数据可视化之旅
数据可视化之旅
数据可视化学习小组第一期成员创作。
0x00 前言
在开始数据可视化之旅前,我们先用下图回顾数据链路过程
以上这张图片比较普遍现象的数据链路，如果你是厨师，最重要的肯定是做菜环节，也就分析环节。数据可视化只是最后的摆盘环节。
也就说当你的菜做得好吃了，摆盘会是锦上添花，如果你的菜做得难吃，摆盘再好看，那也是下不了口的。
如同你的分析报告，你的内容有意义有结论，你把图表做得好看一点，颜色搭配的舒服一点，会给人眼前一亮的感觉。
但就算是做得不好看，你的分析结论很棒，支持了公司的决策，谁又会管你可视化做得如何呢？
数据分析的目的，不是把图表做得好看，也不是把分析过程做得很复杂，也不是搞很多数据从而来做大数据，而是为了解决实际问题。
数据可视化很重要,但其核心是为了更清晰的传递信息,把复杂多维的数据用图表展现，一眼明目知道结果，是把复杂问题简单化。而不是让图表更好看更炫目.
技术与业务是相辅相成的,缺一不可,脱离了业务的精美图表没有意义,而低劣的图表也会拉低业务的等级.
关于数据可视化的重要性问题，这个要对人对事。
对于专业的数据分析师/商业分析师而言，他们的目标是要解决业务问题。为了解决一个问题，他们要和业务反复沟通需求，可能花大把的时间在清洗数据和构建分析模型上。最后结果出来了，可视化只是水到渠成的事。所以就数据分析过程链而言，数据可视化并不是核心。
对于不懂数据不懂业务的人而言，他们要知道的可能是“我这个月的销售量是多少？”“和竞争公司比怎么样”你不可能拉来几十张表格给他。需要给他一张图，展现全年的销售情况。最好深入挖掘，是否需要地域区分，展示目标和回款这类数据的对比。可视化对于他们而言就成了获取信息的有效方式，甚至是一个可随时使用的产品，且最直接最真实。
有些可视化是面子工程
很多公司都会在前台处设展示大屏，老板都会带着他的客人经过这里，如果做一个漂亮的数据可视化，给人很科技感的感觉。或许还能为谈生意助力（开个玩笑）。一般来说大屏数据可视化会让老板觉得很有面子。
一项大屏展示的数据可视化虽然工程很简单，不就展示数据嘛？但其实这里面有很多坑，需要思考以下5点
1、可以公开哪些数据（很多信息很敏感，特别对于创业公司来说） 2、如何实时刷新大批量数据？ 3、维度会是大家都想看的吗 4、应该使用哪种可视化方式 5、你看的这些数据，有意义吗
可视化分析决策系统是趋势
这种系统广泛用于智慧公安、智慧城市、智慧园区、智慧航空、智慧交通、网络态势等，近两年开始流行，并且我认为是这是数据可视化非常好的趋势，可视化对这些特定行业来说起到极其重要的作用。
数据可视化已在各大企业普遍应用
数据可视化涵盖的内容很多，比较普遍的就是自动化的监控看板，敏捷式开发也是近一两年的热词，意思是不需要每天都做日报、月报、周报。一次开发，自动形成推送。这样数据分析师从中解放出来，更多去思考数据驱动业务发展，而不是困在取数的阶段。
数据分析的最终意义是推动决策，那么如何才能帮助管理层节省这个时间我觉得是非常重要。数据可视化就是管理者在和时间赛跑的帮手。
最后，不管你用什么可视化，别忘了你的目的是理解数据
0x01开始数据可视化之旅吧
前面我们介绍了数据可视化在整个数据链路中的上下游关系,也从不同角度探讨了可视化工作,而对于一个完整的数据可视化工作,主要包括以下四个步骤:
一.确定数据可视化的主题
即确定需要可视化的数据是围绕什么主题或者目的来组织的。
业务运营中的具体场景和遇到的实际问题，公司层面的某个战略意图，都是确定数据可视化主题的来源和依据。简而言之，一个具体问题或某项业务、战略目标的提出，其实就可以对应一个数据可视化的主题。
二.提炼可视化主题的数据
确定数据围绕什么主题进行组织之后，我们接下来要了解我们拥有哪些数据，如何来组织数据，这里面又衍生出另外三个问题。
1. 确定数据指标
分析和评估一项业务的经营现状通常有不同的角度，这也就意味着会存在不同的衡量指标。同样一个业务问题或数据，因为思考视角和组织方式的不同，会得出截然不同的数据分析结果。
