论文数据可视化模板怎么写好

有了数据之后，对数据分析就是成了最关键的环节，我公司的分析师就曾对我说过一句话：数据分析主要对整体分析，而不执着于特殊的个体数据，这样才能够给产品提供宏观、有效的参考价值。海量的数据让用户通过逐条查看是不可行的，图像化才是有效的解决途径。少量的数据可以通过表格工具生成图表、透视表的方式进行分析，但是大数据的分析就需要借助专门的可视化工具了，常见的可视化工具包括：Tableau、BDP、Davinci、Quick BI、有数等。大部分商用数据可视化工具的计算、图表展示虽然比较强大，但是却无法做到实时数据快速生成，数据也多为push（固定的范围）的方式，有时候数据还需要二次加工满足可视化产品的规则（商用产品多考虑通用性，无法适用于所有企业的数据规范）。除此之外，现在很多图表插件的开源化（如：Echart、GoogleChart），以及行业内对数据安全性等的考虑，越来越多的公司也开始进行数据可视化的私有化部署。

如何设计成功而有价值的数据可视化【what】什么是数据可视化?塔夫特所说，“图形表现数据。实际上比传统的统计分析法更加精确和有启发性。”对于广大的编辑、设计师、运营分析师、大数据研究者等等都需要从不同维度、不同层面、不同粒度的数据处理统计中，借助图表和信息图的方式为用户(只获得信息)、阅读者(消费信息)及管理者(利用信息进行管理和决策)呈现不同于表格式的分析结果。数据可视化技术综合运用计算机图形学、图像、人机交互等，将采集、清洗、转换、处理过的符合标准和规范的数据映射为可识别的图形、图像、动画甚至视频，并允许用户与数据可视化进行交互和分析。而任何形式的数据可视化都会由丰富的内容、引人注意的视觉效果、精细的制作三个要素组成，概括起来就是新颖而有趣、充实而高效、美感且悦目三个特征。【why】为什么要进行数据可视化?无论是哪种职业和应用场景，数据可视化都有一个共同的目的，那就是准确而高效、精简而全面地传递信息和知识。可视化能将不可见的数据现象转化为可见的图形符号，能将错综复杂、看起来没法解释和关联的数据，建立起联系和关联，发现规律和特征，获得更有商业价值的洞见和价值。并且利用合适的图表直截了当且清晰而直观地表达出来，实现数据自我解释、让数据说话的目的。而人类右脑记忆图像的速度比左脑记忆抽象的文字快100万倍。因此，数据可视化能够加深和强化受众对于数据的理解和记忆。【how】如何实现可靠的数据可视化数据可视化包括数据的采集、分析、治理、管理、挖掘在内的一系列复杂数据处理，然后由设计师设计一种表现形式，或许是二维图表、三维立体视图，不管是什么样的信息图，最后由前端工程师创建对应的可视化算法及前端渲染和展现的实现。如果仅仅是能够将数据转化成漂亮的图表，设计出固定维度、不同式样的图表来解释你的观点，并不说明这样的结局就足够好。这只是一个简单的开始，只是一个美好愿望的萌芽。如果要成功报告结果，将你所分析的度量和数据有效地转化为有商业价值的见解，使其能够为基于事实所做的决策提供支持，那么还需要做更多的功课。色彩提升信息可视化的视觉效果。在信息可视化通过造型元素明确传达信息及叙述的基础上，把握好视觉元素中色彩的运用，使图形变得更加生动、有趣，信息表达得更加准确和直观。色彩可以帮助人们对信息进行深入分类，强调和淡化、生动而有趣的可视化作品的表现形式，常常给受众带来视觉效果上的享受。当然，视觉效果要将企业品牌的色调融合进去，和企业的品牌文化保持高度的一致，这是一个最基本的常识。比如，如果企业的品牌色调比较热衷红色，你设计的可视化效果，就要有意识地朝着这个基调靠拢。但没有必要吻合，因为红色的可视化效果，通常都包含警示的韵味，所以，红色适合做预警、提醒和突出信息的功能。排版布局增强信息可视化的叙事性。我有酒，你有故事吗?排版布局四大基本原则：(1)对比(Contrast)：如果两个项不完全相同，就应当使之不同，而且应当是截然不同。(2)重复(Repetition)：设计的某些方面在整个作品中重复。(3)对齐(Alignment)：任何元素都不能在页面上随意安放。每一项都应当与页面上的某个内容存在某种视觉联系。(4)亲密性(Proximity)：将相关的项组织在一起，使它们的物理位置相互靠近相关的项将被看作凝聚为一体的一个组。动态增加信息可视化的视觉体验。在信息可视化的视觉表达中，动态地将相互分离的各种信息传播形式有机地融合在一起，进行有关联、有节奏的信息处理、传输和实现。最终的目的是，为了实现数据之间的联动，解释数据表现之间驱动和联系的关系。通过图表样式和色彩的运动，满足受众的视觉感受，同时将信息内容更加深刻而精简地传达给阅读者，使整个信息传达的过程更加轻松便捷。对于数据可视化有诸多工具，如：ECharts、iCharts、D3js、Flot、Rapha?l等功能都十分强大，但对于非专业可视化而又经常与图表打交道的职场人士来说，一款轻便易学而又实用的可视化软件则显得十分重要。比如cognos、tebleue等。如果需要展现的数据结构不是特别复杂，而又要把数据展现的绚丽多彩，而且具有交互性，那么水晶易表是不二之选。1.谁是你的阅读者?无论你是否在做一份传统的报表还是新式的信息图，首先问问自己有哪些阅读者看到这份报告?