哈佛教你做出好圖表：到底該用長條圖還是曲線圖？

再說，這樣的指南也可能在我們應該廣泛思考的階段，把我們的思考局限了。那有點像在孩子面前倒出一桶樂高玩具，然後告訴她，她只可以做說明書中的十件東西一樣。在草圖階段一開始，我們最好把積木胡亂拼一通。

儘管如此，之所以在這裡提出阿貝拉指南，原因有二。首先，它和任何類型學（到網路上搜索將找出更多）一樣，有助於我們了解圖表類型，例如：比較與分布。別忘了，沒有任何「懶人包」可以包括所有選項。這裡列出常見的圖表類型，已經具有足夠的多樣性。新的圖表類型隨時孕育而生，企圖定義和囊括每一種圖表類型的理想，最後只是徒勞無功的幻想。

比較好的做法是，學習基本圖表分類和類型，然後廣泛收集範例。

多注意身邊周圍，把吸引你或覺得特別有效的資訊視覺化範例蒐集起來。想想你認為效果好和吸引目光的例子，一一整理成筆記。瀏覽一些投入資料視覺化的網站，追蹤每天在推特上張貼新圖表的網友（捷徑︰先列出 #dataviz、#visualization、#viz 清單）。

我列出「阿貝拉圖表指南」的第二個原因是，我個人已經採用這份指南。各種圖表類型，跟你從對話與傾聽階段時記下關鍵字，嘗試要繪製的草圖需求相吻合。

這份架構圖將阿貝拉的決策標準，轉化為更能激發靈感的指標。我簡化了分類和類型，但加入了概念的形式，例如：網絡和階層結構，這些並沒有在阿貝拉的圖表指南裡（諷刺的是，阿貝拉用來建構圖表分類的視覺化類型—階層決策樹狀圖—並未列入他的分類指南中，因為他只列出數據形式的圖表）。使用這份指標時，先看看你在對話與傾聽階段記下的關鍵字，然後從所屬的象限開始著手。比方，如果你寫了「比例」和「百分比」，那麼可以考慮從長條圖或圓餅圖切入。

切記，你畫出的這張圖既不完整也不是最後版本。這張圖的目的，並非是讓你確認所使用的圖表類型，只是提供你可以從哪一種圖表類型切入，看看能夠畫出什麼樣的草圖。比如，你可能會發現有一些專案，可以採用多個或混合的圖表類型（好比說，在一張地圖上布滿直條的圖表）。這只是幫助你起個頭而已。