例如，要评估寄件这项业务，有人想了解寄件量，有人想知道不同快递公司的运输时效，有人想知道寄件用户的下单渠道，还有人想了解寄件收入。
拿起数据，就开始画图，会让整个数据可视化作品没有重点、杂乱无章，是一种用战术上的勤劳掩盖战略上的懒惰，最终的呈现效果一般不理想。
2. 明确数据间的相互关系
基于不同的分析目的，所关注的数据之间的相互关系也截然不同，这一步实质上是在进行数据指标的维度选择。
例如，都要统计寄件量，有人希望知道各个快递公司的寄件量是多少，有人想了解一天内的寄件量高峰位于哪个时段，还有人想知道寄件量TOP10的城市排名。这里的快递公司、时段、城市，都是观察寄件量这个指标的不同维度。
通常，数据之间的相互关系包含如下几类：
- 趋势型：通常研究的是某一变量随另一变量的变化趋势，常见的有时间序列数据的可视化。
- 对比型：对比两组或者两组以上的数据，通常用于分类数据的对比。
- 比例型：数据总体和各个构成部分之间的比例关系。
- 分布型：展现一组数据的分布情况，如描述性统计中的集中趋势、离散程度、偏态与峰度等。
- 区间型：显示同一维度上值的不同分区差异，常用来表示进度情况。
- 关联型：用于直观表示不同数据之间的相互关系，如包含关系、层级关系、分流关系、联结关系等。
- 地理型：通过数据在地图上的地理位置，来展示数据在不同地理区域上的分布情况，根据空间维度不同，通常分为二维地图和三维地图。
3. 确定用户关注的重点指标
确定了要展示的数据指标和维度之后，就要对这些指标的重要性进行一个重要性排序。
因为对于一个可视化展示的终端设备而言，其屏幕大小有限，且用户的时间有限、注意力也极其容易分散。如何让用户在短时间内，更有效率的获取到重要的信息，这是评估一个可视化产品好坏的重要因素。
在可视化设计之前，不妨问用户两个问题：
- 如果整个版面只能展示一个最重要的信息，你希望是什么？
- 你希望展现这些信息的理由是什么？通过用户对这些问题的回答，你能了解到，在已确定的指标和维度中，用户最关注的是哪个或哪些。
通过确定用户关注的重点指标，才能为数据的可视化设计提供依据，从而通过合理的布局和设计，将用户的注意力集中到可视化结果中最重要的区域，提高用户获取重要信息的效率。
三.根据数据关系确定图表
数据之间的相互关系，决定了可采用的图表类型。常见的数据关系和图表类型的对应关系如下图所示：
四.进行可视化布局及设计
在做好了以上的需求收集和整理之后，接下来就要开始进入可视化的设计和呈现的阶段。这一步主要包括两个方面：一是进行可视化布局的设计，二是数据图形化的呈现。
1. 页面布局
可视化设计的页面布局，要遵循以下三个原则：
（1）聚焦
设计者应该通过适当的排版布局，将用户的注意力集中到可视化结果中最重要的区域，从而将重要的数据信息凸显出来，抓住用户的注意力，提升用户信息解读的效率。
（2）平衡
要合理的利用可视化的设计空间，在确保重要信息位于可视化空间视觉中心的情况下，保证整个页面的不同元素在空间位置上处于平衡，提升设计美感。
（3）简洁
在可视化整体布局中，要突出重点，避免过于复杂或影响数据呈现效果的冗余元素。
2. 图表制作
影响图表呈现效果的，主要有两个影响因素，一个是数据层面的，一个是非数据层面的。
（1）数据层面
若数据中存在极端值或过多分类项等，会极大影响可视化的效果呈现，如柱形图中柱形条的高度、气泡图中气泡的大小、饼图中的分类项太多等。
对于数据本身造成的可视化效果不佳的情况，我们是不是就束手无策了呢？当然不是，在以往的可视化过程中，本人虽然也踩了很多坑，但是对于如何解决这类问题也积累了一些经验，下次专题分享。
（2）非数据层面
非数据层面，但是影响图表呈现效果的因素，通常在设计过程中就可以解决。
比如图表的背景颜色、网格线的深浅有无、外边框等等，这类元素是辅助用户理解图表的次要元素，但如果不加处理全部放出，视觉上就不够聚焦，干扰到你真正想展示的数据信息。
因此，对于此类非数据层面，但是影响图表视觉呈现的元素，应该尽量隐藏和弱化。
最后,我们回顾下数据可视化迭代过程
0xFF 总结
本文为《数据科学家学习小组系列》之数据可视化学习小组（第一期）的成员学习笔记。