白癜风皮肤病专科医院 http://m.39.net/pf/bdfyy/
商务演示场景中数据可视化曾经成为一种贸易谈话。不光是分解完毕的直接露出，依然对相干环境的一切懂得。咱们通常看到一些行业分解汇报从不同角度、深入浅析地分解各式相干。业余的数据可视化它呈现着演示人的理性和逻辑，更反响者职场人的业余素质。
0-
甚么是数据可视化
数据的可视化原来是在用数据讲故事
数据可视化由可靠数据、富裕美感的打算和完全的故事化逻辑构成：
这三个项目既是数据可视化的构件，也是可视化过程必不行少的步骤：
数据分解
将扑朔迷离、看起来没法说明和相干的数据，创造起关联和相干，得到更有贸易价格的洞见和价格。
视觉打算
做为数据分解的末了调整和图形化责罚步骤，将不行见的数据局面变化为看来的图形标记，用公众能领会的图形谈话来形容数据的内在。
讲故事
其它可视化需求一个讲故事的逻辑，从一个宏观的题目，深入、细化到题目内部的各个方面，终究得出使人佩服的完毕。
数据的可视化和其余讯息的可视化有很大差别，数据可视化的器材性更凸起，逻辑条理的请求更强。其制做要点在于图表，但又在图表除外。许多工夫不是画个简略的图表即是可视化了，经过图表器材去形容状况发觉题目和并收拾题目才是数据可视化的真实要点。
02-
数据分解
用数据看局面
相差厨房的人都懂得好食材比烹调工艺更关键，正如数据是可视化的前提和根底。.那末，奈何领会数据呢？
数据协商老手ViktorMayer-Schnberger曾有一句名言：寰球的实质是数据。
数据反响了可靠的寰球，咱们对它们举办分解和视觉露出，得到的不仅是数据的相干性，咱们还能懂得到身旁正在产生甚么。这些故事反过来也许辅助收拾可靠寰球中存在的题目。
某种水平上，数据是对寰球的简化和笼统抒发。咱们经过收集、整顿、分解数据质料试图量化寰球，用公众能领会的图形谈话来形容寰球的仪表，终究完结领会当然局面、发觉社会运转规律、并将其宣扬的目标。
2.数据能告知咱们甚么？
领会数据的历程即是数据分解的历程，经过数据发觉题目和追寻收拾计划。即便数据分解有获得、责罚、分解和露出多个步骤，历程烦琐，但终究都是为了答复四个题目：
）产生了甚么？
2）为甚么产生？
）也许产生甚么？
4）针对这些题目该当采用哪些办法？
0.数据分解的过程是甚么？
较量模范的场景是咱们在拟订一项进展计划时需求做调研，针对行业的数据举办分解，基于可靠数据讯息定量地判定计划能否标记贸易规律。
一个计划计划调研的根底思绪是如许的：
界说体例：要拟订甚么的计划
思虑办法：怎么去完结（也即是收拾题目的办法）
肯定题目：协商目标（想要答复甚么样的题目）
假如论断：题目的谜底（假如论断）
追寻指征：用甚么样的数据来答复题目（量化的目标和容量）
数据分解：汇集、整顿、分解数据
归纳讯息：本相是甚么（局面及后面起因）
用这个思绪分解题目也许把计划和本相关联起来，用本相评判定策切确与否，数据在这个历程中起到形容本相和答复假如题目的效用。这原来即是模范的机关化思惟在贸易场景的运用。
总的来讲即是：计划（论断）先行，根据论断假如题目、分解题目，归纳影响成分确天命据目标后找相干的数据来做数据间逻辑的相干分解。
这类数据导向的计划分解思绪普及运用于咱们平日计划的撰写中，除此除外，再有种面向题目的分解场景：在现实经营中，财政数据报表发觉交易题目后，对题目举办界定分解。
面向题目的可视化分解思绪该当囊括如下个部份：
明白题目：碰到甚么题目，最直接的数据反响是甚么
思虑因果：哪些成分导致了题目，关键目标是甚么（量化的目标）
追寻数据：汇集、整顿各个关键成分的露出数据
数据分解：比拟分解，界定起因
提议计划：给出有针对性的收拾计划归纳汇报：定制数据可视化计划
第一，从集体经营起程
