python 数据可视化图表 转化率_数据可视化常用的几种数据分析图表

需要说明的是，这次演示的图表几乎都是用Tableau制作的「因自身学习的原因」，不再是Excel制作的图表。其中有部分图，仍旧能用Excel制作，有部分已经不适合使用Excel制作了。

树状图(TreeMap)

功能&应用场景

主要功能用于可视化整体与部分关系，以区块表示部分层级(不同区块用颜色区分)，用矩形面积表示大小关系。

缺点

以面积表示大小，当数值相近时人眼难以辨别，当然可通过填充数值弥补。

漏斗图(FunnelPlot)

应用场景

适用于关键业务环节数据比较，将各环节串联起来构成漏斗，量化流程内环节，追踪各环节转化率。转化是漏斗图主要表达信息。

电商类：访问 -> 注册 -> 购物车 -> 下单 -> 付款;

营销推广：展现 -> 点击 -> 访问 -> 咨询 -> 下单 -> 付款;

CRM：潜在客户阶段 -> 意向客户阶段 -> 谈判阶段 -> 成交签约。

以上只是常见漏斗，实际各种业务流程都可构建漏斗。

缺点

漏斗图在实际分析中并不常见，但在PPT中用作信息描述却明显优于干巴巴的数字

追踪流程较困难，而企业是结果导向的，我们更在意整个流程的转化率，有时不会深究细节;

有时候我们更关心某环节转化率在时间维度上的变化。

漏斗图 vs 行为路径分析

漏斗图要区分于行为分析路径图，行为分析路往往是你对用户的访问路径未知，而漏斗图则是基于已知关键流程构建。

样式变种：将面积形式变种为柱形图样式，显得更加清晰

雷达图(RadarChart)

应用场景

雷达图主要用于静态的多维对比，它直观地呈现几个观察对象在多个指标上对比情况。

缺点

能表达的静态数据信息有限，线条不宜超过5条，指标不宜超过8个。

注意事项

雷达图中的指标必须是正向且可以比较的，也就是指标代表越好，且当指标差异较大时，需要进行标准化，消除单位影响。

指标必须是相同表征含义：如都是越大代表越好，或越小代表越好;

雷达图的数据必须进行标准化;

雷达图是静态数据很量，不可能有时间维度。

制作过程

数据如图

数据源-第一个指标要重复一列，作为环形的起点和终点;

在Tableau中要进行透视表操作;

生成路径： CASE [数据透视表字段名称]

WHEN '认证两分钟回复率' then 1

WHEN '认证数' then 2

WHEN '消息两分钟内回复率' then 3

WHEN '消息回复率' then 4

WHEN '回复消息数' then 5

WHEN '质检得分' then 6

ELSE 7

END

生成弧度:IF [路径]=7 THEN pi()/2 ELSE PI()/2 - ([路径]-1)*2*PI()/6 END

生成X = [数据透视表字段值]*COS([弧度])、Y = [数据透视表字段值]*SIN([弧度])

箱线图/盒须图(Box plot)

箱线图是利用五个统计量：最小值、第1分位数、第2分位数、第3分位数、最大值 来描述数据的图形。

应用场景

主要用于观察数据分布：观察分布&异常值&偏态等

箱线图可直观明了地观察数据的分布情况，对不同数据批的数据分布进行对比;

箱线图可直观明了地识别数据批中的异常值;

箱线图可初步判断数据批中的偏态和尾重; 异常值出现于一侧的概率越大，中位数也越偏离上下四分位数的中心位置; 异常值集中在较小值一侧，则分布呈现左偏态;异常值集中在较大值一侧，则分布呈现右偏态。

End.