400 998 02262025 Tableau Iron Viz 学生版竞赛 TOP3 作品赏析
自 2019 年起，Tableau 就专为全球学生群体设立了“Iron Viz 学生版”数据可视化竞赛，不仅让学生们得以锻炼 Tableau 技能，更提供了与社区交流的宝贵机会。最后，优胜者将登上 Tableau Conference 大会的 Iron Viz 舞台，体验独一无二的行业盛会。
最近，2025 年 Iron Viz 学生版竞赛结果终于揭晓！Tableau 与 IMDb 合作，通过“Data + TV”为主题鼓励参赛者从一系列经典剧集中取材，并以原创数据可视化呈现各自最喜爱的电视剧与角色阵容。这一创意主题激发了来自全球多个国家学生的创作灵感，涌现出众多令人惊叹的参赛作品。
图片 话不多说，让我们一起来看看 2025 年 Iron Viz 学生版竞赛的前三强作品、获奖选手、评分标准以及夺冠后的精彩故事吧~
Iron Viz 学生版竞赛评审机制
本项赛事由 Tableau 大使、Visionaries（远见者）及往届 Iron Viz 决赛选手组成的评审团对所有作品进行审核。评委们依据以下四大标准对作品评分，承担着优中选优的艰巨任务：
美学与设计：设计是否契合所要讲述的数据故事？
叙事性：是否清晰传递出核心观点或探讨了明确的问题？是否提供了必要的背景信息？
分析深度：所选数据是否与主题高度相关？分析过程是否体现出专业性与洞察力？
可视化规范应用：是否通过合理的布局、图表选择及交互功能有效传递洞见？
Iron Viz 学生版竞赛获奖作品解读
首先，让我们祝贺 2025 年度 Iron Viz 学生版竞赛前三强！这些作品不仅运用别具一格的图表类型，以趣味性与创造性兼具的方式传递观点，更在可视化过程中展现了深刻的对比洞察。
接下来，我们将解读以下获奖作品，带你走进精彩的 TV 世界：
01 奇迹少女与黑猫罗尔
《奇迹少女与黑猫罗尔》（英语：Miraculous: Tales of Ladybug & Cat Noir）是一部由法国主导制作和多国团队联合发行、风靡全球的动画剧集。故事以巴黎这座浪漫之都为背景，讲述了少女玛丽娜和少年阿德里安在日常与英雄身份之间不断切换，共同守护城市的奇妙经历。
图片来源于网络
美国怀俄明大学统计学硕士生 Fortune Uwha 在她的作品中成功地结合了严谨的数据分析与她对这部动漫剧集的深厚情感，以数据讲述故事，将严谨的统计视角与轻盈的情感表达巧妙融合，生动展现了作品的魅力。
探索过后，你会发现整个作品的核心在于“平衡”，正如剧中男女主角互相呼应、互补的特质一样，Fortune 也试图用数据体现这种和谐统一。
如下图，Fortune 将 Viz 分为四个章节，从个人情感共鸣、剧集数据的隐藏亮点、角色塑造的魅力，到全球范围粉丝的共鸣点，循序渐进地为观众描绘出一个细腻而立体的数据故事。
👉 我为何深爱《奇迹少女》？
首先，Fortune 以事件节点时间轴直观地展现了剧集自 2015 年开播以来，IMDb 评分如何一路攀升，从最初的探索阶段到逐渐成熟并收获粉丝热爱的过程。数据的波动与攀升，体现了观众与角色的共同成长历程。
正如作者感言所述：“我希望呈现的不仅是数字，更是我与作品之间共同的成长与共鸣。”
👉 那些年的宝藏剧集
在这一章节，Fortune 通过一张精心设计的坐标散点图，每个点代表一集剧集，横坐标为评分，纵坐标为用户的投票数，深入挖掘了粉丝们口中“被低估的”以及“备受喜爱的”隐藏佳作。
每一个数据点都如同一次精心策划的“探险”，让读者得以发现剧集中那些容易被忽视的经典故事。此外，她还巧妙地将剧中经典台词与高人气剧集数据结合，唤醒粉丝们观看时的美好回忆，数据瞬间变得富有生命力。
