作為資料人，在日常生活和工作之中，我們是否經常被要求製作如下圖所示的一些資料統計表格：
總的來看，很多人經常發現自己雖然有資料，卻不知道用什麼圖表來進行資料最佳形式的價值表達，只會使用幾個簡單的柱狀圖、折線圖、餅圖。
要構建一個優秀的視覺化儀表板 （即真正資訊豐富、可以指導行動的儀表板），僅將所有「頓悟」放到畫布上是不夠的。要讓儀表板達到給使用者最佳的資訊傳達效果，我們必須認真考慮各種規劃和設計各種元素。
接下來將從圖表型別、顏色搭配、儀表板佈局設計原則、作品完善四個部分詳細地給大家進行講解，希望能夠讓大家的商業資料視覺化分析報告能力得到一定提升。
注：本文使用的演示工具為FineBI，點選連結可以直接下載個人免費版
一、學會使用最佳的圖表型別
1、時間趨勢分析
時間趨勢分析，是我們日常工作中應用最為廣泛的方法之一。對於這類場景，我們通常可以選擇折線圖、柱狀圖來更好地進行資料到時間趨勢的分析，比如上圖所示，我們用折線圖來分析每個地區的年度合同金額走勢。
但是如果我們同時還想知道總的銷售額在每年的走勢如何，僅僅透過折線圖或者柱狀圖顯然是無法表達的。如果想知道每年總的銷售額的走勢，這個時候我們就可以透過範圍面積圖、堆積折線圖或者堆積柱狀圖來實現。
但是這三其實者也是有區別，範圍面積圖和堆積折線圖是以每個地區作為一個模式的（單獨觀察每個地區的合同金額走勢也同樣方便），而堆積柱狀圖是將每個月份作為一個模式的。
2、比較和排序分析
第二種要給大家介紹的是比較和排序分析，對於這類場景，我們通常可以選擇條形圖或者柱狀圖來進行對比比較和排序，這是因為他們都是基於相同的基線然後將數值顯示為長度或者高度，使得值與值之間的對比分析變得異常容易。
3、相關性分析
我們經常會有一些需要進行相關性探索分析的資料，例如研究某一種商品的單價和銷售額之間的關係，研究員工考勤時間和離職率之間的關係，研究溫室溫度和作物生長的關係等等，這個時候採用散點分佈圖也許是我們的首選。
但是需要注意的是，相關性分析並不能保證絕對的存在關係，只是表示可能存在關係。一般來說，在用散點圖進行資料的相關性分析時，我們還可以引入趨勢擬合線進行輔助判斷。
對於不同單位的資料，在FineBI中我們可以採用分面分析的方法。分面展示其實是提供了一種將多項指標並列分析的資料觀察視角。
比如我想同時觀察溫度和襯衫銷售的資料統計趨勢、觀察合同金額和購買數量的關係，這個時候就可以使用分面分析來進行資料統計觀察。透過分面，可以分析不同指標的相關性，從而發現資料的潛在關聯。
4、分佈分析
分佈分析也是我們做資料視覺化分析時使用的比較多的一種方法，例如我們想知道不同產品型別的銷售金額分佈，這個時候我們可能會選擇使用餅圖進行展示。
通常來說餅圖和堆積柱狀圖主要用於做資料的分佈分析，但是需要注意不要試圖嘗試對不同系列的餅圖進行資料分佈對比分析，這將會不利於我們觀察到每部分資料的變化情況，此時對比柱狀圖會是我們更好地選擇。
5、週期性資料分析
對於週期性迴圈資料特徵分析，比如企業經營狀況 — — 收益性、生產性、流動性、安全性和成長性的評價（適用於快速對比定位短板指標），我們建議使用雷達圖進行展示。
6、地理資料分析
對於那些和地理位置資訊相關的資料分析，地圖是我們的首選型別，包括點地圖、區域地圖、熱力地圖、流向地圖等等。因為地圖除了能對比分析資料本身的差異性之外，還可以結合地理位置進行分析，發掘和地理位置資訊等相關的業務價值。
例如某一家電商企業，想要分析不同區域服裝種類的銷售情況，如果透過地圖進行地理位置資訊相關的輔助分析，就能快速探索出服裝種類和地區位置區域的相關性（例如南方襯衫、西裝等服裝熱銷，北方羽絨服、羊毛衫等服裝熱銷）。
