数据可视化基础至少梳理

一个好的数据可视化界面一定是能够清晰地展现用户所需要的信息，当用户看到界面内容时，应该能在5秒内了解到它的用途，而不是花费至少几分钟才能理解各个数据的含义。

清晰

一个有用的数据可视化界面上的每一条信息都应该是有意义的，这些有意义的信息能准确传达设计师想要表达的内容。每一条数据的背后，用户应该都是可以读懂的。

有意义

优秀的数据可视化界面，会有一套非常严谨一致的版面。这里的一致性需要考虑到布局，结构和内容。

一致性

复杂的界面违背了数据可视化设计的初衷，如果一个信息呈现不够简单直接，那么肯定是在设计上出现了问题。

简单

数据可视化的关键要素

是由n维属性和m个元素组成的数据集所构成的多维信息空间

数据空间

是指利用一定的算法和工具对数据进行定量的推演和计算

数据开发

指对多维数据进行切片、块、旋转等动作剖析数据，从而能多角度多侧面观察数据

数据分析

是指将大型数据集中的数据以图形图像形式表示，并利用数据分析和开发工具发现其中未知信息的处理过程。

数据可视化已经提出了许多方法，这些方法根据其可视化的原理不同可以划分为基于几何的技术、面向像素技术、基于图标的技术、基于层次的技术、基于图像的技术和分布式技术等等

数据可视化

数据可视化的基本概念

业务流程

业务指标

确认需求

财务系统

供应链系统

人力系统

生产力系统

运营系统

其他系统

业务数据

数据整合

清洗、转换、加载

数据逻辑构建

数据分析模型

数据仓库

如果数据仓库中没有所需要的业务数据时，看对方是否能够及时填报、补录数据，增加数据源头。

填报、补录

准备数据

基础柱状图

堆叠柱状图

分组柱状图

柱状图

基础条形图

堆叠条形图

分组条形图

条形图

基础折线图

多条折线图

曲线折线图

折线图

基础面积图

强调数量随因变量变化的程度，以及变化的趋势。可设置辅助线、趋势线等辅助分析，添加标签、缩略轴等优化交互体验。

堆积面积图

面积图

基础饼图

基础环图

饼状图

特点是强调数据之间的转化关系和递进规律，经典常见就是用户浏览量，点击量，到订单支付数量。

漏斗图

用于记录数据变化趋势，及波动情况，常用于股票，体现价格走势与波动情况可在K线图下方设置一个柱状图，用于表示波动情况。

K线图

桑基图用于描述一组数值转化成另一组数值的流向，观察数据的流转情况，始末数据量相等。图中的各个分支宽度表示流量的大小，线条粗细代表数据大小。桑基图主要应用于用户行为路径、能源流转等场景。

桑葚图

清晰地表达层级和归属关系，以父子层次结构显示数据构成情况，旭⽇图能便于细分溯源分析数据，真正了解数据的具体构成。旭日图用于描述树状结构数据

旭日图

选择图表

特点是可横向排列，或用多维方式表达。长条柱或柱组中线须对齐项目刻度，例如比较两个或以上的价值（不同时间或者不同条件），只有一个变量，通常利用于较小的数据集分析。

特点是不注重数据明细，强调数据中各项占总体的百分比，或者分布情况，注重模块模块之间的对比。

特点是是统计图资料分析中最常用的图形能够使人们一眼看出各个数据的大小。易于比较数据之间的差别。

特点是是能看出数量的增减变化情况，以折线的上升或下降来表示统计数量的增减变化的统计图，折线统计图用折线的起伏表示数据的增减变化情况，不仅可以表示数量的多少，而且可以反映数据的增减变化情况和趋势。应用场景：常用于描述指标在一段时间或有序类别内的表化趋势，并展现数据间的关联性。

可视化图表

逻辑分析

信息展示

可视化过程

必须要先清楚图表制作完成后受众对象是谁，对项目做一个初步的规划方案，把需求对象要解决的问题、想要看到的信息以及关键点摸清；必须紧贴企业业务流程，了解业务指标、属于什么专业方向的内容，最大程度地提升数据分析的准确性，提高图表展现信息的质量

数据的可视化展现：PC端可视化、大屏可视化、移动端可视化、二维报表的查询

图表的选择直接关系到可视化的呈现效果，一个合适的图表能够把数据之间的联系转化为直观的信息，相反错误的图表可能会将需求对象引向错误的方向。数据可视化分析人员必须了解所有主流的图表类型，知道每个图表适合做哪些分析，能够展现哪种类型的信息，举个例子，折线图、柱形图等能够轻易地展现事物的发展趋势，但如果你把某段时间销售数量变化趋势呈现在饼图上，那这个图表就没有任何意义了。

一目了然的内容设计，一眼就能看到关键信息；色彩不宜太过丰富，颜色最好也不要太过鲜艳，把色彩对比强烈的颜色放到关键信息，用清晰的逻辑去呈现变化，突出重点部分，使用户产生更好的体验

数据可视化基础