人类有不同的观点和偏好，工具开发者也是如此。他们带着特定的信念设计工具，思考工具当前的用法以及以后应该如何运作。但这些信念不一定与你的信念相符。工具开发者深受现有工具、同行同仁以及用户反馈的影响。因此，工具不可能适用于每个人，特别是在数据可视化和数据新闻领域，工具开发者和使用者有着非常不同的背景：新闻媒体人，统计，开奖，计算机科学，设计等等。如果一个工具适合为我工作，我不能认为它会让所有人满意。

　　“我们仍然处于一个“应用程序服务简易生活，代码引致精彩人生”的世界。”

　　大多数应用程序都是很容易学习的，atv直播，但是功能有限。大多数编程语言/图表库较难掌握，但可以提供更多的灵活性和选择性。下面的图表是我对灵活性和学习困难程度之间关系的一些主观想法。

　　令人失望的是情况依然如此。编程不应该作为让数据新闻领域家喻户晓的先决条件。而且实际上代码对于很多人来说仍然是可望而不可即的。我们需要从问题的两端同时开展工作。帮助人们进入代码的世界可以使他们在短期中感到归属感。但我们仍应该继续从事开发高度灵活、用户友好型的应用程序给更多的人带来长远的影响，这可以使他们在百忙之中接受最好的数据可视化规则教学。

　　我们欢迎像Plotly，Tableau，Lyra和NodeBox这样通过点击和拖动界面提供高度灵活性的应用程序。我很想看到更多这样的程序。创建与代码一样强大的用户界面“只是”一项设计上的挑战。

　　“每一种工具都为你指引了一条路径。”

　　我的前NPR视觉队友布莱恩·博耶在他的一篇文章（https://medium.com/npr-design/that-one-free-tool-ab585438696d#.xva3leef1）中提到。那么什么是可用的路径，你会去选择沿着哪一条路径呢？

　　我的路径心象图如下图所示：

　　就个人而言，我认为自己只可以熟练地掌握“简易方便图表”和“分析图表（你应该发表）”的一小部分。通过这个实验，我很明确地想要更深入地了解“图表分析”。而且我想更多地研究“创新型的外部图表”。同时也想通过Lyra来处理更多的原型。

　　你目前选择的路径是什么，为什么？哪些路径未被充分开发呢？希望您可以通过电子邮件：[email protected]或Twitter（@lisacrost）与我分享（https://twitter.com/lisacrost）。

　　最后，非常感谢Brian Boyer，Maarten Lambrecht和Lindsay Muscato对此作品的宝贵反馈； 同时感谢Ben Fry，Christopher Groskopf以及许多其他工具制造商，他们帮助我理解数据可视化工具场景。

　　作者介绍：

　　Lisa Charlotte Rost

　　Lisa喜欢设计数据可视化，目前在华盛顿特区的国家公共广播电台担任Knight-Mozilla OpenNews研究员。当她不在开会或者帮助NPR网站创建图形时，她便在博客（https://lisacharlotterost.github.io/）或Twitterabout（https://twitter.com/lisacrost）发布与数据相关的文章。当她回到柏林时，她为OpenDataCity，SPIEGEL和Tagesspiegel做过设计，在大学中担任数据可视化教学，并且组织开展了Data Viz Meetup。