那如何缩短数据与用户的距离?让用户一眼抓到重点?让老板为你的汇报方案鼓掌?

本文通过连环15关，层层深入，传你数据匹配图形神功，让数据可视化更高效。

无论数据总量和复杂程度如何，数据间的关系大多可分为三类：比较/构成/分布&联系。

一、比较

基于分类/时间的数据对比，通常需用到比较型图表。用户通过图表轻松识别最大/最小值，查看当前和过去的数据变动情况。

常见场景：哪个地区的收件量最多?今年的收入和去年相比如何……

1. 条目少 – 柱状图

比较条目较少时，如5个地区收件量的对比，可选用柱状图表示。

△ 柱状图

2. 条目多 – 条形图

当条目较多，如大于12条，移动端上的柱状图会显得拥挤不堪，更适合用条形图。一般数据条目不超过30条，否则易带来视觉和记忆负担。

△ 条形图

3. 看趋势 – 折线图

当X轴为连续数值(如时间)且注重变化趋势时，则适用折线图。

△ 折线图

4. 扩大差异 – 南丁格尔玫瑰图

除柱状图外，有无更新颖的表现方式呢?那就属南丁格尔玫瑰图了。

△ 南丁格尔玫瑰图

由于扇形的半径和面积是平方的关系，南丁格尔玫瑰图会将数值之间的差异放大，适合对比大小相近的数值。它不适合对比差异较大的数值，因为数值过小的类目会难以观察。

此外，因为圆有周期性，玫瑰图也适于表示周期/时间概念，比如星期、月份。依然建议数据量不超过30条，超出可考虑条形图。

5. 双向 – 双向条形图

前面的例子都是单维度比较，当比较正反两类甚至更多维度的数据时，可尝试双向条形图，下图为各大区的重点地区的收派件量的对比。

△ 双向条形图

用颜色区分大区，空心/实心区分收件量和派件量，既能整体比较大区，又能详细对比地区的情况。

打怪升级，再加点难度。在双向图上再增加一个维度，如下表，比较5个地区的利润及相应的收入和成本。请先思考一下，再下滑看推荐图表。

△ 业务数据

△ 双向条形图(多维度)

通过图形一眼就能看出深圳区的利润低于广州区，即使它的收入高于广州区，但成本相对来说高于广州区。

6. 目标达成 – 子弹图

实际业务中，常要考察指标的达成情况，如收入达标情况及所处区间(优、良、差)，如下表，你会怎么可视化呢?动手画一画吧!

△ 业务数据

△ 子弹图

子弹图，因为像子弹射后带出的轨道。相较于仪表盘，它能够在狭小的空间中表达丰富的数据信息，在信息传递上有更大的效能优势。

若还要比较4个季度的收入情况，只需用不同颜色区分。如下图，一眼便知第二季度表现较好，而第一季度则不佳。

△ 子弹图

7. 性能 – 雷达图

对于一些多维的性能数据，如综合评价，常用雷达图表示。指标得分接近圆心，说明处于较差状态，应分析改进;指标得分接近外边线，说明处于理想状态。

△ 雷达图

以上就是「比较」类的常用图表，可归纳如下。

此表并非一成不变的「铁表」，相互之间还会串联交叉，大家还需灵活应用。

二、构成

部分相较于整体，一个整体被分成几个部分。这类情况会用到构成型图表，如五大区的收件量占比、公司利润的来源构成等。

1. 单层 – 饼状图

第1关中，对比5个地区的收件量时用到了柱状图。若看占比情况，饼状图更合适。

△ 饼状图

如果变成17个地区，会怎样?

像不像彩色七星瓢虫?

所以饼图分类一般不超过9个，超过建议用条形图展示。

除饼图外，环形图(甜甜圈图)亦可表示占比，其差异是将饼图的中间区域挖空，在空心区域显示文本信息，比如标题，优势是其空间利用率更高。

△ 环形图

2. 分层 – 环形图、旭日图

对于管理层而言，需先把握大局和重点。比如大区负责人需一眼看到重点地区及重点分部的情况(如下图)，如何展示?

 

△ 环形图 

△ 旭日图

这个叫旭日图，逐层下钻看数据，大区的重点地区及相应分部的构成情况一目了然。

3. 累计趋势 – 堆叠面积图

接下来，看看数值构成随时间变化的案例：第一大区(包含四个重点地区)近四年收入构成的趋势要如何可视化?自己想一想，再下滑看推荐方案。

△ 业务数据 

△ 堆叠面积图

推荐方案是堆叠面积图，可以展现分量(地区)对于总量(大区)的贡献，并显示总量(大区)的变化过程。需要说明的是，地区收入的起点并非从 y=0 开始，而是在下面的地区基础上逐层叠加，最后组成一个整体。

4. 累计比较 – 堆叠柱状图

如果将上图X轴的标签文字(即年份)和图例(即地区)互换(如下图A)，用来看每个地区近四年的收入构成，用哪个图更合适?

 

△ 堆叠柱状图

是不是觉得都可以?那图中 X1 有何含义?堆叠面积图 A 方案和堆叠柱状图 B 方案都可以表现累加值。差别在于，堆叠面积图的 x 轴是连续数据(如时间)，堆叠柱状图的 x 轴是分类数据。此案例中的 x 轴是非连续的分类数据，因此用 B 方案更适合。

5. 累计增减 – 瀑布图

若想表达两个数据点间数量的演变过程，可使用瀑布图。开始的一个值，在经过不断的加减后，得到一个值。瀑布图将这个过程图示化，常用来展现财务分析中的收支情况。

△ 瀑布图

以上就是「构成」类常用图表，可归纳如下。

三、分布&联系

通过分布&联系型图表能看到数据的分布情况，进而找到某些联系，如相关性、异常值和数据集群。

常见使用场景：客户的年龄段分布?单票成本与收件量的关系?

1. 两个变量 – 散点图

仍以业务为例，下图为全国网点的单票成本/收入分布情况。

△ 散点图

单单这样看，可能看不出什么，如果加两条平均线就不一样了。

加了平均线，就知道哪些网点高于平均线，哪些低于平均线。但网点那么多，总不能逐个点击查看是哪个大区的，给散点加上颜色后，就很有意义了。

通过此图，可以看出哪些大区单票利润较低，急需提升，比如广泛聚集于右下角的第四大区，单票收入低于平均线，单票成本却高于平均线。

2. 三个变量 – 气泡图

大家都知道，网点总利润除了和单票利润有关，还和体量(即收件量)有关，用散点的面积大小表示收件量，就变成了气泡图。

△ 气泡图

3. 结合地图 – 热力图

气泡图与地图结合可演变为热力图。通过热力图，能看到哪些网点收派件量较多，需进行资源调配。

△ 热力图

以上是 「分布&联系」类的常用图表，可归纳如下：

小结

当我们拿到数据后，先提炼关键信息，明确数据关系及主题，再选择合适的图表进行可视化。希望下图能给各位一些参考(结合可视化专家 Andrew Abela 的图表选择指南，进行了简化调整)。

数据可视化设计只要多练习、多总结，总有一天会得心应手。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。