数据可视化的目的
让数据更高效
让读者更高效阅读,而不单是自己使用
突出数据背后的规律
突出重要的因素
最后是美观
常见的初级图表
图表的基础概念
dimension:描述分析的角度和属性,分类数据
时间、地理位置、产品类型
measure:具体的参考数值,数值数据
元、销量、销售金额等
不同软件的处理方式:
散点图:
功能:散点图主要解释数据之间的规律
维度:0+,作为颜色
度量:2
气泡图:
散点图加一个维度,成为气泡图
维度:1+,作为颜色
度量:3,其中一个是气泡大小
单轴散点图:
维度作Y轴,更倾向于洞察数据在不同类别下对的数据规律
维度:1+,Y轴
度量:2
客户消费维度
消费金额和消费次数的关系
消费金额和最后一次距今消费天数的关系
消费次数和最后一次距今消费天数的关系
客户其他消费维度
消费金额和消费折扣的关系
消费金额和会员积分的关系
消费次数和会员距离的关系
垂直领域消费维度
投资金额和投资次数的关系(金融)
最近一次距今消费和使用次数(SaaS)
折线图
折线图经常用来观察数据随时间变化的趋势。折线图中的维度不宜过多,否则会非常混乱和复杂。
维度: 1+,可对比
度量: 1+
时间维度:X轴
面积图
是折线图的变种。面积图更注重数据类别之间随着时间趋势的变化关系。
维度:1
度量:2
柱形图
柱形图是类别之间的关系
维度:2
度量:1+
直方图
柱形图的统计型变种。
维度:0
度量:1
饼图
可以理解为环状的柱形图。饼图的类别不宜过多,除了PPT不适合分析时应用。
维度:1
度量:1
漏斗图
是对转化过程的直观展示。单一的漏斗图没有什么用处,也是面对PPT。漏斗图的转化步骤不应该超过7个。
维度:1
度量:1
雷达图
适用于个体的数据和属性可视化,比较偏描述性数据,常见于CRM,用户画像。
维度: 1+
度量:1+
常见的高级图表
树形图
适合数据量较大的情况,尤其类别较多。比如各电商的SKU
维度:1+
度量:1
桑基图
是揭示数据复杂变化趋势的图表。面积图是线性维度,对桑吉图可以一对多或者多对一。
维度:2 source,target
度量:1
热力图
数据在空间上的变化规律,譬如地理空间、网页浏览
维度:2
度量:1
空间也不一定是纯粹指地理空间,也可以是属性和维度的规律组合,比如将其变成星期表。
维度:1
度量:1
关系图
展现不同类别之间的数据关系,常见于各类社交社会媒体。
维度:2 source target
度量:0+
箱线图
统计用图表,用于研究和观察数据分布,也能对比数据分布。
维度:1+
度量:1
标靶图
也称为子弹图,是变种的条形图。常用于衡量业务销售完成的情况。
维度:1+
度量:2
词云图
文本分析利器,PPT常客,卖弄大数据必备图表
维度:1
度量:0
地理图
数据和空间之间的关系。地理图即可以通过经纬度的数值度量绘制,也能通过省市的类别维度绘制。
维度:1(经纬或行政)
度量:1
图表绘制
Excel绘图:
信息图 数据图表
Power BI:
必须从图表看到现象,透过现象分析出更深的原因。
单一的图表可视化是没有意义的--->只能看到现象
Dashboard设计:
主次分明、贴合场景、指标结构
层次分明:
贴合使用人员场景:WHO,WHAT,HOW? 谁在使用?使用的目的是什么?使用者如何使用?
指标:结构化、公式化