在《华盛顿邮报》，我们在调查乔治·W·布什政府是基于政治考虑而不是实质理由实施补助这一观点时，采用了这一技巧。大多数补助计划按规则完成，其它一些已经实施多年，所以我们想知道能不能从近1500个不同的自由裁量流中发现模式。

我为每个项目创建了一个图表，红点代表总统竞选年，绿点代表国会选举年。问题是：的确在一些项目中总统选举前六个月会出现一个高峰——旁边标有峰值的红点——但那不是我们要找的选举年。这个模式模式持续在2000年那次总统大选，阿尔·戈尔与乔治·W·布什竞争的年份出现，而不是出现在2004年大选。

通过一组图表而不是数字表格很容易发现这一事实。而互动形式使我们能根据地区和机构检查拨款。一系列小而多的地图能将时间和地点展示在静态图形上，方便比较——有时比互动形式还要方便。

例图是由PHP编写的一个小程序生成的，而现在使用Excel2007或2010的迷你图(sparkline)功能更容易做到。视觉化专家爱德华·塔夫特发明了这些“（数据）密集、（设计）简单、文字大小的图表” 来传递信息一览大型数据集。现在从股票行情到体育赛事胜负情况，你随处可以看到这种图表。

当你尝试理解一篇报道或一个数据集时，所有看待它的方式都是正确的；尝试能想到的所有方式，你将获得不一样的视角。如果你在报道犯罪，你可以看一组代表暴力犯罪一年中变化情况的图表；可以从百分比变化的角度来看；还可以与其它城市对比着看；也可以看随时间的变化情况。试着使用原始数字、百分比和指数。

从不同的尺度看数据。尝试遵循X轴必须为0的规则。然后打破这个规则看你能否了解更多。对非常规分布尝试用对数和平方根处理。

记住视觉感知方面的研究成果。威廉姆·克利夫兰（William Cleveland）的实验结果表明，当平均坡度大约45度时，眼睛能看到图像的变化。这要求你忽略总是从0开始的戒规，向最能提供洞见的图形努力。流行病学方面的研究也提醒你要为图表找到一个目标水准作为边界。每一种方法都帮助你用不同的方式理解数据。当你获得它们能告诉你的所有事情时，你就大功告成了。

现在你已经用不同的方式分析过你的数据了，你可能已经发现一些似乎不太正常的记录——一开始你可能没有就理解它们意味着什么，或者有些异常值似乎是录入错误，或者有些趋势呈相反方向。

如果你想基于早期的探索发布什么东西，或者公布可视化内容，你需要解决这些问题而不能想当然。它们要么是有趣的故事要么只是错误；通往常识还是误读，这是一项有趣的挑战。

地方政府提供充满错误的电子表格并不罕见，数据中的政府术语也很容易被误解。

首先，回头检查自己的工作。你是否阅读了说明文档和注意事项，问题是否存在原始数据中？如果你这方面一切正常，那么是时候拿起电话了。如果你打算使用这些数据，你就需要解决存在的问题，所以你最好立刻开始。

并不是每条错误都重要。在竞选资金记录中，10万条数据中有几百条邮编不存在是很正常的事。只要它们不是出现在同一个城市，或者属于同一个竞选人，这种偶尔的坏数据无关紧要。

你需要问问自己：如果我要使用这些数据，读者会不会对它们的含义形成基本准确的看法？

没有提出足够问题的另一面是过分纠缠琐碎的细节。你的探索性图表应当大致准确，但是如果面对不统一的取整方式，或者数据加总不是恰好100%，或者缺少20年中一两年的数据，你也不必担心。这是探索过程的一部分。你仍然能看到大的趋势，知道在发布之前需要收集什么。

事实上，你可能要考虑移除标签和刻度，象上面的图表所作的那样，以更好地得从整体上理解数据。

在任何复杂故事的最初就开始创建关键事件和案例的年表。你可以用Excel、Word文档或TimeFlow这样的特殊工具来完成这一任务，但在有些时候，你会发现数据集你可以分层。周期性地读这些数据，将告诉你在报道中需要去填充的那个新闻洞。

在你的编辑部与艺术家和设计师围绕可能的图表展开头脑风暴。他们将提供好的看数据方式，好的互动建议，知道如何将数据和报道相连接。尽早知道需要收集什么数据将使报道更加容易，或者当你无法收集到时可以提醒团队图表无法实现。

你可能在数据探索上只花费了几天或几个小时，或者为了报道已经花费了几月。但当到了发布的时候，两方面变得更加重要。

还记得在早期探索时缺失了某年的数据么？突然间，没有它你寸步难进。还记得在报道中你曾经忽略过的所有坏数据？它们全都跑回来困扰你。原因在于你不能围绕坏数据写稿件。但是在图表中，你要么拥有所需的一切数据，要么一无所有，没有中间地带。

— 莎拉·科恩(Sarah Cohen)，杜克大学