大數據時代，數據驅動決策。處理不好龐大、復雜的數據，其價值將大打折扣。

那如何縮短數據與用戶的距離?讓用戶一眼抓到重點?讓老板為你的匯報方案鼓掌?

本文通過連環15關，層層深入，傳你數據匹配圖形神功，讓數據可視化更高效。

無論數據總量和復雜程度如何，數據間的關系大多可分為三類：比較/構成/分布&聯系。

一、比較

基于分類/時間的數據對比，通常需用到比較型圖表。用戶通過圖表輕松識別最大/最小值，查看當前和過去的數據變動情況。

常見場景：哪個地區的收件量最多?今年的收入和去年相比如何……

1. 條目少 – 柱狀圖

比較條目較少時，如5個地區收件量的對比，可選用柱狀圖表示。 

△ 柱狀圖

2. 條目多 – 條形圖

當條目較多，如大于12條，移動端上的柱狀圖會顯得擁擠不堪，更適合用條形圖。一般數據條目不超過30條，否則易帶來視覺和記憶負擔。 

△ 條形圖

3. 看趨勢 – 折線圖

當X軸為連續數值(如時間)且注重變化趨勢時，則適用折線圖。 

△ 折線圖

4. 擴大差異 – 南丁格爾玫瑰圖

除柱狀圖外，有無更新穎的表現方式呢?那就屬南丁格爾玫瑰圖了。 

△ 南丁格爾玫瑰圖

由于扇形的半徑和面積是平方的關系，南丁格爾玫瑰圖會將數值之間的差異放大，適合對比大小相近的數值。它不適合對比差異較大的數值，因為數值過小的類目會難以觀察。

此外，因為圓有周期性，玫瑰圖也適于表示周期/時間概念，比如星期、月份。依然建議數據量不超過30條，超出可考慮條形圖。

5. 雙向 – 雙向條形圖

前面的例子都是單維度比較，當比較正反兩類甚至更多維度的數據時，可嘗試雙向條形圖，下圖為各大區的重點地區的收派件量的對比。 

△ 雙向條形圖

用顏色區分大區，空心/實心區分收件量和派件量，既能整體比較大區，又能詳細對比地區的情況。

打怪升級，再加點難度。在雙向圖上再增加一個維度，如下表，比較5個地區的利潤及相應的收入和成本。請先思考一下，再下滑看推薦圖表。 

△ 業務數據

△ 雙向條形圖(多維度)

通過圖形一眼就能看出深圳區的利潤低于廣州區，即使它的收入高于廣州區，但成本相對來說高于廣州區。

6. 目標達成 – 子彈圖

實際業務中，常要考察指標的達成情況，如收入達標情況及所處區間(優、良、差)，如下表，你會怎么可視化呢?動手畫一畫吧! 

△ 業務數據

△ 子彈圖

子彈圖，因為像子彈射后帶出的軌道。相較于儀表盤，它能夠在狹小的空間中表達豐富的數據信息，在信息傳遞上有更大的效能優勢。

若還要比較4個季度的收入情況，只需用不同顏色區分。如下圖，一眼便知第二季度表現較好，而第一季度則不佳。 

△ 子彈圖

7. 性能 – 雷達圖

對于一些多維的性能數據，如綜合評價，常用雷達圖表示。指標得分接近圓心，說明處于較差狀態，應分析改進;指標得分接近外邊線，說明處于理想狀態。

△ 雷達圖

以上就是「比較」類的常用圖表，可歸納如下。

此表并非一成不變的「鐵表」，相互之間還會串聯交叉，大家還需靈活應用。

二、構成

部分相較于整體，一個整體被分成幾個部分。這類情況會用到構成型圖表，如五大區的收件量占比、公司利潤的來源構成等。

1. 單層 – 餅狀圖

第1關中，對比5個地區的收件量時用到了柱狀圖。若看占比情況，餅狀圖更合適。 

△ 餅狀圖

如果變成17個地區，會怎樣? 

