在雜誌社的時候，一張跨頁的資訊圖表往往要來回修改好幾天。嗯，現在這個門檻幾乎消失了。
但也正因為門檻消失了，我們反而更容易看到滿坑滿谷的漂亮廢圖。
因為 AI 幫你解決的是執行，不是判斷。你給它一堆數據，它會很聽話地把數據都畫出來；你沒告訴它重點是什麼，它就不會替你決定重點是什麼。換句話說，過去那個被工具擋住的環節解放了，剩下那個真正困難的環節反而更顯眼：你到底想說什麼。
所以我現在用 AI 做圖的順序，跟很多人相反。
我不會先丟資料，我會先寫下那句結論。接著我告訴 AI 這張圖要給誰看、對方在什麼情境下看、我希望他看完做什麼決定，然後才給資料，並且明確指定視覺動線：最上面放什麼、視線接下來往哪走、哪個數字要最大。
這個順序，其實就是十多年前我們在編輯檯上做的事，只是換了一個執行的夥伴。工具換了，思考的位置沒換。
回到那句最簡單的話
寫到這裡，我想把整篇文章收攏成一句話。
資訊圖表的本質，不只是把資訊畫成圖，而是把複雜的內容轉化成可理解、可傳播、可行動的視覺語言。
從三萬年前岩洞裡那些記錄火山與獵物的線條，到笛卡兒的座標系、普萊菲的長條圖、南丁格爾的玫瑰圖，這條線索一路走下來，其實始終沒有變過：有人看見了某件重要的事，想讓其他人也看見，所以他畫了一張圖。
如果你也想用資訊圖表說點什麼，那就先問自己：你看見了什麼？你希望對方看見什麼？
想清楚這兩件事，你的圖自然就有了重點。而剩下的美感、配色與排版，都只是替那個重點服務而已。
讀完，下一步
把內容做成一套系統
AI 內容產製系統工作坊
一份素材，自動產出六種格式
繼續讀：內容行銷全攻略動手試：GEO 體檢器（另開新分頁）
