(秦路)七周成为数据分析师（第四周）——数据可视化

1 数据可视化的意义

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

2 常见的初级图表

2.1 图表的基础概念

2.2 散点图

散点图： 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： 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。
维度∶1+，作为颜色
度量:3，其中1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 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 )

2.3 折线图

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：**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

2.4 柱形图

**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

正负比例柱形图 横向正负比例柱形图
堆积柱形图 瀑布图

2.5 饼图

饼图： 饼图可以理解为环状的柱形图。饼图的类别不宜过多。多用在PPT
维度:1
度量:1

2.6 漏斗图

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。
维度:1
度量∶1

2.7 雷达图

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+

3 常见的高级图表

3.1 树形图

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SKU
维度:1+
度量:1

3.2 桑吉图

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。可表示用户的活动轨迹
维度:2 source,target
度量:1

3.3 热力图

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
维度:2
度量:1

热力图： 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。
维度:1
度量∶1

3.4 关系图

**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+

3.5 箱线图

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。
维度∶1+
度量∶1

3.6 标靶图

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。
维度∶1＋
度量:2

3.7 词云图

词云图： 文本分析利器，PPT常客，卖弄大数据之必备图表
维度∶1
度量:0

3.8 地理图

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

4 图表绘制

4.1 Excel绘图

配色表： color.adobe.com

4.2 Power BI绘图

用户的信息，用户的行为，商品明细$\to$抽象成一个模型，什么样的用户在什么时候买了什么商品$\to$数据清洗：可能会非常占用时间$\to$根据具体应用选择图表$\to$形成Dashboard。

PowerBI本身有两种联动，一直是柱形图和散点图的筛选联动，一种是和树形图的对比联动。


选择格式$\to$编辑交互$\to$表的右上角可以选择 筛选联动还是对比联动或者不联动

4.2.1 Dashboard

• 主次分明
• 贴合场景
• 指标结构

左边用来看销售人员的情况
右边用来观测用户情况

参考链接：七周成为数据分析师《第四周：数据可视化》