他们对将要讨论的事项了解多少?他们需要什么?、还有，他们会如何利用你要展示的信息和数据呢?而我在《一份靠谱的数据分析报告都有什么套路?》里讲过，明确清晰的分析目标和方法会有多重要，因为只有明确分析目标，才能有一个良好的驱动过程。无论是目标驱动还是分析过程驱动，后续的数据分析工作和分析报告里所要呈现的全部内容事项都是紧紧围绕着这个目标主题而服务的。2.规划数据可视化方案数据可视化方案，是一定是能够解决用户特定问题的。既然是能够解决用户特定的问题，那么这样的高度，是在基于你在深入地理解了这些数据的现象和本质的基础之上。简单来说，就是你的可视化方案，不仅懂得并且能够很好地解释数据分析的结论、信息和知识。并且管理者能够沿着你规划的可视化路径能够迅速地找到和发现决策之道。举例来说，当企业的业绩不达标时(企业的业绩是否达标，关系到企业最关键的利益和存亡。)可视化方案的设计路径应该是这样的：Step1，从整体运营出发，明确有哪些关键因素会影响成交和业绩。比如：有效名单、demo品质、客服服务、产品属性等，相应地去看这些关键因素对应的KPI的表现，对整体的业绩来讲，这些因素都会是驱动因素，这些因素对应的KPI都会是对STV有直接驱动和影响作用的。这些驱动数据的可视化是基础，也是寻找解决方案最终的出发点和落脚点。因为，这些数据的表现，是关乎运营成功与否的最直接视图。Step2，对关键因素深入分析确定是什么因素导致了业绩没达成，发现和挖掘导致业绩未达标的根本原因和问题。比如：对比分析，逐一观测201601月-201612月全部关键因素对应的KPI的表现，对比成交业绩最高的月份和成交业绩最差月份的关键因素对应的KPI差异在哪里，能够快速定位出哪些方面、哪些因素导致业绩未达标。然后能够有针对性地驱动和帮助业务部门去改善。追踪对成交和业绩有驱动和改善的行动方案的落地和实施进度，存在什么样的问题，是否存在行动方案的执行不力影响了业绩达标。Step3，针对这些问题因素，有的放矢地去做改善和探索提升业绩之道。否则，设计再商业绚丽的可视化图表，如果不能快速地得到信息和商业决策建议和方案就毫无意义。可视化仅仅成了虚假和欺，华丽而不务实的结果。基于准备好的全部的这些问题所得出的答案，就要开始定制你的数据可视化方案以满足每个决策者的特定要求。数据可视化始终都应该是为其受众专门定制的，这样的报告里只应包括受众需要知道的信息，且应将这些信息置于和他们有关并对他们有意义的背景下。3.给数据可视化一个清晰的标题。当你的报告像一份报纸、杂志的新闻一样。从这个标题，就能给阅读者强烈的冲击。一个清晰的标题是能够很好地阐释报告和故事的主题，是对整个报告和故事概括的信息。当然，并不是鼓励运营分析人员去做“标题党”。好的标题，既不要模棱两可，也不要画蛇添足，只要解释清楚图表即可。这有助于帮受众直接进入主题。这样能让读者大致浏览文件，并能快速抓住核心所在。尽量让你的标题突出。4.将数据可视化和你的策略、方案联系起来如果数据可视化的目的在于介绍能解决具体的、可衡量的、可执行的、有相关性和时效性问题的数据，那就在开场白里加上这些问题。稍后再和你的策略连接起来以理清这些数据的定位，因此，读者便能立刻明白可视化数据的相关性和价值。最终，他们便能更好地参与进来，并能够更明智地利用这些信息。数据可视化，最终时为了企业良好的运营而服务的，这是它的商业价值。如果你不关注企业的战略和行动方案，很难建立起具有联动价值的信息图。比如，企业执行的行动方案，通常是为了达成和实现企业的战略目标，通过这样的手段实现精益管理和精益运营。所以，可视化的解决方案要能够做到，行动方案对战略目标的驱动效果、个体、团队对部门整体指标、KPI的驱动和影响效果。只有建立起来具有联系的信息视图，才会获得有价值的数据可视化。5.明智地选择你的展示图表。不管使用哪一类图表，bar图、折线图、雷达图等等，每一种图表都有它自身的优点和局限性。你无法找到完美的可视化图表。但你可以通过尝试混合展现方式让可视化表现再人性化一点点。所以的可视化效果，都应该尽可能简单精准地传达讯息。这就意味着：不论有多新潮、多好看或者多绚丽，这都不是设计数据可视化的初衷。诚然，我们在持续地并且永不满足地追求数据之美。但最佳的平衡点在于，用合适的数据可视化开阐释恰到好处的信息和知识的价值之美。只用有关联能传达重要信息的且为你的受众所需要的图形。无需填满页面的所有空白——太多杂乱的内容只会干扰对重要信息的接收，会让人太难记住，又太容易忽略。恰当运用色彩，增加信息深度。同时要注意有些色彩具备潜在含义。举例来说，红色被认为是代表警告或危险的颜色。适合预警额。不要使用太多不同类的图表、表格和图形。如果需要对比各种图表，要确保你阐述数据时使用的是同类的图表，这样才能便于互相比较。6.在恰当处备注文字说明文字说明有助于用语言解释数据，并能在情境化图表的同时增加内容的深度。数字和表格或许仅能提供快照，而文字说明则让人对关键处了解更多，加以评论并强调其内涵。引导观看者去思考图形的主题，而不是方法论、图形设计、图形生成或其他东西。避免歪曲数据原本的意图。让庞大的数据集连贯一致。吸引读者将不同的数据片段进行比对和比较，突出重点和优劣。主旨要相当明确：描述、挖掘、作表、可视化自我解读。

