缺失需与零明确区分
别名: 缺失值表达 · null vs zero
概念解释
"没有数据"和"数据为零"是完全不同的两种状态：前者意味着我们不知道发生了什么（传感器离线、接口报错、该时段没有记录），后者意味着我们确切知道发生了"无"（用户没有点击、当天没有订单）。在数据库和计算层面两者常被混在一起（null 被求和为 0、缺失时段被填充为 0），但如果可视化不把二者区分开，读者会把"数据断流"读成"业务归零"——把技术故障误判为业务崩塌，或者反过来把真实归零误读为数据问题而忽略业务变化。
机制
混淆的根源在于视觉编码通道的分配：位置（柱高、点高）同时承载"值为零"和"没有值"两种语义时，两者都被画在基线上，视觉上不可区分。区分的手段是给缺失分配独立于位置的视觉通道：空心轮廓替代实心柱（"这个位置本该有柱但没有值"）、灰阴影或斜线纹理覆盖缺失时段、断开的轴段、或悬浮提示直接标注"该时段无数据"。计算层的混淆同样常见且更隐蔽：SQL 的 SUM 自动忽略 null，前端图表库可能把 null 强制转 0 或直接跳过——同一个缺失在柱状图里可能是 0（被转换），在折线图里是断点（被跳过），在表格里是空白，三处呈现互相矛盾。一致性缺失要求在数据进入可视化之前先做显式的缺失策略声明：缺失是显示为缺口、显示为灰色标记、还是被插值填充，每种策略的适用场景不同但必须在系统内统一执行。
边界
"缺失显示为缺口"在缺失比例极高时会失效：一张满是缺口的图表传达的信息量趋近于零，此时更诚实的做法是在图表级标注"该时段数据覆盖率仅 40%"而不是画满缺口让读者自己数。缺失与零的区分在下游计算中还有一个微妙边界：求和类指标中缺失被当作零是常见且合理的近似（未上报的销售额记为 0 影响有限），但比率类指标中把缺失当零会系统性扭曲分母（在线时长缺失被记 0 会拉低均值），缺失策略需要按指标类型分别定义。实时数据管道中短暂缺失（几秒的采集间隙）与持续性缺失（数据源下线）的处理策略也应不同——前者可以短暂插值并标注，后者必须显式中断。
怎么落地
- 数据到图表的映射层为缺失定义统一的视觉标记（灰色块、空心轮廓或断线），绝不静默转 0。
- 悬浮提示在缺失数据点上显示"无数据（原因：XX）"而非"0"。
- 数据覆盖率低于阈值（如 80%）时在图表标题区标注覆盖率，提醒读者可信度。
- 验证：制造一个已知缺失（如暂停一个数据源一分钟），检查图表上是出现缺口/灰块还是一根降到零的柱；出现零柱即混淆实例。