7、漏斗轉化分析
漏斗圖適用於分析具有明確流程節點轉化率的資料分析場景，例如網際網路企業常用的平臺使用者訪問階段漏斗轉化分析、使用者生命週期漏斗轉化分析等等。
如上圖所示 ，我們透過FineBI進行某個平臺的使用者訪問階段轉化率資料分析。我們逐級來看各節點轉化情況，首先是使用者從瀏覽商品行為到新增購物車行為這一流程的轉化情況，我們透過漏斗圖可以快速看出其轉化率為50.77%，反映出該平臺的商品介紹、圖片描述等對使用者有較強的吸引力。
接下來繼續看新增購物車到下單的轉化率，可以看出其轉化率高達99.66%，非常不錯。之後卻看到單至付款的轉化率僅50%，這是一個值得反思的轉化節點，透過資料分析猜測該平臺商鋪支付渠道不完善，需要增加例如支付寶、微信等快捷支付渠道，降低平臺因為沒有提供使用者習慣性的支付渠道而導致使用者放棄購買行為的機率。
8、日曆圖分析
日曆圖常用於分析和時間規律相關的分佈資料，一般來說需要使用同一生長色系或者熱力色進行渲染展示。
如上圖所示，我們使用日曆圖分析每個月每天的發電量資料，可以很容易地發現8月、12月份的與中下旬處於全年的用電高峰期。
9、核心KPI指標分析
對於企業核心的KPI指標資料我們通常可以使用，KPI指標卡以及文字元件進行直觀的彙總展示。
碩大醒目的關鍵績效指標是使用者檢視儀表板時的錨點，它們似乎在大聲引導使用者說：「從這裡開始！」這些數字可用作對話開場白，還能為旁邊的圖表提供上下文。
10、表格展示
最後是適合直接使用表格進行展示的資料型別，通常來說比如需要檢視精準的資料（比如需要反覆查對的統計資料）以及需要明細展示的資料。通常來說我們可以和顏色進行結合（FineBI可自動渲染為顏色表格），更進一步的直觀顯示出資料的數值大小分佈。
二、顏色搭配一致性原則
顏色是最有效的美學特徵之一，因為它可以吸引注意力。我們最先注意到的特徵就是顏色， 它能夠以直接的方式突出顯示特定見解、標識異常值。在論證觀點時，顏色的使用應該以資料為基礎，而不是個人的喜好或品牌的顏色。
一般來說，我們在使用顏色的時候可以遵循以下的配色一致性原則：
1.數值指標一致性
當根據某一個指標的數值大小進行顏色對映時，建議使用生長色系的漸變顏色。
例如上圖所示，統計的是不同年份的一個地區銷售額情況，左邊的圖顏色並沒有色系和生長規律，使用者難以理解具體指標數值的映含義，而此時如果使用右邊的生長色系的表達方式，它會傳達給使用者一種顏色可測量感。
那麼使用者根據這樣的漸變生長色系，就可以很輕鬆地理解當年每個地區的一個銷售額分佈情況。
2.指標顏色一致性
在同一儀表板中，對於相同的度量儘量使用同一色系的顏色方案，避免使用過多的顏色對使用者造成干擾。
例如我們在做銷售廣告牌分析時，通常分析指標會有銷售額和回款額，那麼即使我們在對同一個指標做不同維度的資料視覺化分析時，對於銷售額和回款額建議分別使用相同的色系進行配色，比如銷售金額儘量用黃綠色系，回款金額儘量用藍色系。
我們在遵循這樣的指標顏色一致性配色原則之後，使用者就能夠快速地根據顏色區分來理解當前的資料視覺化圖表所要表達的指標含義。
3.色系顏色一致性
在同一儀表板中，儘量選擇相同色系的顏色方案，避免撞色。
對於顏色如何去定義選擇，這個可能是很多使用者非常頭疼的事情，不知道該選擇什麼樣的顏色去搭配。但是其實在色系搭配方面，FineBI裡面內建了非常多的漂亮的配色方案可供大家進行同一色系顏色的選擇，這一點對於使用者是非常友好的，畢竟有時候「顏值也很重要」。
