基礎的柱形圖大家都知道怎麼做，那麼如何用柱形圖構造各種視覺化圖表呢？

今天先來講第一種思路：讓柱形圖透明化。從這一個透明化的思路可以引申出很多美化的視覺化圖表，學那麼多製作方法，不如學會一個思路，即可舉一反三。

以下列舉了7種透過透明化的思路製作圖表的案例：

兩個方法

首先，我們先熟練掌握讓柱形圖變透明的兩種方法，一種是透過設定次座標軸完成，另一種是 …

學會體系化搭建資料指標體系，使分析更具針對性。

開始前，請大家先用30s思考一個問題：

— — 是否存在某個單一財務指標，能夠全面衡量一家公司的盈利狀況？

我猜98%的人給出的答案都是不存在。確實，答案是不存在，但為什麼不存在是不是很難去描述。在這裡，給出我的答案：“不存在單一的指標可以全面衡量公司的盈利狀況，因為企業經營管理是複雜的，需要使用多維度的財務指標，這樣才能對複雜的經營狀況做出判斷”

舉個例子來佐證下我的這句話：

我想要投資超市，現在有兩家超市，A超市和B超市，我們該如何衡量這兩家超市的經營狀況與盈利能力，從而決定投資哪家超市？

小張說：第一個想到的指標就是收入，我們先看看哪家超市收入多

小王說：不對不對，應該看利潤，哪家利潤多，哪家的盈利能力才強

小蔡說：我們要看利潤佔收入的比例，也就是利潤率

小李說：我們可以看看兩家超市的投資回報率，也就是每投入一定金額，每家超市可以賺多少錢

其實每個人的單一指標，都無法全面衡量超市的經營狀況與盈利能力，我們需要在這一系列指標中找到線索來進行綜合判斷，也就是要學會將指標體系化。

1、為什麼要學會將指標體系化？

其實很簡單，非體系化的指標通常是單點分析，出現什麼問題，分析什麼，然後改進，如果改進了仍然有問題，那就再接著換一個點分析，缺乏體系。而體系化的指標通常能夠結合問題所在的背景、串聯各個指標、透過各種維度進行分析，從而使最佳化方案更加有針對性。

在資料分析中，一個好的指標體系可以幫助我們更快、更精準地找到答案，定義業務運作是否正常，即使出現異動，也能快速定位原因。

2、在學如何將指標體系化前，先了解指標體系建設4大原則

這裡先介紹一下指標體系建設的4大通用原則

1）使用者第一：從使用者中來到使用者中去，指標體系核心是圍繞能夠反映實際業務情況的目的去的，因此，指標不是越多越好，也不需要虛榮指標，虛榮指標是需要在建設過程中注意避免的

2）典型性原則：儘量選擇比較典型、比較具備代表性的指標，這些指標能夠反映業務的真實情況，其中最重要的指標叫做北極星指標（北極星指標就像北極星一樣，高高閃耀在空中，指引著全公司所有人員向著同一個方向邁進）

3）系統性原則：指標體系是需要強調系統性的，常見的就是找到核心的原子指標，然後延伸，最終形成類似二叉樹一樣的樹狀結構指標體系，做到每個指標有根可尋

4）動態性原則：資料指標體系是隨著業務發展變化、隨著資料分析需求變化的，因此需要不斷地去做指標體系的維護與迭代更新

總結下來就是：需要選取能反應實際業務、有代表性、有根可尋、不斷更新的指標。

3、在瞭解4大基本原則後，學習指標體系建立的通用方法

做分析的過程往往有三步：問題背景是什麼、要分析什麼才能解決這個問題、怎麼分析

1、考慮對映到資料指標體系中則上升為要考慮指標體系的目標是什麼、指標體系的使用者的業務目標是什麼

2、再考慮要實現這些目標會有哪些表現、哪些訊號能夠支撐他們的目標關注

3、最後再找出相關的指標來支撐資料指標體系的構建

4、學會通用方法後，如何實操？指標體系建立的通用步驟

很多同學被嫌棄：做的資料分析，沒深度。到底啥是分析深度？怎麼才能做出深度？話不多說，直接上場景。

問題場景：某物流企業，負責管司機的排程中心，會給每個未上線司機標註原因，標註格式如下圖：備註：實際原因還有很多，這裡僅做舉例現領導要求：分析司機未上線情況。問：該怎麼分析？

