数据分析总结四:可视化与数据分析

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接: https://blog.csdn.net/shuryuu/article/details/85629953

数据可视化

数据可视化的目的是让数据更高效,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。

一、基础图表

散点图

散点图主要解释数据之间的规律。

气泡图

气泡图是散点图的变种, 引入了第三个度量作为 气泡的大小。

单轴散点图

维度作Y轴,更倾向于洞 察数据在不同类别下的 数据规律

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 01 散点图 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。

面积图

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。

柱形图

柱形图是类别之间的关系。

直方图

柱形图的统计型变种。

饼图

饼图可以理解为环状的柱形图。饼图的类别不宜过多。饼图除了PPT, 分析时没啥用。

漏斗图

漏斗图是对转化过程的直观展示。单一的漏斗图没啥用,也是面向 PPT。漏斗图的转化步骤不应该超过七个。

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。

二、高级图表

树形图

适合数据量较大的情况, 尤其类别较多。比如各类电商的库存量(SKU)。

桑基图

桑吉图是揭示数据复杂 变化趋势的图表。面积 图是线性维度,而桑基 图可以一对多或者多对一。

热力图

数据在空间上的变化规律。譬如地理空间,譬如网页浏览

空间不一定是纯粹空间, 也可以是属性和维度的规律组合,比如把它变成星期表或者日历表。

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。

箱线图

箱线图是统计用图表,用来研究和观察数据分布,也能对比数据分布。

标靶图

也称为子弹图,是变种 的条形图。常用于衡量 业务销售完成情况。

词云图

文本分析利器,PPT常客,卖弄大数据之必备图表

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。

三、图表绘制

可用Excel绘制,也可以用python进行绘制。

四、可视化BI

单一图表的可视化没有意义 三表成虎

Dashboard的绘制原则

主 次 分 明

贴 合 场 景

指 标 结 构

Who 是谁在使用?

What 用户的目的是什么?

How 用户怎么使用?

猜你喜欢

转载自blog.csdn.net/shuryuu/article/details/85629953
今日推荐