不知道大家有沒有過這樣的經歷：老闆下令讓針對某項業務數據做個分析報告，明明和同事拿到的數據是一樣的，分析的業務指標也差不多，但交上去的分析報告總是不如同事的亮眼，比如像下面這兩份數據分析報告：
這是一份銷售數據分析分析報告，單看這張分析報告看起來也馬馬虎虎，該有的指標基本都有，各類指標的變化趨勢也能一眼看出來，但是如果和下面這張銷售數據分析圖放在一起呢？
很顯然，兩張數據分析結果放在一起，老闆自然一眼就看上第二個，而第一個人做出的努力就默默的被忽略了，甚至還會給老闆留下能力不行的差印象。因此，做數據分析，最後一步的可視化展現相當重要。那麼如何做出高端的數據可視化呢？
優秀的數據可視化作品可以用三個關鍵詞概括：準確、清晰、優雅。
準確：精準地反饋數據的特徵信息（既不遺漏也不冗餘，不造成讀者疏漏&誤讀細節）
清晰：獲取圖表特徵信息的時間越短越好
優雅：美觀（顏色搭配）、協調（相同場景的圖表遵循統一規範）。
想要準確、清晰的呈現數據，關鍵在於圖表的選用，下面給大家說說可視化圖表的使用技巧：
常用可視化圖表的使用技巧
常用的可視化圖表一般有這幾個：條形圖、柱狀圖、折線圖、餅圖、散點圖、雷達圖等等，這些都是在數據可視化過程中使用率很高的，但即便這些簡單的可視化圖表大家十分熟悉，在使用的過程中還是有很多容易忽略的誤區
1、柱狀圖
柱狀圖通過柱高能夠比較清晰的反映數據的差異，一般情況下用來反映分類項目之間的比較，也可以用來反映時間趨勢。但是柱形圖的侷限在於它僅適用於中小規模的數據比較，當數據項比較多的時候就不易分辨。一般來說，最好不要超過10個。
另外，柱狀圖的橫軸是時間維度，用戶習慣性認為存在時間趨勢。如果遇到橫軸不是時間維度的情況，建議用顏色區分每根柱子。
2、條形圖
條形圖用來反映分類項目之間的比較，適合應用於跨類別比較數據。在我們需要比較項類的大小、高低時適合使用條形圖。
3、餅圖
餅圖用來反應數據佔比，在需要描述某一部分佔總體的百分比時，適合使用餅圖。但在數據可視化過程中能不用餅圖最好就不用，因為肉眼對面積大小並不敏感，最好在使用過程中要加上數據標籤，這樣會清晰一些。
另外，餅圖在使用中最好不要超過6個部分，如果要表達的部分太多，就會導致人無法讀取確切的數據信息，比如像下面這樣，這種情況最好是使用條形圖
4、散點圖
散點圖的數據為三維數據，使用兩組數據構成多個座標點，分析座標點的分佈情況，判斷兩個變量之間的關聯或分佈趨勢。比如通過上圖就可以看出哪些大區單票利潤較低，急需提升，比如廣泛聚集於右下角的第四大區，單票收入低於平均線，單票成本卻高於平均線。
可以用顏色區分系列，也可以用散點大小定第三維度，這就衍生圖出了氣泡圖。
5、雷達圖
雷達圖適用於多維數據（四維以上），且每個維度必須可以排序。對於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，說明處於較差狀態，應分析改進；指標得分接近外邊線，說明處於理想狀態。數據點一般6個左右，太多的話辨別起來有困難。
5個高級可視化圖表
除了上面幾個常用的數據可視化圖表，再大家推薦幾個能夠讓可視化結果煥然一新的幾個高級可視化圖表
1、數據可視化地圖
數據地圖也是我們在進行可視化中經常會用的圖表之一，數據地圖可以最直觀的表達出數據之間的空間關係，因此在很多數據分析場景中被廣泛應用。比較常見的就是區域地圖、線地圖、點地圖，這些基本都是靜態地圖：
除了靜態地圖，還有更高級的動態可視化圖表，比如流向地圖，經常應用於區際貿易、交通流向、人口遷移、購物消費行為等場景，像這次疫情期間的人口流動狀況就可以使用流向地圖，動態的效果給人的視覺衝擊更強烈。
2、人口金字塔圖
人口金字塔圖一般用來現實顯示人口中各個年齡組的分佈，一般用來對比男女性的年齡分佈，如果做成動畫，視覺效果會十分高級，比如像下面這樣：
3、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，在經過不斷的加減後，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。
4、矩形樹圖
上面說了柱形圖不適合表達過多數據項（比如上百）的數據，那應該怎麼辦?矩形樹圖出現了。它直觀地以面積表示數值，用顏色表示類目，類目維度下還可以有多個二級類目。如果用柱形圖表達，效果有多糟糕可想而知：
5、百分百堆積柱狀圖
百分百堆積柱狀圖是由柱形圖衍生而來的，不僅可以直觀的看出每個系列的值，還能夠反映出系列的佔比，尤其是當需要看某一單位的綜合以及各系列值的比重時。
數據可視化技巧
1、避免使用鮮豔的顏色
明亮鮮豔的顏色就像是把所有的字母都大寫了，這樣讀者很難集中注意力在某一個重要數據上。單調的顏色，反而能很好地用於數據可視化，因為它們可以讓你的讀者理解你的數據，而不至於被數據淹沒，當你想要強調某一項數據時，可以使用鮮明的顏色。
2、適當應用動態交互效果
就像我剛才說的，動態的視覺效果給人的衝擊裡更大，在可視化的過程中可以利用動態圖表來增強可視化結果的互動性，比如動態地圖鑽取，圖表聯動等等
3、可視化佈局
4、善用可視化工具
俗話說，工欲善其事必先利其器，巧用數據可視化工具也能使可視化結果事半功倍。有代碼基礎的朋友可以用python的插件庫，比如：matplotlib、Seaborn、ggplot、Plotly，或者E charts等圖表插件。或者可以直接用數據分析軟件製作，比如FineBI、tableau等，內置的圖表類型很豐富，操作也相對來說比較簡單。
FineBI數據可視化過程
最後，希望大家都能做成漂亮美觀、令人眼前一亮的數據可視化
閱讀更多 數據分析不是個事兒 的文章