明白有哪些关键成分会影响成交和功绩。譬如：有用名单、demo德行、客服效劳、产物属性等，响应地去看这些关键成分对应的KPI的露出，对关键成分深入分解肯定是甚么成分导致了功绩没完成，发觉和开掘导致功绩未达目标根根源因和题目。
第二，比拟分解
一一视察终岁晚键成分对应的KPI的露出，比拟成交功绩最高的月份和成交功绩最差月份的关键成分对应的KPI差别在那里，也许疾速定位出哪些方面、哪些成分导致功绩未达标。尔后也许有针对性地启动和辅助部门去改观。
第三，基于这些题目成分
对症下药地去做改观和摸索擢升功绩的计划。基于所得出谜底，定制数据可视化计划以餍足每个计划者的特定请求。归纳以上两种思绪，咱们也许得到数据分解的过程：
/数据分解的过程/
分解过程中波及许多业余的术语和办法，请求把握根底数据责罚器材，有些步骤乃至需求会编程，相干软件有许多，比如Excel、SPSS、R等等。波及的技巧办法可自行搜懂得，软件不过完结分解目标的伎俩，分解思绪和分解办法明白了，excel相对应的职掌都能直接百度出来。
0-
视觉打算
用图形讲数据
在数据分解后咱们得到了数据和开头的论断，然而这戏讯息太甚原始和繁杂，不便于转达给其余人，因而还需求对数据做可视化责罚孕育可视化汇报。
.数据视觉打算道理
数据的视觉打算是用图形讲数据的历程，根底的道理如下表所示：
/数据可视化的基根源理模子/
)数据调动
首先经过excel等器材将原始数据整顿调动为数据表格，原始数据常常都邑有冗余或许残破，含有噪音和差错同时数据形式和特性通常被藏匿。通昔时噪、数据荡涤、讨取特性等数据责罚职掌将数据调动为可责罚形式。
2)视觉映照
简略来讲即是给既稀有据取舍适宜的图表，用图形谈话来露出数据相干的历程。经过视觉元素的有序组合呈现数据的特性，这边视觉元素也许称为视觉通道。听起来也许会笼统，但原来内在很简略，譬如：
折线图把数据特性映照到『方位』
柱状图把数据特性映照到『长度』
饼形图把数据特性映照到『角度』
环形图把数据特性映照到『弧长』
面积图把数据特性映照到多边形的『面积』
除了这些根底的图形外，其余的视觉元素也也许示意数据的特性：
/图表道理：图内外的视觉元素/
a.地位
视察散点图的工夫是经过视察一个点的x坐标和y坐标以及与其余点的空间相干来确认数据点的散布和趋向。散点图里数据的规律首要以如下四种为主：
/散点图里的数据规律/
b.长度
以图形长度值来权衡数据巨细，譬如条形图（柱状图）在制做条形图时需求细致维持图形长度的可靠性，譬以底下两个条形图，左侧的图形以做为纵坐标轴起始，导致蓝色矩形长度变短，看上去蓝色矩形长度不过血色的/4，歪曲了两个矩形的长度相干。
这显然违抗了图形图表寻求可靠确切的可视化抒发良心。需求尤其揭示的是，有些文章以为批改坐标轴是一种粉饰数据的伎俩，这是过错的观念。
c.角度
饼图和环形图都是角度元素在图内外的运用表率，但两者又有所不同。圆环图和饼图同样能露出部份和集体的相干，除此除外圆环图还也许经过弧长的巨细直接而明白地看出部份之间的巨细较量相干，从性能性看上圆环图要优于饼图。
d.方位
方位是教导动态的观点，是对一种趋向的形容，方位在图表中运用以折线图最为模范，如下图：
然而方位原来是一个不足确切的度量元素，就像指针，本身只可示意高低左右的偏向，想要确切示意详细指向则需借助标尺或许参考线。
好似的数值，若是标尺有差别，那末导致方位的斜率也会涌现显著差别，因而在责罚多组数据的方位性时最佳统一横、纵轴。
e.形态
形态首要用于在多组数据分解时差别组别，咱们在平日使历时又称之为记号，譬如散点图和折线图中的形态：
/散点图里的形态/
在散点图里操纵三种形态来露出三个各自分割的数据群。
形态也也许示意数值的表率、系列和组别，譬如折线图中各系列用多种不同的形态记号。
/折线图里的形态/
f.面积和体积
