数据可视化如何使用得当的话，数据可视化可以清晰有效地将复杂数据信息传达给读者。可视化数字以帮助确定其故事的模式和潜在线索，从而最终进行更前沿的分析。用户可以可视化数据以实现以下目标：
1）在数据库中查找事实和趋势
2）清晰地将复杂数据传达给读者
3）产生数据驱动的新闻，补充书面报道或多媒体报告元素
4）事件发生时实时发布数据
5）提供数据来进行预测

虽然 快速认知是我们在非常短暂的时间中进行 判断 ， 但是 第一印象往往是决定一个人或者一个作品的感官的重要部分 。尽管 有时候第一印象并不准确 ，但我们 还是频繁的 通过它快速解析海量信息，发现哪些是最为重要的，而非更多采取较慢的、理性的思维方式。

数据可视化是一个沟通复杂信息的强大武器。通过可视化信息，我们的大脑能够更好地抓取和保存有效信息，增加信息的印象。但如果数据可视化做的较弱，反而会带来负面效果。错误的表达会损害数据的传播，完全曲解他们
所以优秀的数据可视化依赖优异的设计，并非仅仅选择正确的图表模板那么简单。全在于以一种更加有助于理解和引导的方式去表达信息，尽可能减轻用户获取信息的成本。当然并非所有的图表制作者都精于此道。所以，数据可视化的第一印象是十分重要的， 为了防止这种情况发生，下面 将讲解几个数据可视化过程中常见的错误类型。
1、数据过载问题
可视化内容过于拥挤， 数据过多， 很多不必要的内容可能会让数据更加难以理解。例如，三维图表虽然看起来令人印象深刻，但它们往往会使数据的解释更加困难。
超过5个数据内容的组件 ，确实能够展现出大量信息，但如果读者们无法区分哪些是有用的、哪些是无用的，展现再多的信息也 是毫无价值。 一些不必要的插图、文字等等也会使得数据可视化冗杂。 对于数据可视化来说，大多数情况下，少即是多。
2、访问轴数值设置不当
在处理定量数据时，条形图或折线图是两种最佳的可视化方法。但是，很多数据分析爱好者都会出现一个与图表轴相关的错误：对于较大的Y轴值来说，如果初始值设定到大于零，那么很可能会截断某些条形值，影响数值的准确性。

 3、引人误会的色彩对比
色彩是最具说服力的设计元素之一。即使是细微的色调变化也会引起强烈的情绪反应。在数据可视化中，强颜色对比度可能会让观众认为价值差距比实际情况更大。例如，热力图用颜色描述值的大小。较高的值显示为橙色和红色，而较低的值显示为蓝色和绿色。值之间的差异可能很小，但颜色对比会产生热感和增强的差距感。
尽管如此，数据可视化工具可能会故意犯下一些常见错误，制图人也可能会犯下一些错误。例如，这些内容可以用于服务政治议程或操纵某个故事情节，并且完全误导读者。

4、2.3D图形使用不当
3D图形在数据可视化方面带来了两个严重的问题。
当一个3D图形部分阻挡了另一个图形时，就会发生遮挡。这是在自然世界中模拟空间的结果，在自然世界中，对象的X，Y和Z坐标不同。在数据可视化中，遮挡会遮盖重要数据并创建错误的层次结构，其中无遮挡的图形显得尤为重要。
当3D图形通过缩短缩入图片平面或从图片平面伸出时，就会发生失真。在绘图中，节距使对象看起来好像它们占据了三维空间，但是在数据可视化中，它创建了更多错误的层次结构。前景图形看起来较大，背景图形较小，并且数据序列之间的关系被不必要地扭曲了。
5、省略基线和截断量表
数据变化有时很大，例如根据地理区域衡量收入水平或投票习惯时。为了使可视化效果更加生动或美观，设计人员可以选择操纵图形上的比例值。
一个常见的示例是省略基线或在零以上的某个地方开始Y轴，以使数据差异更加明显。

6、选择错误的可视化方法
每种数据可视化方法都有其自己的用例。例如，饼图用于比较整体的不同部分。它们适用于预算明细和调查结果（同一个饼图），但并不是要在不同的数据集（不同的饼图）之间进行比较。
饼形图可用于可视化三个竞争企业的收益，但条形图可使两个企业之间的差异（或相似性）更加明显。如果可视化旨在显示一段时间内的收入，则折线图将比条形图更好。