思

考

30

秒

0、0級深度做法

3月6日，共1000司機，上線900，上線率90%● 3月7日，共1010司機，上線875，上線率87%● 3月8日，共1050司機，上線850，上線率83%上線率連續2天下降，建議搞高不上線的理由TOP3為：1、司機請假 35%2、累25%3、雙十二剛過 20%

╮(╯▽╰)╭

不點評了，大家自行吐槽。

1、1級深度做法

上線代表的是運力，不同線路運力需求不同，因此可以結合需求，解讀上線資料：● A線路本月訂單暴漲，但司機上線率在下降，需保障運力。● B線路本月訂單減少，司機上線率在下降，可調撥該批司機運力。● C線路為季節性需求，預計下個月就沒有了，關注該批司機運力分配。

點評：終於知道把上線情況和業務需求聯絡起來了。這樣能解讀出：司機上線/不上線，到底有啥意義。重點線路需要保障，零散線路釋放出運力要能調配開，這是基本常識。

同理，還可以對司機生命週期做分類，結合司機表現，解讀上線資料。

● 新手期司機：上線變差，是否意味著最近開發新司機質量下降

● 穩定期司機：上線變差，是否意味著平臺運作出問題，老司機流失

授人以魚不如授人以漁，教具體的顏色搭配不如教一些顏色搭配的小技巧。

這些小技巧可以幫你快速提高表格的區分度，視覺感受也更好。

1、同一色系：巧用漸變色區分

使用過於跳脫的顏色，會讓整個表格看上去很不協調，但若改用同一色系的顏色就會好很多。

深色和淺色分別突出了重點資訊和次要資訊，從而劃分區域。

這個表格我個人非常喜歡，整體以藍色系為主色調，搭配上紅黃綠作為點綴，整個看起來乾淨又不沉悶。上半部分，同一色系顏色的使用非常協調，對不同圖表做了很自然的區分。

需要注意的是，在Excel中，色彩的使用絕不是純粹為了美觀，而是服務於內容，要以增強可讀性為導向，尤其在輸入人員資訊時，最好對每一行都進行顏色區分，防止資訊看岔看錯。

建立一個數據模型的分析思維很重要。

本文將整理一些常見的資料模型，希望大家能建立一個數據模型分析思維意識，優先根據有效的資料模型進行精細化分析、資料探勘等，確保分析結果的有效性和正確性。

資料模型分析思維，即各種資料分析經驗的抽象集合，你擁有了更多的資料模型，也就擁有了更多的認知“資料”世界的工具。在斯科特·佩奇的《模型思維》一書中，提到了20多個思維模型，我們在資料分析過程中可能會經常用到的主要有：AARRR（海盜模型）、RARRA、漏斗模型、金字塔模型、RFM模型、使用者生命週期模型、滑梯模型、消費者行為模型等等。

我們將整理分享幾個常見的資料模型，僅供參考！

1、AARRR模型

AARRR增長模型出自於增長駭客，又稱海盜模型，即獲客、啟用、留存、變現、傳播推薦。

獲取使用者（Acquisition）、提高活躍度（Activation）、提高留存率（Retention）、獲取收入（Revenue）、使用者推薦（Refer），這個五個單詞的縮寫，分別對應使用者生命週期中的5個重要環節。

▶獲取使用者（Acquisition）：透過一定的方式讓產品在一些渠道上面得到展現，並使看到展現的使用者轉化成產品使用者。

▶提高活躍度（Activation）：提高產品的使用粘性，提升使用者使用產品的深度。

▶提高留存率（Retention）：如何讓使用者不斷地使用我們的產品，減少使用者的流失，提升使用者粘性。讓使用者無法離開產品。

▶獲取收入（Revenue）：透過一些手段和渠道從使用者那裡獲取收益。

▶使用者推薦（Refer）：透過提升產品的競爭力，使使用者給他的朋友推薦我們的產品。