1.明确数据指标

首先，我们得先搞明白这些数据是怎么来的、干嘛的，如果连这个都不清楚就会很难展开接下来的讨论或设计。数据是做好图表设计的前提，毫无疑问，一连串的数字对于设计师来说是枯燥无味的，幸亏前期的数据收集工作已有人做好，但是作为设计师有必要要求他们给到你的是尽可能精准的数据，否则，会导致接下来的工作前功尽弃。因此，当初步接触数据时最好能够解决以下几点：

理解数据及指标

分析数据

提炼关键信息

明确数据关系及主题

2.为谁设计，用户想要什么信息

需要明确的是，同一组数据在不同用户眼中所看到的信息是不一样的，因为，角色、岗位的不同就造成了他们所关注的重点、立场不同，不同人所发现的信息、得出的结论也是不一样的，所以，在图表设计时面对不同的使用者所强调的信息及交互方式都是不一样的。主要影响因素：

用户群体是谁？有什么特点

从数据中需要提炼的信息是什么

通过图表想要解决什么问题

关注的重点

3.明确设计目的与价值

实际上，图表设计跟一个产品设计的思路是相似的，定义设计目标这个过程很容易被设计师忽略，设计目标不是一成不变的，但并不意味着一开始就没有，前期缺少对设计目标的定义会导致设计师往往说不清楚为什么这样设计，那么，接下来的设计工作就像个无头苍蝇一样乱撞，没有方向感。有的时候，设计方案被推翻，究其根源往往是由于对源思考不明确导致的，设计目标需要大家共同定义并达成一致的方向，否则，方向不对，努力白费。

