数据艺术，数据可视化，谁决定哪个是什么?
我认为一些数据可视化项目像是第三类：作为设计问题考虑太过艺术化。但是作为艺术考虑和评价又太过刻意设计(例如数据新闻)。他们想要一次成为一切。而确实，数据艺术和数据可视化现在混在一起：在书中，在会议中，在客户思维模式中，在创意路径中。
这为什么会成为问题?设计有好有坏，而由于我在牛津大学学习过一个学期的艺术，我相信艺术也有好有坏。但是艺术性强的数据可视化可能被认为是糟糕的设计，而艺术性差的数据可视化也可能设计很棒。艺术和设计应该按照不同的标准评判。
艺术和设计分别的评判标准是什么?对此意见不一，我也很想听到你的想法。这里是我的：设计需要实用性。我研究和教授视觉沟通，也试图让学生们不断提问：“它如何与我沟通?”在数据可视化中，这个问题需要被回答，越清楚越好。在另一方面，数据艺术不需要实用性。如果一个学生问我对数据艺术项目的反馈，我会从想法/概念的力量，或者美学的理想去评判，但是不需要易读性。我希望一件艺术品激发我的情感或思想;我希望一件数据可视化作品向我解释这个世界。我希望数据艺术像很多其他艺术一样，提出问题。我希望数据可视化回答它们。
【注：Culturegraphy调查文化信息随时间的交换，又被称为“模因”。 把文化作品处理成节点，它们之间的影响处理成“有向边”，这些文化网络的可视化可以为文化发展中的丰富的连接关系提供新见解。这个图形代表着电影引用之间的复杂关系，结合了宏观视图总结了100年的电影风格与微观视图提供了一个特写镜头看单个电影的嵌入。宏观视图显示自嘲式的后现代电影的崛起，而微观层面上说明了单个电影之间的差异。可视化提供的视图更接近真正的复杂性的关系，比聚合视图或排名能做的更好。第一个视频是对某几个电影的具体分析，第二个为该可视化作品的介绍】具体地址：http://www.culturegraphy.com/
当然，就像Alberto Cairo对它的著名描述那样，设计是“实用艺术”。每件数据可视化作品需要包含“艺术”的部分，反之亦然。(最好的项目可能是那些结合了数据艺术和数据可视化的，例如Nicholas Felton和Kim Albrecht展示的那些。)这不是二元的——而是有尺度的。因此该界限不应该是分离的。但如果说到优先级，“永远不要为美观牺牲易读性”是设计师应有的原则——而艺术家不应该为此操心。
因此数据可视化和数据艺术间无明确界限的结果是什么?我可以看到重要的两点：
1)我认为，两种类型的创造者不会像他们有可能的那样始终如一。如果不标记轴线艺术家也会感到难受，因为Tufte告诉他们这样做。而为了易读性和实用性，数据设计师们试图像艺术家一样追求设计的创新性和艺术性。但如果坚持做他们自己，数据艺术家和数据设计师的项目都可能变得更好。
2)无论艺术家还是设计师都无法从作品反馈中受益。我不能评判Nicholas Felton的作品是好释怀，因为我不知道他试图将自我追踪计划定位为艺术还是设计。但是我真的希望Giorgia Lupi和Stefanie Posavec想要进行的是艺术实验：在我眼中，他们的作品并不是很好的设计，但确实是很棒的艺术，我很高兴它的存在。
艺术和设计之间界限模糊唯一的好处(我能看到的)可能有：两个领域之间常见的互相激励。设计可以从数据艺术提出的问题和美观性中受益匪浅，而艺术也能从设计好的内容中获得灵感。但是当我看到其余的平面设计和艺术场景时，我需要注意灵感转换得很好，而不是只混合在一起。
只是以防不清楚的万一：我爱数据可视化，我也爱数据艺术。两者在我的生命中都非常重要。但是不，这不会有助于比较苹果和橘子。