像不像彩色七星瓢蟲?

所以餅圖分類一般不超過9個，超過建議用條形圖展示。

除餅圖外，環形圖(甜甜圈圖)亦可表示占比，其差異是將餅圖的中間區域挖空，在空心區域顯示文本信息，比如標題，優勢是其空間利用率更高。 

△ 環形圖

2. 分層 – 環形圖、旭日圖

對于管理層而言，需先把握大局和重點。比如大區負責人需一眼看到重點地區及重點分部的情況(如下圖)，如何展示? 

△ 環形圖

△ 旭日圖

這個叫旭日圖，逐層下鉆看數據，大區的重點地區及相應分部的構成情況一目了然。

3. 累計趨勢 – 堆疊面積圖

接下來，看看數值構成隨時間變化的案例：第一大區(包含四個重點地區)近四年收入構成的趨勢要如何可視化?自己想一想，再下滑看推薦方案。 

△ 業務數據

△ 堆疊面積圖

推薦方案是堆疊面積圖，可以展現分量(地區)對于總量(大區)的貢獻，并顯示總量(大區)的變化過程。需要說明的是，地區收入的起點并非從 y=0 開始，而是在下面的地區基礎上逐層疊加，最后組成一個整體。

4. 累計比較 – 堆疊柱狀圖

如果將上圖X軸的標簽文字(即年份)和圖例(即地區)互換(如下圖A)，用來看每個地區近四年的收入構成，用哪個圖更合適? 

△ 堆疊柱狀圖

是不是覺得都可以?那圖中 X1 有何含義?堆疊面積圖 A 方案和堆疊柱狀圖 B 方案都可以表現累加值。差別在于，堆疊面積圖的 x 軸是連續數據(如時間)，堆疊柱狀圖的 x 軸是分類數據。此案例中的 x 軸是非連續的分類數據，因此用 B 方案更適合。

5. 累計增減 – 瀑布圖

若想表達兩個數據點間數量的演變過程，可使用瀑布圖。開始的一個值，在經過不斷的加減后，得到一個值。瀑布圖將這個過程圖示化，常用來展現財務分析中的收支情況。 

△ 瀑布圖

以上就是「構成」類常用圖表，可歸納如下。 

三、分布&聯系

通過分布&聯系型圖表能看到數據的分布情況，進而找到某些聯系，如相關性、異常值和數據集群。

常見使用場景：客戶的年齡段分布?單票成本與收件量的關系?

1. 兩個變量 – 散點圖

仍以業務為例，下圖為全國網點的單票成本/收入分布情況。 

△ 散點圖

單單這樣看，可能看不出什么，如果加兩條平均線就不一樣了。 

加了平均線，就知道哪些網點高于平均線，哪些低于平均線。但網點那么多，總不能逐個點擊查看是哪個大區的，給散點加上顏色后，就很有意義了。

通過此圖，可以看出哪些大區單票利潤較低，急需提升，比如廣泛聚集于右下角的第四大區，單票收入低于平均線，單票成本卻高于平均線。

2. 三個變量 – 氣泡圖

大家都知道，網點總利潤除了和單票利潤有關，還和體量(即收件量)有關，用散點的面積大小表示收件量，就變成了氣泡圖。 

△ 氣泡圖

3. 結合地圖 – 熱力圖

氣泡圖與地圖結合可演變為熱力圖。通過熱力圖，能看到哪些網點收派件量較多，需進行資源調配。 

△ 熱力圖

以上是 「分布&聯系」類的常用圖表，可歸納如下： 

小結

當我們拿到數據后，先提煉關鍵信息，明確數據關系及主題，再選擇合適的圖表進行可視化。希望下圖能給各位一些參考(結合可視化專家 Andrew Abela 的圖表選擇指南，進行了簡化調整)。

數據可視化設計只要多練習、多總結，總有一天會得心應手。