Fortune 强调，这部分创作最大的收获是如何在分析数据的同时，唤起观看剧集时的情感与记忆，做到感性与理性间的和谐平衡。
👉 我最爱的角色与原因
这里体现了角色数据的精彩呈现。Fortune 不仅罗列出这部动漫的主要角色，还通过详细的数据（例如角色信息、角色受欢迎程度、所出现的集数）向观众解释为什么他们能成为粉丝心中最耀眼的存在。
值得注意的是，这部分还专门分析了剧中“配角”的重要性，强调配角们如何通过高评分剧集贡献自己不可忽视的价值，从而体现了在数据背后的细致观察与思考。
👉 奇迹少女全球粉丝热度
代入全球化视角，通过条形图与形状组合而成的棒棒糖图对不同国家地区粉丝数据的分析，Fortune 展现了跨越语言和地域障碍的共情力量。通过法国、美国、意大利等不同国家对角色喜爱度的细分，我们能够直观地看到数据如何诠释文化差异与共通情感间微妙的关系。
而在可视化的右侧，象征着巴黎的埃菲尔铁塔优雅地呈现出各国粉丝投票的结果，既是视觉创意，也是情感共鸣的体现。
最后，Fortune 在总结中动情地回忆了制作过程：“当回顾这部动漫，我看见的不仅仅是一段剧情，更是一段成长的旅程。这部作品教会我，英雄也有缺陷，但重要的是他们如何在挑战中找寻自我。这也正是数据告诉我们的故事：勇气、友情与成长。”
02 突破预期
这份数据可视化作品《Breaking Expectations》，以享誉全球的经典美剧《绝命毒师》及其前传《风骚律师》为分析对象。
图片来源于网络
作为美国东北大学的商业分析与数据科学学士，Benjamin Pierce 虽然此前仅熟悉 Power BI 而未系统学习过 Tableau，却以极具创意的数据思维，通过深入的分析与视觉呈现，展现出他卓越的自学能力与数据解读水平。
一开始，Benjamin 便以简洁直观的视觉设计，强调了《风骚律师》在观众评价上的逆袭，虽然前传性质的剧集通常难以达到经典作品的高度，但《风骚律师》却成功超越了预期。
如图，他用散点图精准呈现两部剧集在 IMDb 评分上的分布差异，直观地证明了两部作品的高度评价并不只是情怀，而是真实的数据表现。
👉 随后，Benjamin 深入剖析了：随着季数推进，剧集评分如何变化。
通过折线图对比《绝命毒师》与《风骚律师》两剧各季平均评分趋势，他揭示了两个关键洞察：《绝命毒师》虽在末季评分达到巅峰，但整体趋势相对波动；相比之下，《风骚律师》则展现了更为稳定、逐步提升的评分趋势，尤其是最终季，展现出显著且稳定的高分表现。
Benjamin 将这种趋势分析融入细致的数据讲述，以精细的视角挖掘出了观众对剧集评价背后的规律与原因。
👉 接下来，Benjamin 提出了“皇冠明珠”和“宝藏”两个概念，用以精准划分剧集中最顶尖与最值得挖掘的某一集。通过分布图和时间序列图的结合，展示两剧单集评分的分布规律与高峰位置，尤其是直观展现了剧集中最具代表性的集数——那些成为粉丝心中经典之作的关键节点。
其中，通过对比直观体现出两部作品不同的数据特征与观众评价偏好：
《绝命毒师》中约 24% 的集数达到极高评分，被定义为“皇冠明珠”；
《风骚律师》则约 14% 的集数达到这一超高评价。
👉 值得一提的是，Benjamin 并未停留在表层评分分析，而是进一步扩展了“宝藏级”剧集的定义标准，将范围扩大以纳入更多优质剧集进行深度挖掘。
他指出，《绝命毒师》和《风骚律师》分别有约 48% 和 36% 的剧集都属于能激发深度思考并获得观众一致好评的“宝藏”类别。他将这些单集放入详细的时间序列图中分析，揭示出作品背后的创作稳定性、故事讲述能力和剧集整体质量。