定义设计目标的过程需要站在用户的角度和数据的角度进行综合分析从而进行构建，一方面需要考虑用户如何更简单的分析、理解数据从而提高决策效率；一方面需要考虑数据本身如何更加精准、一目了然的传达给用户。

4.规划设计方案，选择合适的图表类型

在工作中，一些同学在设计图表时把大量的时间用在寻找图表素材上，然而这种都是在表面上寻找解决办法实际上本末倒置了，解决不了本质问题。数据可视化设计不是单纯的图表样式设计，虽然了解图表也很重要，但是，仅仅将数据变成漂亮的图表只是形式的改变而已，远远不够的

当前期我们已经清楚了用户要做什么，有了明确的设计目标，那么，选择图表的过程就是信手拈来的事。在选择图表类型之前，自己心里已经比较清楚了图表大概的效果（如：呈现不同时间段的数据-用折线图合适；呈现不同份额比例-用饼图合适；某个阶段的数据出现频率-用散点图合适），具体的图表选择大家可以参考 Andrew Abela 整理的图表类型选择指南图示，有兴趣的同学可以研究一下。

常见的图表类型基本上以下六种涵盖了绝大部分的使用场景:

曲线图 用来反映时间变化趋势

柱状图 用来反映分类项目之间的比较，也可以用来反映时间趋势

条形图 用来反映项目之间的比较

饼图 用来反映构成，即部分占总体的比例

散点图 用来反映相关性或分布关系

地图 用来反映区域之间的分类比较

5.细化体验

前面我们谈论了很多图表设计前期的事，接下来谈一谈需要注意的几点细节，Dan Saffer 说过“最好的产品通常会做好两件事情：功能和细节。功能能够吸引用户关注这个产品，而细节则能够让关注的用户留下来”。毕竟细节设计成就卓越产品嘛

X坐标轴

考虑到不同屏幕或浏览器的适配问题，当X坐标轴标签文字显示过于拥挤时可将文字打斜放置，既保证了数据的正常阅读也不影响图表美观。

当X坐标轴标签为连续的年份时，不要墨守成规的写成“2015、2016…”，可以用简写的式“2015、16、17...”，看起来会简单、清晰很多。

数据分布规则

如果没有制定明确的数据显示规则，就会出现后端传什么数据，前端就展示什么数据，导致图表展示效果和可读性都很差，如果要解决这个问题就需要定义规则。

这里数据的展示和时间有关，所以，我们需要考虑的是某个时间段内展示多少个点才是合适的，而显示一个点由多长时间的数据聚合（点聚合区间是多少），具体如下图2-1-2

规则定义清楚后，后台在与前段交互的时候就会按照以上规则进行，最终实现效果如下图2-1-3

遵循设计原则

图表的设计价值在于精准、高效、简单的传递数据信息，最好能够让读者一目了然，即使做不到一目了然也应该具备自我解释的能力。所以，就要求在设计时应该增强和突出数据元素，减少和弱化非数据元素，具体应该注意以下原则：

1.删除

除非特殊场景的考虑，应尽可能的删除和数据非相关的元素:

