数据可视化就是借助于图形化手段,清晰有效地进行信息传达与沟通。许多人会着眼于“可视化”,认为数据可视化就是将一系列看上去很炫、很复杂的图表展示在页面上。其实不然,虽然可视化脱离不了各种图表类型,但并不意味着要以增加用户理解难度为代价去实现复杂的功能;或者为了看上去绚丽多彩而失去其最根本的意义:传达与沟通。
数据可视化之所以会大受欢迎,其原因不仅在于能带给用户良好的的视觉效果,更因为它能够产生生产力,形成数据驱动闭环,主要包含以下几个阶段:
如下图所示:
图1. 数据驱动闭环
实现用数据可视化的方式不断驱动业务的提升,产生生产力、创造收益。
满足这一目的的前提在于:创造出都能读懂、易于操作、能够提前预警的图表。关键因素有以下几点:
选择图表的时候,许多人认为基本图表太过简单,不够高端大气,因而更倾向选择复杂的图表类型。实际上越简单的图表越容易理解,对用户的友好程度越高。只要能够高效清楚地传达业务含义,就应该优先选择。
例如,饼图比较适合反映某个部分占整体的比重,而折线图能更好的反应数据变化的趋势;分组柱状图和堆叠柱状图都能够显示数据集的分组情况,但是彼此间的差异却让它们在特定情况下显得更加强大。在比较同一分类不同组的数据或者同组不同分类的数据时,分组柱状图更能体现优势;然而在比较每个分组之间的总量时,堆叠柱状图显然更加合适。下面分别使用这两种图表在展示不同地区、不同年龄段人口数量分布时显示的效果:
图2. 分组柱状图(Grouped Bar Chart),
(图片来自:http://t.cn/RoUdyJp)
图3. 堆叠柱状图 Stacked Bar Chart
(图片来自:http://t.cn/RoUdtWz)
要想让受众读懂图表所表达的业务含义,就要选择合适的图表类型。在选择时,首先需要清楚的知道不同图表的优劣以及它们适合的应用场景;除此之外尽量选择一些简单的、易于理解的图表类型。但这不意味着不能选择复杂的图表类型,有的图表虽然看起来比较复杂,但是却能很好的反映一些业务场景,再辅助一些文字说明等其他手段,降低用户的使用难度,也未尝不可。
选择图表时,以业务为基础。只要能够清晰地表达业务数据背后含义,不让用户产生歧义,都值得考虑。
随着数据类型的多样化,数据间的关联关系也越来越复杂。仅仅展示单维度的数据,是无法让用户轻易发现数据之间的联系、挖掘出更多业务价值的。同样,若是交互方式过于复杂,也只会增加用户的使用难度而已,不利于业务长期发展。因此易操作的、多维度的交互分析对于数据可视化来说必不可少。多维度的分析方式有很多种,以下是常见的几种:
下面是一些图表的样例:
图4. 树图:不同数据层次,可以进行数据的钻取、上卷的等等操作
(图片来自:http://t.cn/RoUdN5S)
图5. 同步联动图:图中显示的是在某一到达距离时的速度、高度以及心率
(图片来自:http://t.cn/RoUdHCX)
有选择的将不同交互方式进行结合,能够发挥出更强大的作用。再辅助高效灵活的追加合并、拖曳式操作进行数据的挖掘分析,就可以帮助用户快速定位问题,释放劳动力,提升效率,不再需要程序员花费大量精力在日志文件中寻找问题的原因。同时通过各类数据的横向、纵向对比,业务人员能够从中挖掘出更多的业务需求,创造更大的商业价值。
数据可视化除了能够帮助定位已有的问题,另外一个更大的价值是能够及时预警。
一旦数据出现异常或者是提前预定义的一些条件被满足时,警报就会被触发,提前预警。通过设置报警方式、报警策略、报警等级等等,根据紧急程度用不同的方式通知特定的人群。这样在问题发生之前,就能预先做好防护措施;或者在问题发生的时候,能够及时通知负责人,尽快解决问题。这样不仅能缩短反馈周期(发现问题-找到责任人-定位问题-解决问题),也能降低对用户的影响,提升用户对产品的信任度,很好的降低业务损失。
除了上述提到的一些关键因素,好的数据可视化平台、产品也有许多其他的共性:
对产品用户使用情况进行监控、分析。了解真实用户人群、用户路径、用户的核心关注点,帮助产品进行改善。
总之,好的数据可视化,就是要以用户为中心。根据目标用户的需求提炼业务需求,以用户的良好体验为目标,绘制出人人都能读懂的图表;以人人都会的交互方式,帮助用户挖掘业务价值,提升工作效率,促进业务持续发展,让数据可视化产生生产力。