# 数据可视化

# 数据可视化

目录

一 可视化类型

1 时间趋势分析

2 比较和排序分析

3 相关性分析

4 分布分析

5 周期性数据分析

6 地理数据分析

7 漏斗转化分析

8 日历图分析

9 核心 KPI 指标分析

10 表格展示

二 颜色搭配一致性原则

1 数值指标一致性

2 指标颜色一致性

3 色系颜色一致性

4 语义颜色一致性

三 可视化报告的布局设计原则

1 故事性可视化仪表板布局

2 管理驾驶舱/大屏看板布局

四 美化报告

1 标题和文本注释

2 不要重复相同业务意义的表达

3 钻取分析多层级数据

4 联动分析，替代控件过滤

5 消除杂乱

6 多维分析，防止一叶障目

---

一 可视化类型 1 时间趋势分析

        通常可以选择折线图、柱状图来更好地进行数据到时间趋势的分析范围面积图和堆积折线图是以每个地区作为一个模式的（单独观察每个地区的合同金额走势也同样方便），而堆积柱状图是将每个月份作为一个模式的

2 比较和排序分析

        通常可以选择条形图或者柱状图来进行对比比较和排序，这是因为他们都是基于相同的基线然后将数值显示为长度或者高度，使得值与值之间的对比分析变得异常容易

3 相关性分析

        采用散点分布图也许是我们的首选。但是需要注意的是，相关性分析并不能保证绝对的存在关系，只是表示可能存在关系。一般来说，在用散点图进行数据的相关性分析时，我们还可以引入趋势拟合线进行辅助判断

4 分布分析

        通常来说饼图和堆积柱状图主要用于做数据的分布分析，但是需要注意不要试图尝试对不同系列的饼图进行数据分布对比分析，这将会不利于我们观察到每部分数据的变化情况，此时对比柱状图会是我们更好地选择

5 周期性数据分析

        使用雷达图进行展示

6 地理数据分析

        地图是我们的首选类型，包括点地图、区域地图、热力地图、流向地图等。因为地图除了能对比分析数据本身的差异性之外，还可以结合地理位置进行分析，发掘和地理位置信息等相关的业务价值

7 漏斗转化分析

        漏斗图适用于分析具有明确流程节点转化率的数据分析场景

8 日历图分析

        日历图常用于分析和时间规律相关的分布数据，一般来说需要使用同一生长色系或者热力色进行渲染展示

9 核心 KPI 指标分析

        对于企业核心的 KPI 指标数据我们通常可以使用，KPI 指标卡以及文本组件进行直观的汇总展示

10 表格展示

        最后是适合直接使用表格进行展示的数据类型，通常来说比如需要查看精准的数据（比如需要反复查对的统计数据）以及需要明细展示的数据。通常来说我们可以和颜色进行结合，更进一步的直观显示出数据的数值大小分布

二 颜色搭配一致性原则 1 数值指标一致性

        当根据某一个指标的数值大小进行颜色映射时，建议使用生长色系的渐变颜色。

2 指标颜色一致性

        在同一仪表板中，对于相同的度量尽量使用同一色系的颜色方案，避免使用过多的颜色对用户造成干扰

3 色系颜色一致性

        在同一仪表板中，尽量选择相同色系的颜色方案，避免撞色

4 语义颜色一致性

        符合语义的颜色可以帮助人们更快地处理信息，尽量根据指标含义选择符合人类最直观感受的颜色

三 可视化报告的布局设计原则 1 故事性可视化仪表板布局

        在设计仪表板之前，我们首先需要知道用户的习惯和阅读需求。通常来说，用户看一个仪表板或者读一个可视化作品的时候就像看一本书一样，遵循着从上到下从左到右的原则

        最重要的核心指标分析（一般可以选择使用较大的数字进行 KPI 指标汇总显示），我们可以放在左上方或者顶部。如果需要添加过滤控件进行页面级的辅助数据筛选，控件的位置一般放
在顶部位置
        其他一些次重要的指标分析可以放到左下方，最后是一些相对不那么重要数据或者是引导式分析最末尾的数据、明细数据、需要查看精准的数据（比如需要反复查对的统计数据）等等可以放到仪表板的右下方位置

2 管理驾驶舱/大屏看板布局

        在做一些管理驾驶舱或者是大屏看板时，我们可能会需要将一些比较重要的数据（一般来说可能是地图或者是核心的数据可视化分析等等）放到中部进行展示。管理驾驶舱往往展现的是一个企业全局的业务，一般分为主要指标和次要指标两个层次，主要指标反映核心业务，次要指标用
于进一步阐述分析。所以在制作时给予不一样的侧重，这里推荐几种常见的版式

四 美化报告 1 标题和文本注释

        当我们完成图表的数据可视化统计和组合布局之后，并不意味着已经完成了我们的数据分析报告，如果只是几个图表的组合拼接成的一个仪表板，可能会让用户难以阅读和理解。由于数据可视化分析报告的可读性至关重要，所以我们需要使用简短有力的标题和文本，以最少的字数传达最有价值的观点、信息或故事

        通过标题和文本注释结合可视化来对数据进行讲述，突出显示具体见解，提供其他背景信息，将所有这些元素整合到一个顺畅的演示中。通过这些故事点让人们能够以更加有序的方式，深入探索每个可视化中的指标和见解。优秀的可视化作品不但可以帮助您更好地理解自己的数据，还可以更快地提供更有意义的见解，甚至启发其他人提出和回答新问题

2 不要重复相同业务意义的表达

        对同样维度和指标的数据可视化呈现形式有多种多样，但是注意不要在同一仪表板中重复相同业务意义的表达

3 钻取分析多层级数据

        对于一些有树层级关系的数据，在 FineBI 中可以通过数据层层钻取或者多层饼图的形式进行呈现。通过数据钻取的形式，让用户在做数据穿透分析时更加方便灵活，同时节约常规仪表板多个维度分析所要占用的额外区域

4 联动分析，替代控件过滤

        通常在做一些需要数据过滤筛选的时候，我们可能会使用控件进行过滤。但是用户实际在阅读整体的数据可视化报告时，通过设置 FineBI 图表和图表之间的联动关系来代替控件过滤，往往能够更进一步增强仪表板的引导式分析，让用户进行更加快捷和灵活的数据联动分析

5 消除杂乱 6 多维分析，防止一叶障目