如果我們是自定義配色，需要避免一些撞色。例如你把黃+白、藍+黑、紅+藍、黃+紫等等色系進行搭配，這樣不但從感官上不美觀，而且還容易對使用者的眼睛造成刺激。
4.語義顏色一致性
符合語義的顏色可以幫助人們更快地處理資訊，儘量根據指標含義選擇符合人類最直觀感受的顏色。
因此可以使用紅色來表示熱量分佈，褐色表示乾旱指數，藍色表示降水量等等。
三、視覺化報告的佈局設計原則
儀表板的用途是引導讀者檢視多個視覺化，講述每個見解的故事，揭示見解之間的聯絡。 更多地採用更好的儀表板設計，使使用者可以發現正在發生的事情，瞭解最重要的資訊及其重要性。考慮如何在儀表板上引導使用者的視線。那麼我們在設計儀表板佈局的時候，需要遵循哪些原則？
1.故事性視覺化儀表板佈局
在設計儀表板之前，我們首先需要知道使用者的習慣和閱讀需求。通常來說，使用者看一個儀表板或者讀一個視覺化作品的時候就像看一本書一樣，遵循著從上到下從左到右的原則。
也就是說，最重要的核心指標分析（一般可以選擇使用較大的數字進行KPI指標彙總顯示），我們可以放在左上方或者頂部。如果需要新增過濾控制元件進行頁面級的輔助資料篩選，控制元件的位置一般放在頂部位置。
其他一些次重要的指標分析可以放到左下方，最後是一些相對不那麼重要資料或者是引導式分析最末尾的資料、明細資料、需要檢視精準的資料（比如需要反覆查對的統計資料）等等可以放到儀表板的右下方位置。
2.管理儀表板/大屏廣告牌佈局
另外在做一些管理儀表板或者是大屏廣告牌的時候，我們可能會需要將一些比較重要的資料（一般來說可能是地圖或者是核心的資料視覺化分析等等）放到中部進行展示。管理儀表板往往展現的是一個企業全域性的業務，一般分為主要指標和次要指標兩個層次，主要指標反映核心業務，次要指標用於進一步闡述分析。所以在製作時給予不一樣的側重，這裡推薦幾種常見的版式。
上面幾個版式不是金科定律，只是通常推薦的主次分佈版式，能讓資訊一目瞭然。實際專案中，不一定使用主次分佈，也可以使用平均分佈，或者可以二者結合進行適當調整。比如下圖所示，指標很多很多，存在多個層級的，就根據上面所說的基本原則進行一些微調，效果會很好。
四、美化報告
1.標題和文字註釋
當我們完成圖表的資料視覺化統計和組合佈局之後，並不意味著已經完成了我們的資料分析報告，如果只是幾個圖表的組合拼接成的一個儀表板，可能會讓使用者難以閱讀和理解。由於資料視覺化分析報告的可讀性至關重要，所以我們需要使用簡短有力的標題和文字，以最少的字數傳達最有價值的觀點、資訊或故事。
透過標題和文字註釋結合視覺化來對資料進行講述，突出顯示具體見解，提供其他背景資訊，將所有這些元素整合到一個順暢的演示中。透過這些故事點讓人們能夠以更加有序的方式，深入探索每個視覺化中的指標和見解。優秀的視覺化作品不但可以幫助您更好地理解自己的資料，還可以更快地提供更有意義的見解，甚至啟發其他人提出和回答新問題。
2.不要重複相同業務意義的表達
對同樣維度和指標的資料視覺化呈現形式有多種多樣，但是注意不要在同一儀表板中重複相同業務意義的表達。例如我們統計每個地區銷售額的佔比分佈情況，可以使用折線圖、也可以用柱狀圖、餅圖來進行展現，但是此時我們只需要選擇最佳的表達方式（餅圖）進行呈現即可。
3.鑽取分析多層級資料
對於一些有樹層級關係的資料，在FineBI中可以透過資料層層鑽取或者多層餅圖的形式進行呈現。透過資料鑽取的形式，讓使用者在做資料穿透分析時更加方便靈活，同時節約常規儀表板多個維度分析所要佔用的額外區域。
4.聯動分析，替代控制元件過濾