在获奖感言中，Benjamin 坦言道：这是他第一次正式接触 Tableau 并用其创作可视化。尽管挑战巨大，但也正是这种未知的挑战激发了他的创造力和好奇心。用他的话来说：“我从未接受过正式的 Tableau 训练，一边摸索一边创作，这不仅是一种挑战，更是一种乐趣。”
从价值的角度看，这份作品不仅体现了 Benjamin 对《绝命毒师》和《风骚律师》这两部经典美剧的深入理解，也体现出他卓越的数据分析与讲述故事的能力。他的创作过程，是一次从零到一的技能跨越，更是一次对“打破预期”这一主题的自我诠释与实践。
从数据的角度看，他不仅呈现了观众对两部剧的评价趋势与偏好，更在更高层面向我们展示了数据如何激励人们突破自己的极限，创造意想不到的精彩故事。
03 神烦警探
这是一份创意十足的数据可视化作品，作者 Yi-Shan Hsieh 围绕着融合警探故事与喜剧元素的美剧经典《神烦警探》（Brooklyn 99），以趣味十足的视觉风格，揭示了这部剧为何能以幽默轻松的剧情，在众多犯罪题材的剧集中脱颖而出。
图片来源于网络
作为美国印第安纳大学伯明顿分校的信息学硕士，Yi-Shan 坦言，这份作品经过了数百次的反复迭代。她最大的挑战是设计出一种结构，能让从未观看过《神烦警探》的观众也能产生兴趣，轻松理解数据背后的故事，并获得真正的洞察。
从作品最终呈现效果来看，她确实达成了这一目标。如下图，Viz 以明亮的视觉风格，将数据分析与轻松愉悦的观剧体验紧密结合，真实体现出作者出色的故事构建能力和对数据呈现技巧的娴熟掌握。
👉 首先，通过巧妙使用四象限散点气泡图，Yi-Shan 将《神烦警探》与其他 77 部犯罪喜剧剧集的 IMDb 评分与人气进行横纵坐标上的对比。
可以看到《神烦警探》位于高评分和高人气区域，非常显眼。这种对比不仅精准体现了这部剧集独特的市场地位，也立刻让观众明白为何其被视为犯罪喜剧的黄金标准。
👉 而第二部分“冷幽默，热数据：剧集趋势分析”的巧妙之处在于，Yi-Shan 分析了剧中每一集最具特色的“冷开场”（Cold Opens）如何影响了观众评分和投票数。
通过细致绘制了剧集评分与观众投票趋势图， Yi-Shan 致力于展现粉丝最喜爱的集数多分布在哪些季节，并进一步挖掘冷开场的独特魅力。她利用色彩突出显示出“最受欢迎的冷开场剧集”，直观且有趣地展现了剧情与数据之间的微妙关联，让观众在笑声之外，捕捉到数据中的“幽默密码”。
👉 在第三部分“99分局的明星阵容”中，Yi-Shan 对《神烦警探》8 季共 153 集的主要角色进行了深度的数据洞察，并用条形图展现了各角色出场频率、热度，以及随剧集发展角色的变动趋势。
这部分数据展示不仅突出了Jake Peralta、Amy Santiago、Captain Holt 等主角的稳定人气，也强调了 Hitchcock 和 Scully 这样幽默配角在剧集中的重要价值。正如她强调的那样，“数据使角色更立体，也让观众对他们的情感联系更深。”
值得一提的是，Yi-Shan 在感言中说道，这种设计并非一蹴而就，而是经过反复分析其他优秀 Tableau 作品的成果，从而不断提升她的数据叙事技巧和可视化呈现能力。这一章尤为体现她对细节的追求和精益求精的数据分析态度。
👉 在最后的部分“奖项永恒，经典常在”，Yi-Shan 展示了《神烦警探》获得奖项的情况。通过动态的图形化设计，她清晰表达出剧集提名与获奖分布，直观呈现出 2014、2015 年剧集在奖项评选上的巅峰表现。这种奖项的视觉表达不仅体现了剧集的广泛认可，也让数据可视化更具故事性和互动性。
成功的可视化故事不仅是数据的堆积，更在于如何将数据与观众情感建立共鸣。Yi-Shan 巧妙地抓住了《神烦警探》粉丝内心的情感纽带，通过奖项数据的视觉呈现进一步强化了剧集给观众带来的情感共鸣。
