活用这23种图表，让你的数据分析胜人一筹

互联网与不断出现的便捷工具，让所有人都可以无须具备数据或相关专长，就可以简单、低成本地将数据做成直观的可视化图、表。

这当然是积极的变化，但也助长了一种本能倾向，即让数据可视化成为了一种汇报时的必备“流程”，开始无目的地进行可视化，结果做出的图表差强人意，比如机械地把电子表格单元转换为图表，只能提供支离破碎的信息，或者无效却扰乱视听影响决策的信息，进而无法传达出完整的理念。

正如演讲和沟通专家南希·杜瓦特（Nancy Duarte）所说：“不要让听众感觉你在展示一张图表，而要回顾人的行为，描述曲线变化背后的事件。不是“来看我们的三季度财报”，而是“来看我们为什么没完成目标”。”今天我们就来说说如何在呈现可视化数据的时候匹配正确的图表。

一、数据分析目的有两种：陈述与探索

人类大脑对视觉信息的处理优于对文本的处理，因此，用眼睛看的数据是更清晰有效地传达与沟通信息的一种方式，核心是有效地传递信息。那么使用图表、图形和设计元素把数据进行可视化，可以帮你更容易的解释数据模式、趋势、统计规律和数据相关性，而这些“信息背后的信息”在其他呈现方式下可能难以被发现。

依据需要传达的性质和目的，我们将数据可视化划分为陈述型和探索型。前者一般是在正式场合向他人传达信息，比如你想利用手中的大量数据，报告每季度销售情况；后者是当我们想知道为什么最近销售表现不佳，于是，探索是因为季节性波动或者是促销力度不够？（本图表使用Data Analytics数据可视化软件制作，原数据已做脱敏处理，下同）

实际上，以探索为目标的可视化又可分为两种，第一种是上文例子中提到的利用数据，用图表来证实或否定你的假设；第二种是如果对销售业绩下滑的原因毫无头绪，提不出任何假设呢？就要仔细分析数据，寻找其中的规律、趋势和异常。

例如，对比销售业绩和销售员负责区域面积，有何不同？不同地区的季节性波动有何异同？天气对销售造成哪些影响？这种开放性探索能带来新发现。开放性数据可视化探索，将有助于解答宏观的战略问题，如收入为何下降、效率如何提升、客户与公司应如何互动等。

二、探索型数据可视化

探索型数据可视化分为两类：一是假设检验，一是从数据中寻找规律、趋势和异常。前者的目标很明确，后者则相对发散。数据体量越大、复杂度越高、未知因素越多，探索工作的开放性就越高。

1.假设检验

在这类数据可视化探索中，你要回答下面两个问题中的一个：我设想的情况是否属实？如何用不同方式传达这一信息？

在进行求证时，数据范围相对可控，所使用图表类型较为常规；当然，若想以新颖方式呈现信息，也可尝试较少见的图表。求证型图表一般不用于正式场合；你要先自己找到正式展示所需的图表。因此，你的时间不应花在设计上，而应快速尝试不同模板，找到最好的数据视觉化方案。

2.开放性探索

更多时候，针对数据的开放性探索是数据科学家和商业智能分析师的领地，不过新出现的工具例如 DataHunter 旗下的 Data Analytics 软件让所有人都可以参与进来。由于缺少明确目标，开放探索型图表包含的数据范围较广，个别情况下可能会容纳多组数据，或建立自动更新数据的动态系统，也可用于统计建模。开放性探索很值得尝试，因为它经常带来独一无二的洞见。

三、陈述型数据可视化

我们日常工作中接触最多的是陈述型数据可视化，主要涉及常用图表，一般可在展示中直接使用。这些简单图表包括线状图、柱状图、饼状图和散点图等。这里的可视化需要做到“简洁”。一幅图表应该用有限几个变量，清晰传达一个信息。比如目标很明确，为听众确认并介绍背景信息。

此类图表常用于正式展示，对清晰度和逻辑性要求也很高。正式展示通常时间有限，如果图表设计不理想，介绍人就必须停下来解释，而图表中的信息本应一目了然。这并不是说陈述性图表不应引发讨论，但讨论应针对图表传达的理念，而非图表本身。接下来数猎哥按照构成分析、对比分析、分布分析、关系分析，4个方面，为大家介绍几种常见的数据可视化图表。

四、常见可视化图表之一：构成分析

1.饼图/环形图

饼图经常表示一组数据的占比，需要数值维度。如图，各扇形面积代表各类型装修材料销售额的大小，整体为装修材料总销售额。右侧环形图为饼图的变种，中心区域可展示数据或者文本信息。

饼图也是有缺陷的，例如30%和35%在饼图上凭肉眼是难以分辨出区别的。当类别过多，也不适宜在饼图上表达。因此在使用饼图时我们需要顺时针降序排列，同时维度取值在10个以内。

2.玫瑰图

玫瑰图是饼图的变种，用来对比不同类别的数值大小，在数值相差不大的时候使用。如图，广东省、江苏省、山东省的GDP数额差别不是太大，如果只是使用常规饼图，难以对比三者的大小，使用玫瑰图则很显然广东省数值＞江苏省＞山东省

3.旭日图

旭日图也是饼图的变种，表现整体在各个维度上的构成，以及维度与维度之间的从属关系。如图，可以清楚看到整体的销售额在三大类产品的分布，而每类产品的各品牌销售额区别也可以直接对比，同时也可以看到每类产品的品牌分布。

4.仪表盘

模仿汽车仪表盘，采用绝对值与相对值结合的方式，展现某个指标的完成情况，在项目进度，计划完成度较常见。只适合展现数据的累计情况，不适用于数据的分布特征等，同时一般超过100%后不太好表现。

5.矩形树图

当我们想表达过多类型的数据时，可以使用矩形树图，它展现同一层级的不同分类的占比情况，还可以同一个分类下子级的占比情况，每个矩形代表一个聚合类，颜色的深浅和面积的大小代表这个聚合类的大小。如图，比如电子商务、产品销售等涉及大量商品品类的分析等。

局限是不适合展现不同层级的数据，比如组织架构图，每个分类不适合放在一起看占比情况。且当以面积表示大小，当数值相近时人眼难以辨别，当然可通过填充数值弥补。

6.瀑布图

采用绝对值与相对值结合的方式，展示各成分构成情况，更多的用于核心指标的分解，适合展示数据累积变化过程，局限是各类数据差别太大则难以比较。

如图核心指标为净利润，可以看到核心指标由收入和成本计算得出，而收入方面营业收入占据主要，支出方面营业成本占据主要。我们可以提升营业收入或降低营业成本来提升公司净利润。

（编辑：源码网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!