通常在做一些需要資料過濾篩選的時候，我們可能會使用控制元件進行過濾。但是使用者實際在閱讀整體的資料視覺化報告時，透過設定FineBI圖表和圖表之間的聯動關係來代替控制元件過濾，往往能夠更進一步增強儀表板的引導式分析，讓使用者進行更加快捷和靈活的資料聯動分析。
5.消除雜亂
6.多維分析，防止一葉障目
👉2016年相比2015年的公司牛奶銷售額相對有所增長，環比增長率位122.82%；
👉每年中各個月份的銷售額相差不大，唯一是在2月份中，可能是由於春節的影響，拉動了大眾的集中消費，所以在每年2月份公司的牛奶銷售額會迎來一個小高峰階段。
如果是傳統的固定報表，那麼資料分析能給使用者傳遞的資訊可能也就到此為止了。可是真的僅僅如此嗎？我們再來引入產品維度分析看看。
我們可以仔細觀察這個資料分析結果，無論是2015或是2016年，看起來好像每一年中的第一季度和第四季度的鮮奶銷售額比較高，酸奶的銷售額比較低；而第二季度和第三季度的酸奶銷售額比較高，鮮奶銷售額比較低。而像固定報表中的單一維度直接彙總，往往就將這樣真正有資料業務價值的結果掩蓋掉了。
這裡我們進一步來驗證一下。繼續用雷達圖進行每個季度不同產品類別的牛奶銷售額統計，觀察每年季度的銷售額資料統計結果，我們可以輕鬆驗證之前的資料觀察結果。
我們再來從業務的角度進一步思考目前的資料結果原因，第一季度和第四季度主要為春、冬季節，天氣比較冷，這種冷天大家都喜歡熱鮮奶喝，因為比較暖身體。第二季度和第三季度主要為夏、秋季節，天氣比較熱，而這種熱天大家都喜歡和酸奶，因為比較清爽。
如果我是這家公司的戰略決策者，那麼每年對於第一季度和第四季度，公司將主要生產鮮奶，降低酸奶的生產量；對於第二季度和第三季度公司將主要生成酸奶，降低鮮奶的生產量。
這樣一來，我們透過逐步的探索分析將資料和業務聯合起來，總體上既能提高企業的產品銷售額，又能降低每個季度公司的庫存壓力。
我們每天遵循的習慣可能會隱藏資料背後潛在的價值，所以我們需要多嘗試從看錶格數字思考轉換到看圖形感知分析，勇於改變現狀。
在對資料進行探索分析思考時，要善於從不同角度去進行視覺化分析，完善資料全貌，這樣才能發掘資料背後的巨大價值。
落實到具體的資料工作中，作為資料人，我們除了分析日常業務提出來的問題之外，還需要學會積極去處理未預見的問題，時刻保持對資料的懷疑態度，練就自己在探索資料業務問題時的前瞻性。
總結
優秀的視覺化作品不但可以幫助您更好地理解自己的資料，還可以更快地提供更有意義的見解，甚至啟發其他人提出和回答新問題。構建商用視覺化是一門綜合技藝，需要運用科學、藝術、交流、敘事等方面的技能。
人人都可以製作視覺化，但要獲得真正有效的商用視覺化儀表板，我們需要投入時間、開展協作、進行迭代。FineBI提供一個快速的視覺化分析工具可以供我們進行使用，但是請記住：多從使用者角度出發，再優秀的儀表板仍然可以繼續完善和改進！
文章來源：李啟方
原文連結：https://zhuanlan.zhihu.com/p/86317286
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。各位也可以關注我的Facebook，按讚我的臉書並私訊「10」，送你十週入門數據分析電子書唷！期待你與我互動起來~
文章推薦
◆跟資料打交道的人都得會的這8種資料模型，滿足工作中95%的需求
回顧十週入門數據分析系列文：
關注數據君的臉書：
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。按贊我的臉書，會有豐富資料包贈送唷！
