浅谈数据可视化
浅谈数据可视化
|0x00 摩尔定律带来新的机遇
说起“数据可视化”，很多人的第一反应便聚焦在“数据”两个字上，其实“可视化”三个字的意义要更重要一些。说起“可视化”，就需要提起一组数字：“人脑处理图片的速度是处理文字的60000倍，人在看报纸时，99%的文字信息会自动被过滤掉，脑子里只残留了可怜的1%，一篇6000字的文章需要10分钟看完，而压缩成一张图片则只需要10/6000分钟的时间。”
人脑处理文字信息是串行的，而处理图片信息则是并行的。
随着电脑在工作中的普及，尤其是互联网兴起之后，人类在“摩尔定律”的带领下，进入了一个新的时代：信息的处理速度越来越快，新思维的迭代越来越频繁。过去我们分析数据，通过Excel便能够完成工作；而如今的数据量动辄以TB起步，随着我们能够采集到的越来越多的数据，如何分析这些数据、展示这些数据，便成为了一个新的课题。
所以说，我们要展示的东西，还是过去沉淀的经验，但分析的信息和手段，则发生了天翻地覆的变化。摩尔定律带来的新机遇，是属于新时代里拥有新思维的人们。
|0x01 数据可视化在做什么
回归到正题，现阶段“数据可视化”所探索的内容，是如何将海量的数据转化成为交互的图像，以视觉可以感受的方式表达，增强人的认知能力，达到发现、解释、分析、探索、决策和学习的目的。数据可视化的目标，首先在于做数据的目的，数据的目的在于“准确”、“清晰”的展示清楚一件事情的原貌。但数字本身是枯燥的，传统意义上使用表格来展示数据，虽然能够清晰展示一件事情的全貌，但它是不直观的，需要花费使用者一定的时间与精力来解读。为了让数据看起来更加直观，让使用者能够第一时间读懂数据的目的，让数据本身更有说服力。
因此，数据可视化天然的带有三项目标：
- 准确：精确的展示数据的特征，既不能遗漏，也不能冗余；
- 清晰：理解清楚数据目的信息，时间越短越好；
- 优雅：通过美观而又协调的页面，让使用者的注意力尽可能多的留在页面上。
打个比方，在大多数的传统公司中，领导并不一定是最懂业务的那个，因此非常需要手下的得力干将来为自己清晰的汇报工作。领导需要了解到内容包括：“我这个月的销售量是多少”、“和竞争公司比怎么样”这一类的方向。如果是你来汇报工作，直接拿几十张表格给领导，恐怕被批评一番是在所难免的。这个时候你就需要一张图，这张图可以展现全年的销售情况，再做一些深入的挖掘，比如按照用户画像，即年龄、地域、性别加以区分，相对而言就会得到表扬。可视化对于不懂业务的人而言，就成为了获取信息的最有效方式。
|0x02 互联网时代的数据可视化有哪些新特征
互联网时代的数据可视化，有这么几个显著的特征：
- 可视化的表现形式和场景更丰富；
- 可视化展现方式更多样；
- 具备了动态的展示能力；
- 设计上更注重用户体验。
如果你看到如下这张图，脑袋一定非常头大，因为信息量过载了。
但如果看下面这张图：疫情人群流动情况，虽然信息量同样很大，但你却不会觉得枯燥，甚至会津津有味的多看一会。
数据可视化的细节，都是要经过细心构思，才能够获得不错的效果。如今随着Chrome等浏览器的普及，通过浏览器来渲染更加复杂、甚至动态的图形，已经不再是技术难题，甚至Echarts等组件，还把这种能力给普及了，真正做到了人人都是可视化高手。
所以，今天的数据可视化，已经不再局限于数据科学领域，而是延伸到了设计领域。
|0x03 如何准备数据
说了这么多，现在就谈一点干货：如何准备数据可视化的工作。
到了具体执行的层面，“数据”部分就变得更重要一些了。这里我们先简单罗列一下实现数据可视化的几个步骤：
- 明确数据可视化的目标；
- 整理原始数据信息；
- 产出需要使用的数据表（维度、事实等）；
- 选择交互的图表类型；
- 工具展示最终的效果。
首先，我们需要确定可视化的数据是围绕什么主题或者目的来组织的，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。
其次，整理数据要有一个意识，即由于前端渲染能力的有限，我们不能展示过量的数据，所以需要在源头对数据进行清洗和加工。具体需要考虑的方面包括：
- 是否存在空值；
- 数据的结构是列表还是树形结构；
- 数据量有多大；
- 是否需要对数据进行聚合，还是需要支持下钻；
- 前端是否需要加工数据逻辑？
再次，在确定数据的基本情况后，我们就需要对数据表进行加工，由于通常在数据仓库层会选择Kimball维度模型进行建模，但这种模型往往无法很好的支持数据报表的展现，因此需要对数据表进行额外的加工，如行转列/列转行、连续性处理、周期指标计算等。
最后，就是选择图表类型，并进行展示啦。
|0x04 如何选择图表类型
图表的类型非常多，刚上手的小伙伴们往往会看晕。
这是英国金融时报杂志对于图表类型选择的建议，有兴趣的小伙伴可以访问：https://raw.githubusercontent.com/ft-interactive/chart-doctor/master/visual-vocabulary/poster.png
这里介绍一些常见的图表及选择的理由：