大的图形代表大的数值。长度、面积、体积均也许示意数值的巨细。二维平面通罕用圆形和矩形，三维空间普遍用立方体或球体。
然而在肯定面积和体积要细致和边长或半径的数值换算题目，防止涌现过错的暗意，譬如：
g.饱和度和色彩
颜色的两个因素，在图表中也许用示意组别，也也许用于示意等第和数值的凹凸。颜色因素在图内外最模范的表率是热力求，经过填色，热力求能用颜色的饱和度或许色彩差别来露出数值在特定地舆地区（或许页面地区）的散布。
/热力求：美国每0万人亡故人数改变百分比（-）/
/热力求：串串香在成都的散布/
下图被认定为是寰球上最先的热力求，由法国人CharlesDupin在年颁发在曲直舆图上，以从白到黑不同深度，标示了法国文盲的散布环境。
)视觉元素的判别准确性
贝尔实习室在年颁布了视觉元素的暗意排序清单：
在许多可视化模范都沿袭这份清单，清单显示在可视化打算中，地位是最为准确的元素，长度其次。柱形图对数据的露出更为确切，人也更轻易领会柱形图，而热力求露出相对要差许多。
这些数据的视觉化映照道理也是打算师和数据分解师们跳出保守图表的表率框架，发明各类各类的新奇可视化做品的理论根底。
落实到在图表制做上，即是正当而确切地取舍图表表率。
2.奈何取舍最适宜的图表？
图表的取舍是一门科学，这边面有较老练的准则，你也许称之为图形语法。
取舍图表琢磨的成分有许多，譬如图表表率（散布和趋向……）、数据点（是少依然多）、用户脚色（经营者、策略谋划等等）、用户对数据的相熟水平（譬如分解师或许交易用户）等。
图表辅助咱们更好地看懂数据，取舍甚么图表，需求答复的紧要题目是『我有甚么数据，需求用图表做甚么』，而不是『图表长成甚么样』，而答复这些题目则需求懂得图表性能以及图表所反响出的数据特性。
）根据数据的特性来取舍图表
从数据特性起程，咱们从性能角度对罕用的图表做了详细分类：
/图表表率：九类图表/
根据九种分类准则，咱们将数据分解罕用到的图表顺次纳入图表表率。
在采用图表时可根据想露出数据的特性典范来取舍详细图表：
/图表表率细分：较量、分类、过程类图表/
/图表表率细分：舆图、占比、区间类图表/
/图表表率细分：相干、工夫、趋向类图表/
也许看到图表寰球里表率稠密，不同图表有种多种性能，开展讲完全也许写本书出来。
这边咱们取舍最罕用的表率——柱形图，做为示例来详尽分解数据可视化时图表的切确操纵办法。
2）图表取舍详解：柱形图
a.恰当场景：恰当运用到分类数据比拟（分类数据是甚么呢？也许领会为一个大范畴内互相并列存在的表率）/源数据/
b.不恰当场景：分类太多不恰当操纵纵向柱状图分类环境过量时，柱状图的文本为了排布正当，需求举办扭转，孕育混乱，孕育讯息冗余，影响平常浏览。
操纵横向柱状图，文本也许横向排布，便于用户的浏览，成绩如下：
柱状图不适实用来示意趋向柱状图操纵矩形的长度（宽度）来比拟分类数据的巨细，尤其便利邻近的数据举办巨细的比拟，但不恰当露出接连数据的趋向。下图本想露出ACME这只股票在一个月内逐日的价钱走势，然而成绩不尽人意。跟着有序的工夫改变的数值趋向，更恰当操纵折线图或许面积图。
与之相对的，在示意分类比拟的数据时，咱们更该当操纵柱状图，而不是折线图。
柱状图用于多个分类间的数据的比拟，折线图罕用来分解数据随工夫的改变趋向，也分解多组数据随工夫改变的互相效用和互相影响。
c.衍生图表：
柱形图基于长度巨细的图表逻辑，针对各类的操纵处景，衍生出几类具备特定性能的图表：直方图、重叠柱状图和百分百重叠图等。
I.直方图
形态好似柱状图却有着与柱状图完全不同的寓意。
不光也许显示各组数目（或频数）散布的环境，还也许显示各组之间数目（或频数）的差别。
直方图用于示意散布环境
以四个特性（花萼长度、花萼的宽度、花瓣的长度和花瓣的宽度）对模范（各鸢尾花亚属）做定量分解来肯定属种：
/源数据/
/SepalLength（花萼长度）/
