如何用指标分析维度精准定位可视化图表？

可视化图表千千万，很多小伙伴在选择过程中就容易犯选择困难症。即使选择了一款图表，后期也可能发现可视化图表既无法准确表达自己的意图，也没能向阅读者传达出应有的信息，可视化图形让人困惑或看不懂。

同一个指标的数据，从不同维度分析就有不同结果。出现这种情况很大程度就是因为分析的维度没有找准或定义的比较混乱。那么什么是维度呢？

维度

数据分析中经常会提及维度。维度是观察数据的角度和对数据的描述，是事物或现象的某种特征，如性别、地区、时间等都是维度。

其中时间是一种常用、特殊的维度，通过时间前后的对比，就可以知道事物的发展是好还是坏，如用户数环比上月增长10%、同比去年同期增长20%，这就是时间上的对比，也称为纵比；另一个比较就是横比，如不同国家人口数、GDP的比较，不同省份收入、用户数的比较、不同公司、不同部门之间的比较，这些都是同级单位之间的比较，简称横比。

简单来说，Excel首行各字段就可以理解成维度，互联网行业的PV、UV、活跃数也能算作维度。图表的绘制依赖多个维度的组合。只有通过事物发展的数量、质量两大方面，从横比、纵比角度进行全方位的比较，我们才能够全面的了解事物发展的好坏。

维度类型和转换

维度主要是三大类的数据结构：文本、时间、数值。地区的上海、北京就是文本维度（也可以称为类别维度），销售额度就是数值维度，时间更好理解了。不同图表有维度使用限制。

数值维度可以通过其他维度加工计算得出，例如按地区维度，筛选出有多少是上海的，有多少是北京的。

维度可以互相转换。比如年龄原本是数值型的维度，但是可以通过对年龄的划分，将其分类为儿童、青年、老年三个年龄段，此时就转换为文本维度。具体按照分析场景使用。

如何确立指标分析维度？

下图展示了数据分析常用的4个维度，我们在选定指标后，就需要确认：我们的各个指标主要想给大家展示什么，更进一步的讲，是我们想通过可视化表达什么样的规律和信息。下图可以引导我们从“联系、分布、比较、构成”四个维度更有逻辑的思考这个问题。

联系：数据之间的相关性

分布：指标里的数据主要集中在什么范围、表现出怎样的规律

比较：数据之间存在何种差异、差异主要体现在哪些方面

构成：指标里的数据都由哪几部分组成、每部分占比如何

接下来将依次介绍常用可视化图表类型，分析其适用场景和局限，确立指标分析维度，从而帮助大家精准定位自己所需的可视化图表。

柱形图

柱形图是分析师最常用到的图表之一，展示多个分类的数据变化和同类别各变量之间的比较情况。文本维度／时间维度通常作为X轴。数值型维度作为Y轴。柱形图至少需要一个数值型维度。

分析维度：比较

适用：对比分类数据

局限：分类过多则无法展示数据特点

相似图表：

堆叠柱状图：比较同类别各变量和不同类别变量总和差异。

瀑布图：采用绝对值与相对值结合的方式，适用于表达数个特定数值之间的数量变化关系。

堆叠圆环柱形图：用圆环的形式表现柱形图。

堆叠圆环扇形图：用扇形的形式表现堆叠柱形图。

3D柱形图

3D柱形图以3D动态效果来展现数据。

分析维度：比较

适用：对比多维度数据

局限：数据不够直观

条形图

相当于柱形图的横置，两根轴对调了一下。条形图是用宽度相同的条形的长短来表示数据多少的图形。

分析维度：比较

适用：类别名称过长，将有大量空白位置标示每个类别的名称

局限：分类过多则无法展示数据特点

相似图表：

堆叠条形图：比较同类别各变量和不同类别变量总和差异。

双向条形图：用于对比同一个项目下两个不同数据的表现。

折线图

折线图是排列在工作表的列或行中的数据可以绘制到折线图中。折线图可以显示随时间（根据常用比例设置）而变化的连续数据，因此非常适用于显示在相等时间间隔下数据的趋势。在折线图中，类别数据沿水平轴均匀分布，所有值数据沿垂直轴均匀分布。

