不论是心理学还是神经科学，数据分析方法都变得越来越复杂了。因此，了解如何更准确地将数据以图示的方式表达，不仅可以降低读者的理解门槛，还可以使文献更大范围地传播。然而，研究者们在大学或研究机构中并没有获得足够多的数据可视化训练。本篇文章介绍了如何合理地运用可视化表现不同的数据类型。
试着想象一本没有任何图像的科学教科书。没有表格，没有图表，没有插图，也没有标有箭头和标签的示意图。科学将变得更难理解。
这是因为人类本质上是视觉动物，人们用图像的形式汲取他们难以理解的文字信息。图像对所有叙述都很有用，用图像解释科学界常常发生的复杂故事尤为有效。科学可视化对数据分析，实验结果交流，甚至完成惊人的科学发现都是必不可少的。
可视化可以展现数据中很难或几乎不可能用其他方式找到的模式、趋势和联系，麻省理工学院博得研究院（BroadInstitute）的创意主管王邦（BangWong，音译）说：“可视化的数据能让我们看到表格无法呈现的数据隐含的结构。”
然而只有极少一部分科学家在对待数据可视化时像他们在收集或解读数据时那样小心。大部分科学出版物中，添加图像和示意图常常是研究者们最后做的事，数据可视化研究者肖恩·奥多诺修（SeánO’Donoghue）说道：“可视化被看作是做蛋糕时最后挂上的一点糖霜一样不重要。”
-fondantauchocolat-
因此，科学界充斥着的拙劣的数据可视化，它们不仅迷惑读者，有时候甚至会误导制作这些可视化的科学家们。有缺陷的数据可视化会削弱科学研究的质量，并阻碍研究的进展。除此之外，由于越来越多科学领域的图像进入新闻和社交媒体等公众领域，用于解释从气候变化到疾病爆发的所有事件，糟糕的可视化很可能会损害公众对科学的理解。
随着科学数据的数量和复杂度的增长，数据可视化的问题也变得更加严峻。可视化这些数据，理解并共享它们，在如今变得更加重要。然而科学家们只接受过非常少的可视化训练。“科学家群体还没有在大范围上认识到可视化训练是十分必要的。”新南威尔士大学（UniversityofNewSouthWales）的奥多诺修说，他同时也是年《生物医学数据科学年鉴》（AnnualReviewofBiomedicalDataScience）中一篇关于生物医学数据可视化论文的第一作者。
虽然目前学界的形势严峻，我们还是能看到一些进步征兆的。在过去的十年涌现了至少两个致力于科学数据可视化的年度学术会议。此外，期刊《自然-方法》（NatureMethods）在到年间，开设专栏指导科学家们创建更好的图表。这个专栏的内容随后被改编成了该期刊的论文提交指南。但到目前为止，只有少数的科学家