同时，如何用数据讲述精彩的故事是一场需要持续成长的过程。正如 Yi-Shan 说的那样：“数据讲故事的成长旅程并非短短几天便能完成。过程中我不断挑战自己，思考如何突破常规的表现形式。”她坦言，这次数据可视化之旅极大地扩展了她对数据故事的想象空间。
参与 Iron Viz 学生版竞赛有何收获？
除了解读今年 Iron Viz 学生版竞赛的前三强作品，Tableau 还通过采访往届竞赛冠军，向我们展示了为何向其他学生推荐这项赛事，以及比赛如何影响他们的职业发展。
Michael Dunphy | 2022 年 Iron Viz 学生版竞赛冠军
“我一直坚信‘实践出真知’。Iron Viz 学生版竞赛特别适合学生们通过自己感兴趣的数据，获得真正的 Tableau 实战经验。这种竞赛模式能激发创造力和问题解决能力，这是课堂作业无法替代的体验。我从 Tableau 社区中收获颇丰，而参与这类赛事活动也是与社区建立联系、向其他优秀数据人学习的绝佳机会。
获得 Iron Viz 学生版竞赛冠军后，我的职业生涯也迎来了不少机遇，其中包括首次亲自参加 Tableau Conference 大会，借此与业内前辈和同伴建立了宝贵的人脉资源。这些人脉在我刚踏入数据分析领域时，给予了我关键的职业指导与技术建议。在与 Tableau 相关的求职面试中，我能够自信地展示这一成就，以及其他项目实践的成果，让潜在雇主清晰看到我的数据技能。
除了实际收获之外，赢得比赛还给了我极大的信心，鼓励我不断尝试更具挑战性的项目，全方位提升我的数据分析能力。”
Karolina Grodzinska | 2023 年 Iron Viz 学生版竞赛冠军
“参加 Iron Viz 学生版竞赛，即便没有获得冠军，也绝对是一段宝贵的学习经历。我在比赛中收获了许多高质量的反馈，评委们非常用心地给出了如何进一步优化仪表板的建议。此外，这也能成为简历上的一项亮点，尤其对缺少实际数据项目经验的学生特别有价值。
而赢得 Iron Viz 学生版竞赛冠军，加上我在 Tableau Public 上不断积累的作品集，让我在工作团队中迅速树立起‘数据可视化专家’的形象，因此获得了更多制定设计标准、专注仪表板开发和改善用户体验的机会。每当同事向我寻求 Tableau 方面的帮助时，我总是感到特别开心，因为这说明他们信任我的专业能力。
此外，我也相信，站在 Tableau Conference 大会的舞台上面对数千名观众的经历极大提升了我的公众演讲能力。如今在工作中，我经常需要组织培训、汇报研究成果，而每当这种时候，我都会想起 Iron Viz 决赛的舞台——经历过那种聚光灯下的考验后，其他演讲场合都变得游刃有余。”
如需了解更多心得体会，请点击观看：从学生到 BI 分析师，Tableau 如何让你的数据职业生涯一路领先？
看完 2025 Iron Viz 学生版竞赛冠军惊艳的可视化作品后，你是否心潮澎湃？
终极盛宴即将开启！美国时间 2025 年 4 月 15 日- 17 日，Tableau Conference 年度大会上的 Iron Viz 全球冠军赛，注定成为不容错过的巅峰对决。
👉 登录 Salesforce+，即可免费注册 TC25 全球用户大会，预约观看 Iron Viz 决赛直播！
👉 还想探索更多学生版竞赛佳作？欢迎访问 Iron Viz 学生版竞赛冠军画廊，一览历年获奖可视化作品：
版权声明：本文中所列的数据可视化作品图片均来源于 Tableau Public ，版权归原作者所有！其他图片说明：正文中所引用的其他图片均来源于网络。