分析维度：比较

适用：有序的类别，比如时间

局限：无序的类别无法展示数据特点

相似图表：

堆叠折线图：用区间色块展示变化的连续数据。

阶梯折线图：折线在数据点之间形成一系列阶梯，常用于显示不规则间隔下发生的波动。

线柱图

线柱图是一种非常重要且常用的组合图表，可以将两组数据在同一个表中直观的表达。比如要将每月报名考试的人数的对比情况和考试通过率，表达在一个图表中。

分析维度：比较

适用：要同时展现两个项目数据的特点

局限：有柱状图和折线图两者的缺陷

相似图表：

双轴线柱图：有2个Y轴的线柱图

双轴堆叠线柱图：有2个Y轴的堆叠线柱图

箱线图

一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名。在各种领域也经常被使用，常见于品质管理。它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。

箱线图的绘制方法是：先找出一组数据的上边缘、下边缘、中位数和两个四分位数；然后，连接两个四分位数画出箱体；再将上边缘和下边缘与箱体相连接，中位数在箱体中间。

假如你是一位互联网电商分析师，你想知道某商品每天的卖出情况：该商品被用户最多购买了几个，大部分用户购买了几个，用户最少购买了几个。箱线图就能很清晰的表示出上面的几个指标以及变化。

分析维度：分布

适用：用于观察数据分布：观察分布、异常值、偏态等

局限：无法知晓数据集的波动性

散点图

散点图是指在回归分析中，数据点在直角坐标系平面上的分布图，散点图表示因变量随自变量而变化的大致趋势，据此可以选择合适的函数对数据点进行拟合。

用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式。散点图将序列显示为一组点。值由点在图表中的位置表示。类别由图表中的不同标记表示。

分析维度：分布/联系

适用：存在大量数据点，结果更精准，比如回归分析

局限：数据量小的时候会比较混乱

相似图表：

气泡图：显示变量之间相关性的一种图表。与散点图类似。

饼图

饼图经常表示一组数据的占比。可以用扇面、圆环、或者多圆环嵌套。商务类的汇报中应用较多。为了表示占比，拼图需要数值维度。

分析维度：构成

适用：了解数据的构成情况

局限：分类过多，则扇形越小，无法展现图表

相似图表：

南丁格尔半径玫瑰图：一种圆形的直方图。

南丁格尔面积玫瑰图：一种圆形的直方图。

多数据圆环图：挖空的饼图，中间区域可以展现数据或者文本信息。

树形图

上文有提到柱形图分类过多则无法展示数据特点，可以用矩形树形图来呈现。可展现同一层级的不同分类的占比情况，还可以同一个分类下子级的占比情况，比如商品品类等。

分析维度：比较

适用：展示父子层级占比的树形数据

缺陷：不适合展现不同层级的数据，比如组织架构图，每个分类不适合放在一起看占比情况

雷达图

雷达图是以从同一点开始的轴上表示的三个或更多个定量变量的二维图表的形式显示多变量数据的图形方法。轴的相对位置和角度通常是无信息的。

分析维度：比较

适用：了解同类别的不同属性的综合情况，以及比较不同类别的相同属性差异

局限：分类过多或变量过多，会比较混乱

漏斗图

一种直观表现业务流程中转化情况的分析工具，适用于业务流程比较规范、周期长、环节多的单流程单向分析，通过漏斗各环节业务数据的比较能够直观地发现和说明问题所在的环节，进而做出决策。

分析维度：构成

适用：有固定流程并且环节较多的分析，可以直观地显示转化率和流失率

局限：无序的类别或者没有流程关系的变量

文字云

展现文本信息，对出现频率较高的“关键词”予以视觉上的突出，比如用户画像的标签。

适合：在大量文本中提取关键词

局限：不适用于数据太少或数据区分度不大的文本

热力图

以特殊颜色深度区分显示数据热度。

分析维度：比较

适合：可以直观清楚地看到焦点

局限：不适用于数值字段是汇总值，需要连续数值数据分布

仪表盘

仪表盘图表是模拟汽车速度表盘的一种图表，常用来反映完成率、增长率等指标。图表效果简单、直观，给人感觉就是有操控感展现某个指标的完成情况。

适合：展示项目进度

局限：只适合展现数据的累计情况，不适用于数据的分布特征等

相似图表：

水球图：展现单个百分比数据的图表类型

百分比圆环图：展现单个百分比数据的图表类型

地图

一切和空间属性有关的分析都可以用到地理图。比如各地区销量，或者某商业区域店铺密集度等。地理图一定需要用到坐标维度。可以是经纬度、也可以是地域名称（上海市、北京市）。坐标粒度即能细到具体某条街道，也能宽到世界各国范围。

适合：展现呈面状但属分散分布的数据，比如人口密度等

局限：数据分布和地理区域大小的不对称。通常大量数据会集中在地理区域范围小的人口密集区，容易造成用户对数据的误解

了解Banber地图详情，请点击：进阶图表 | 盘点可视化地图实现