背景色

渐变色

网格线

3D效果

阴影效果（如果具体操作需要强调的除外，如：鼠标Hover查看具体信息）

2.弱化

即使有必要保留非数据元素，也要弱化或隐藏它们，尽量使用淡色

坐标轴

网格辅助线

表格线

3.组织

把相关的数据元素进行合理的组织分类，不要指望把所有的数据元素都放入图表内，只要放关键的、重要的数据在图表内。

4.强调

对于已选的数据元素也要考虑优先级，明确哪些数据是需要重点突出的进行突出标识，以便读者能够快速get到重要信息。

目前应对这种情况最佳的解决方式是实现数据可视化，一、数据可视化概念，数据可视化是通过将数据、文本等资料集合在一起，运用图像的形式将信息展示出来，并运用数据分析技术及专业工具来发现隐藏在其中的规律。就是把哪些看起来抽象、不易理解的数据，通过一定的技术手段如数据可视化方式通过图形表达。数据可视化以生动直观、超强的视觉冲击力的形式向人们揭示隐藏在数据背后的规律。二、基本流程，1、数据采集，数据采集是数据可视化的第一步，也是基础。数据采集的分类方法有很多，从数据的来源来看主要有2种，即内部数据采集和外部数据采集。内部数据采集，通常数据来源于企业内部的业务数据库。外部数据采集，指的是通过一些方法获取来自企业外部的数据。获取外部数据主要是为了获取竞品的数据和官方机构官网公布的一些行业数据。2、数据处理和变换，数据处理和变换，是进行数据可视化的前提条件，主要包括数据预处理和数据挖掘两个过程。进行数据预处理的原因是，前期采集到的数据往往包含了噪声和误差，数据的质量较低。数据挖掘则是因为数据的特征、模式往往隐藏在海量的数据中，需要进行更深一步的数据挖掘才能获取到。

1、确认需求

在数据可视化设计前，分析人员要先完成业务需求的分析，将分析需求拆分成不同层级、不同主题的任务，捕捉其中业务的数据指标、标签，划分出不同优先级，为下一步取数做准备。

数据可视化-派可数据商业智能BI

在确认需求的过程中，分析人员需要特别关注业务和数据的对应关系，按照数据词典将数据仓库中的指标、标签进行确认，对数据质量进行调研，最大程度提高数据可视化的准确性。

数据可视化是为了解决问题而制作出来的，所以实际制作分析的过程中必须紧贴企业业务流程，了解业务指标、属于什么专业方向的内容，最大程度地提升数据分析的准确性，提高图表展现信息的质量。

2、准备数据

数据可视化，千万不能忘了数据。不管前期规划再好，业务指标和需求之间的关系再贴合，没有数据你什么也分析不了。

数据可视化-派可数据商业智能BI

分析人员在进行可视化分析前，应该提前准备好任务所需的数据，做好分析前的准备工作。在这个阶段，分析人员可以联合技术人员，将后续数据可视化需要的指标、标签、维度等数据从数据仓库中调取出来，准备进行数据分析。

在准备数据的过程中，分析人员可以对业务数据进一步确认，和一线业务人员进行沟通协作，确认数据和业务之间相互贴合，数据也和业务变化一致。然后可以思考数据之间的关联，将关键数据整理进行标记。如果没有需要的数据就要及时寻找，看看对方是否能够临时填报、补录数据，增加数据的源头。

3、选择图表

图表的选择直接关系到可视化的呈现效果，一个合适的图表能够把数据之间的联系转化为直观的信息，相反错误的图表可能会将需求对象引向错误的方向。

数据可视化-派可数据商业智能BI

数据可视化分析人员必须了解所有主流的图表类型，知道每个图表适合做哪些分析，能够展现哪种类型的信息，举个例子，折线图、柱形图等能够轻易的展现事物的发展趋势，但如果你把某段时间销售数量变化趋势呈现在饼图上，那这个图表就没有任何意义了。

4、页面布局

分析人员将一张完整的页面分割成不同板块、层次，保证数据能够完全展现，同时设计人员还要注意划分信息的重要程度，在整体视觉设计中，把核心的数据指标放在最重要的位置，占据较大的面积，其余的指标按优先级依次在核心指标周围展开。

数据可视化-派可数据商业智能BI

当然，在实际的可视化分析过程中，管理人员给到的数据需求一般都会比较多，要求在同一页面上展现尽可能多的信息量。这时候设计人员就需要在满足计较关键信息、平衡布局空间以及简洁直观的基础上将数据划分为更多层次。

数据可视化-派可数据商业智能BI

5、数据可视化分析

在数据分析过程中，很多新手会有一个误区，经常会把各种各样的可视化图表装满几个屏幕，认为这样就可以把所有信息直观地展示给用户。实际上，用户并不需要那么多内容，相比复杂的信息展示，他们往往会更喜欢一目了然的内容设计，一眼就能看到关键信息。

数据可视化-派可数据商业智能BI

此外，整个可视化图表页面中，色彩不宜太过丰富，颜色最好也不要太过鲜艳，把色彩对比强烈的颜色放到关键信息，用清晰的逻辑去呈现变化，突出重点部分，使用户产生更好地体验，这才是他们最希望看到的。

最后，回到数据分析本身，分析人员可以选择为制作完成的可视化图表附上自己从业务逻辑思考的信息，帮助用户更好地分辨图表展现的意义。

派可数据 商业智能BI可视化分析平台