- 柱形图：优点是能够比较清晰的展示数据差异，用于不同分类之间的比较，但缺点是仅能支持少量分类的对比；
- 折线图：能够展示数据随时间的变化趋势，对于时间维度上的分类对比比较友好；
- 饼图：通过面积大小的对比，能够清晰展示分类比重的对比，但同样仅限于少量分类的对比；
- 散点图：通过两组数据构筑的坐标点集合，用于判断两个变量之间的关联或分布趋势，即二维数据对比；
- 气泡图：在散点图的基础上，增加了点的面积，适合三维数据对比；
- 雷达图：适合多维数据对比，通常在四维以上；
其实常见的图表种类并不多，掌握好展示的维度、时间、分类信息之后，就可以轻松的做出选择。
上图链接地址：https://extremepresentation.com/wp-content/uploads/choosing-a-good-chart-09-1.pdf?spm=ata.13261165.0.0.5d2b1002EhCKgB&file=choosing-a-good-chart-09-1.pdf
|0x05 如何选择可视化工具
“工欲善其事，必先利其器。”即便我们脑中有了清晰的表达方式，但如果没有合适的工具，还是无法完成数据可视化的宏图大业。一般来说，我们有四类工具，可以帮助我们来实现数据可视化。
第一类是专业的绘图软件，例如PS、AI等，设计师小伙伴们会很熟悉，我们可以把数据做成大概的样子，交给设计师帮忙进行美化，做成海报、新闻稿的样子，但这种方式非常的偏重具体结论，很难复用。
第二类是图表插件，像大名鼎鼎的Echarts，再例如Highcharts、AntV等，主要通过JS来控制插件的展示方式，在前端页面中非常常用。有能力的公司，也会开发一些特有的可视化控件，用于支持自身的业务。但这种方式开发过程比较繁琐，通过调整一个美观的样式需要非常长的时间。
第三类是一些图表工具，例如最简单的Excel、PPT，或者是Tableau、FineBI等自动化工具，这类工具倾向于个人使用，在汇报工作、整理思路的时候非常好用。
第四类就是一些编程语言了，例如Python和R都有自己的可视化包，只是实现起来比较的难，但数据挖掘的同学就相对常用一些了。
最近有一些趋势，就是Hadoop生态 + 自助BI工具的应用，开始变得普及。一方面是Cloudera / ODPS等Hadoop生态的越来越成熟，另一方面是Tableau / Quick BI等BI工具的越来越强大。其实搭建一个单纯的数据可视化产品，门槛已经降低了非常多。
|0x06 如何优化你的数据可视化报表
接下来的知识，就涉及到数据报表的一些优化工作了。我们经常看到一些报表，会显得非常没有感情，如下图所示：
为了解决图标冗余的问题，我们会通过格式塔原理来优化图表，减轻看图人的视觉负担。完整的原理一共有八项，但我们这里介绍最重要的几个原则：临近、相似和闭合。
临近原则：简单说，当你看到相互临近的两个元素时，你通常倾向于它们是一个整体，例如你看到下方左图时，你会很自然的将临近的三个格子看成是一组，再通过颜色区分，就可以很清楚的理解图表所表达的涵义。但如果看右边的图，柱子间距是等宽的，你就会产生非常多的困惑。事实上，我们很多的图标插件，都是默认等宽的，在显示数据的时候，你只要调整一点点，视觉上就会美观很多，它就是一个好的数据可视化图表。
相似原则：简单说，人在视觉上，通常是将颜色相近，或者是形象类似的元素，当成是一个整体。例如下面的图片中，你会很自然的将元素进行分组。
因此，我们在呈现折线图时，如果将曲线的颜色进行区分，配合高亮的文字说明，会让读者产生非常直观的印象。就像下图这样：
闭合原则：简单说，如果我们将一组元素圈起来，人们就倾向于这组元素是一个整体。像下图一样，不论是用线条勾勒出来，还是用色块衬托出来，你都会认为这是一个整体。
同样的，我们将刚才的图稍稍改造一下，加上色块的衬托，内容看起来就更丰富了，并且不会让人产生困惑。
其实对于数据同学来说，自行调整图表样式会走很多的弯路，而我们要做的，就是征求设计师的意见，将图表一些表达形态固定下来，避免自己乱造轮子。很多设计师同学会给出自己的建议，例如：
- 常规图表不要使用3D效果，体积严重影响人类感知的精确性；
- 长度是最好的表达柱状图方式，长度与感知是线性关联的，如下图，左边看起来要比右边舒服的多：
- 尽量不要过度使用圆角，这样会损耗数据的精确性。
|0xFF 学习数据可视化有什么用
那学习了这么多，用途在哪里呢？主要有如下几种：
- 报表产品：这一类的产品通常业务方非常多、开发时间短、需求不确定，因此如何在提升效率的同时，提升业务方的体验，就是一种很大的挑战。阿里云生态下的ODPS + Quick BI就是一种新的尝试。
- 移动端：现在移动端看数据的需求，比PC端重要的多，不论是对于领导随时看数据的需求，还是业务人员随时监控指标的变化，再或者是技术人员运维的需要，移动端都大有用武之地。而移动端最大的挑战不是在于数据，而是如何在有限的空间内，尽可能的将“可视化”的事情说清楚。
- 地理可视化：疫情期间的很多地理可视化应用，对于社会舆情而言，助力颇多。
学好了“数据可视化”，就是学会了“让数据说话”。