活用这23种图表，让你的数据说明胜人一筹

互联网与不绝呈现的便捷器材，让全部人都可以无须具备数据或相干特长，就可以简朴、低成当地将数据做成直观的可视化图、表。

这虽然是起劲的变革，但也助长了一种本能倾向，即让数据可视化成为了一种讲述时的必备“流程”，开始无目标地举办可视化，功效做出的图表差能人意，好比机器地把电子表格单位转换为图表，只能提供支离破裂的信息，可能无效却侵扰视听影响决定的信息，进而无法通报出完备的理念。

正如演议和雷同专家南希·杜瓦特（Nancy Duarte）所说：“不要让听众感受你在展示一张图表，而要回首人的举动，描写曲线变革背后的变乱。不是“来看我们的三季度财报”，而是“来看我们为什么没完成方针”。”本日我们就来说说如安在泛起可视化数据的时辰匹配正确的图表。

一、数据说明目标有两种：告诉与试探

人类大脑对视觉信息的处理赏罚优于对文本的处理赏罚，因此，用眼睛看的数据是更清楚有用地通报与雷同信息的一种方法，焦点是有用地转达信息。那么行使图表、图形和计划元素把数据举办可视化，可以帮你更轻易的表明数据模式、趋势、统计纪律和数据相干性，而这些“信息背后的信息”在其他泛起方法下也许难以被发明。

依据必要通报的性子和目标，我们将数据可视化分别为告诉型和试探型。前者一样平常是在正式场所向他人通报信息，好比你想操作手中的大量数据，陈诉每季度贩卖环境；后者是当我们想知道为什么最近贩卖示意不佳，于是，试探是由于季候性颠簸可能是促销力度不足？（本图表行使Data Analytics数据可视化软件建造，原数据已做脱敏处理赏罚，下同）

现实上，以试探为方针的可视化又可分为两种，第一种是上文例子中提到的操作数据，用图表来证实或否认你的假设；第二种是假如对贩卖业绩下滑的缘故起因毫无头绪，提不出任何假设呢？就要细心说明数据，探求个中的纪律、趋势和非常。

譬喻，比拟贩卖业绩和贩卖员认真地区面积，有何差异？差异地域的季候性颠簸有何异同？气候对贩卖造成哪些影响？这种开放性试探能带来新发明。开放性数据可视化试探，将有助于解答宏观的计谋题目，如收入为何降落、服从怎样晋升、客户与公司应怎样互动等。

二、试探型数据可视化

试探型数据可视化分为两类：一是假设检讨，一是从数据中探求纪律、趋势和非常。前者的方针很明晰，后者则相对发散。数据体量越大、伟大度越高、未知身分越多，试探事变的开放性就越高。

1.假设检讨

在这类数据可视化试探中，你要答复下面两个题目中的一个：我假想的环境是否属实？怎样用差异方法通报这一信息？

在举办求证时，数据范畴相对可控，所行使图表范例较为通例；虽然，若想以新奇方法泛起信息，也可实行较少见的图表。求证型图表一样平常不消于正式场所；你要先本身找到正式展示所需的图表。因此，你的时刻不该花在计划上，而应快速实行差异模板，找到最好的数据视觉化方案。

2.开放性试探

更多时辰，针对数据的开放性试探是数据科学家和贸易智能说明师的领地，不外新呈现的器材譬喻 DataHunter 旗下的 Data Analytics 软件让全部人都可以参加进来。因为穷乏明晰方针，开放试探型图表包括的数据范畴较广，个体环境下也许会容纳多组数据，或成立自动更新数据的动态体系，也可用于统计建模。开放性试探很值得实行，由于它常常带来唯一无二的洞见。

三、告诉型数据可视化

我们一般事变中打仗最多的是告诉型数据可视化，首要涉及常用图表，一样平常可在展示中直接行使。这些简朴图表包罗线状图、柱状图、饼状图和散点图等。这里的可视化必要做到“简捷”。一幅图表应该用有限几个变量，清楚通报一个信息。好例如针很明晰，为听众确认并先容配景信息。

此类图表常用于正式展示，对清楚度和逻辑性要求也很高。正式展示凡是时刻有限，假如图表计划不抱负，先容人就必需停下来表明，而图表中的信息本应一览无余。这并不是说告诉性图表不该激发接头，但接头应针对图表通报的理念，而非图表自己。接下来数猎哥凭证组成说明、比拟说明、漫衍说明、相关说明，4个方面，为各人先容几种常见的数据可视化图表。

四、常见可视化图表之一：组成说明

1.饼图/环形图

饼图常常暗示一组数据的占比，必要数值维度。如图，各扇形面积代表种种型装修原料贩卖额的巨细，整体为装修原料总贩卖额。右侧环形图为饼图的变种，中心地区可展示数据可能文本信息。

饼图也是有缺陷的，譬喻30%和35%在饼图上凭肉眼是难以判别出区此外。当种别过多，也不相宜在饼图上表达。因此在行使饼图时我们必要顺时针降序分列，同时维度取值在10个以内。

2.玫瑰图

玫瑰图是饼图的变种，用来比拟差异类此外数值巨细，在数值相差不大的时辰行使。如图，广东省、江苏省、山东省的GDP数额不同不是太大，假如只是行使通例饼图，难以比拟三者的巨细，行使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，示意整体在各个维度上的组成，以及维度与维度之间的从属相关。如图，可以清晰看到整体的贩卖额在三大类产物的漫衍，而每类产物的各品牌贩卖额区别也可以直接比拟，同时也可以看到每类产物的品牌漫衍。

4.仪表盘

仿照汽车仪表盘，回收绝对值与相对值团结的方法，揭示某个指标的完成环境，在项目进度，打算完成度较常见。只得当揭示数据的累计环境，不合用于数据的漫衍特性等，同时一样平常高出100%后不太好示意。

5.矩形树图

当我们想表达过多范例的数据时，可以行使矩形树图，它揭示统一层级的差异分类的占比环境，还可以统一个分类下子级的占比环境，每个矩形代表一个聚合类，颜色的深浅和面积的巨细代表这个聚合类的巨细。如图，好比电子商务、产物贩卖等涉及大量商品品类的说明等。

范围是不得当揭示差异层级的数据，好比组织架构图，每个分类不得当放在一路看占比环境。且当以面积暗示巨细，当数值临近时人眼难以分辨，虽然可通过填凑数值补充。

6.瀑布图

回收绝对值与相对值团结的方法，展示各因素组成环境，更多的用于焦点指标的解析，得当展示数据累积变革进程，范围是种种数据不同太大则难以较量。

如图焦点指标为净利润，可以看到焦点指标由收入和本钱计较得出，而收入方面业务收入占有首要，支出方面业务本钱占有首要。我们可以晋升业务收入或低落业务成原来晋升公司净利润。

（编辑：湖南网）

【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!