优秀的数据分析师，都不可救药地爱上了“数据可视化”

“大数据的真实价值就像漂浮在海洋中的冰川，第一眼人们往往只看到冰山一角，而绝大部分都隐藏在表面之下，数据总是从最不可能的地方被提取出来。”

这段关于大数据的精彩论述，出自维克托·迈尔-舍恩伯格所著的《大数据时代》一书，很生动地描述了大数据的潜藏价值。

在互联网高速发展的今天，微信、微博、头条、短视频等不同渠道无时无刻不在向我们传递着各种有用或无用的信息，这些信息铺天盖地而来，最终都沉淀在了数据的海洋中。

复杂的海量数据只有在被合理采集、解读与表达之后，才能完美展现它们的本质与潜藏价值，而可视化则无疑是让数据变得清晰直观、便于理解的有效途径。

01 什么是可视化

数据可视化主要旨在借助于图形化手段，清晰有效地传达与沟通信息。也就是说可视化的存在是为了帮助我们更好的去传递信息。

02 数据可视化的应用场景有哪些

对于数据可视化最有代表的场景应用，不得不提的就是大屏了。Smartbi大屏在各行各业都有着重要应用。

通过大屏，实时集中监控平台各类业务运营情况，以智能化的数据生产和数据分析方式，使业务人员从大量的数据汇总整理、合并、深入分析及数据挖掘的工作中解放出来，减少工作难度，降低分析门槛、提升工作效率，辅助领导决策。

03 数据可视化的小技巧

职场人最大的痛莫过于时间花了工作没完成，数据可视化这件事尤其如此。

数据可视化的呈现成果，展示成绩的“面子工程”应该花重金打造才行。然而现实是两眼直勾勾盯着屏幕，10分钟过去了，30分钟过去了，1个小时就这么过去了，Excel中能点的地方都点到了，一顿操作猛如虎，做出来的图表依然是个丑。

作图不掌握要领，投入的时间都是徒劳，像是无头苍蝇，只是在横冲直撞。

其实，想做出好图表，以下几项功夫是必不可少的：

1、选择合适的图表

对于有些人来说选图表就像皇帝选妃侍寝，全凭心情翻牌子，甚至像买彩票一样直接打一张随机号。这样做出来的可视化让人眼花缭乱，也无法有效地传达信息。

举例来看：如果想对比商品销售额情况，以饼图、柱形、折线三种基础图形来看

饼图：数据接近、面积相似，无法一眼看出差异

柱图：排序后谁高谁低差异一目了然

折线图：容易造成随时间变化销售额下降的错觉，这里要注意横纵轴一般人的表达习惯

显然柱图是最合适的选择。

这就引出来了图表选择要考虑的两个方面：

1、数据想表达什么？

2、各个类型的图表特性是什么？

结合工作中遇到的图表类型和想表达的场景，以下“图形选择决策树”，一张图教你看懂如何选择合适图表类型。

国外可视化专家Andrew Abela给出过图表选择思维导图。随着发展，基础图形的扩充，有人总结出图形选择决策树，将数据的展示分成比较、序列、构成、描述四种。

比较又分成不同场景，如：和目标的比较，进度完成情况；项目与项目比较；地域间数据比较。

序列：连续、有序类别的数据波动（折线图、面积图、柱状图）；各阶段递减过程（漏斗图）。

构成：占比构成（展现不同类别数值相对于总数的占比情况）；多类别部分到整体；展示各成分分布构成情况。

描述：关键指标描述；数据分组差异描述；数据分散描述；数据相关性描述；人物或是事物之间关系描述

图表选择是准确、有效传达信息非常重要的一步。有了这份指南在手，在确定我们想展示的数据内容后，只要按图索骥，就能找到相应的图表类型建议，方便又轻松。

2. 设计布局

图表选择是准确、有效传达信息非常重要的一步。接下来如何设计页面布局呢？

推荐实操性较强的“三点法“，页面布局可以更轻松。

聚焦：通过排版布局，把重点指标放在核心区域，让观看者能够迅速解读关键信息

平衡：要合理的利用可视化的设计空间，在确保重要信息位于可视化空间视觉中心的情况下，保证整个页面的不同元素在空间位置上处于平衡，提升设计美感。

简洁：在可视化整体布局中不要使用过于复杂的元素以免影响数据呈现

3. 配色

保持整体色彩感觉一致，配色风格一致，不同颜色之间搭配协调。不要一会黑白配，一会又来个红绿配。 图标、图像的视觉风格以及尺寸一致，和整体风格保持一致。按钮的风格要统一，要么都是填充式的，要么都是中空式的，要么都是棱角分明，要么都是圆润光滑。例如下图，某企业设备智能监控可视化大屏（部分）是个很好的例子，配色统一，风格一致。

04 总结

数据可视化是一门同时结合了科学、设计和艺术的复杂学科，其核心意义始终在于清晰的叙述和艺术化的呈现，这些需要依靠数据分析师和设计师的精心策划而不是仅有炫酷的效果，最终达到帮助用户理解数据和做出决策的目标，不再让数据沉睡，才能发挥它巨大的价值和无限的潜力。