/SepalWidth（花萼宽度）/
从直方图中能明白看出各类属种在四种特性值的直方图露出必然的散布规律，根据这个完毕就也许对模范做出属种认定。
直方图适实用于视察反常或孤立数据
下图绘制了钻石的全深比数据的统计直方图，从图中也许看出在66邻近有两个孤立值。
关于直方图，抽取的模范数目太小，将会孕育较大差错，可托度低，也就遗失了分解的意义。根据协商，直方图的模范数不该少于50个。
重叠柱状图
形势露出一个大分类包罗的每个小分类的数据，以及各个小分类的占比，显示的是单个项目与集体之间的相干。
普遍的重叠柱状图用于比拟不同分组的总量巨细，同时比拟统一分组内不同分类的巨细，
如下图显示的是每种打扮品在各个都邑的出售环境，经过重叠柱状图，咱们也许很明白比拟统一种打扮品究竟在哪个都邑出售更好。
/源数据/
将出售收入重叠起来，与保守柱形图比拟，除了也许看到单个产物在单个都邑的出售额外，也许看到某个打扮品在一切都邑的总出售额。除此除外，色块的撞色责罚视觉成绩也比薄弱的柱形图好许多。
固然，普遍重叠柱状图各个分组内不同分类的基准线不同，因而不恰当比拟不同打扮品在不同都邑的出售量。
百分百重叠图
在这类重叠图外再有一种百分百重叠图，易于视察分类占比环境：
这类性能和饼图、环形图的性能好似，均可用于露出类其余占比环境，然而和后者比拟百分百重叠图更易于视察小典范之间的差别和动态改变。
同时用线条将各类其余矩形条首位畛域连起来，更能视察出数据在不同庚份的动态改变环境：
重叠图操纵矩形的『长度』（或高度）来示意百分百数值，相干于饼图的『角度』是更易于确切判别巨细差别的元素，在偏向于示意各典范数值巨细较量时也许操纵重叠图，详细成绩演示如下图：
重叠类图表除了柱状图外再有一种重叠面积图，这类图表中各个叠起来的面积示意各个数据量的巨细，最大的面积代表了一切的数据量的总和，是一个集体。尤其实用于比拟多变量随工夫改变的环境。
然而，分类数据的较量不要操纵面积图，前方的示例中的玩耍出售环境，较量的是4年的玩耍出售环境，若是用于较量各个玩耍表率的出售环境时，操纵面积图不太适宜，此时该当操纵重叠柱状图。
和条形图同样，纵向柱状图露出的数据条数较少，当分类过量时，咱们也许操纵横向的重叠柱状图：
/美国各州不同庚岁段的生齿数据散布环境/
咱们对柱形图及衍生图表用法扼要归纳：
比拟分类数据时推举操纵柱形图，分类过量（5）时操纵横向柱形图；
用柱形图较量数据间的巨细，但不要操纵柱形图来示意数据的改变趋向。
示意数据的散布环境时操纵直方图，视察反常或孤立数据时也也许用直方图。
紧记，直方图的模范数最佳50个
比不同分组的总量巨细，同时比拟统一分组内不同分类的巨细时也许操纵重叠柱形图；
其它，视察数据散布环境时也推举操纵百分百重叠图。
.怎么加强图表的可读性
图表是为读者制做，为讯息抒发而效劳的，在基于数据创造图表以后只是是起头，还需求思虑数据讯息能否也许完全的转达，首要有四点：
a.数据会扯谎，保证讯息转达的确切性
偶尔候不切确操纵图表会转达出完全过错的讯息，与可视化准则相悖。
譬如：
坐标轴责罚欠妥
一种是前方提到的出于夸张数据差别而对坐标轴起始欠妥截取。
其它是对坐标轴操纵对数责罚，减小了数据差别
图表拉伸
图表横纵坐标轴的比例反常也会影响数据讯息抒发，尤其是露出趋向方位类的折线图等图表，横坐标和纵坐目标比例在：到2：之间最为适宜
取值隔断
最易涌目前摇动性较大的数据责罚中，隔断取值会得到完全不同的完毕
b.创造视觉条理
一份好的可视化汇报必然是页面简练，要点凸起的，详细露出即是用凸起的元素显示数据和完毕，其余不严重的讯息弱化，做为配景。其它还也许用线条或许箭头带领视野，辅助观众疾速
转载请注明地址:http://www.1xbbk.net/jwbrc/880.html
