导读：如何将庞大且复杂的数据进行可视化展现，提供一些设计前的思路

目录

一、了解图表

在拥有大量零散数据的情况下，如何快速找出最价值的数据呢？

仅仅通过看文字，在大脑中转化成一个画面或者概念，会花费用户大量的时间和精力，而好的可视化是将数据加工成易于理解的形式，通过讲“故事”，向我们展示了数据背后最有价值的部分。

那么如何选择最适合当前场景下的可视化图表呢？

二、明确目标信息

在设计图表前，先要明确目标信息：“给谁看，目的是什么”；

不同角色的着重点不同，所要看到的信息、指标就会不同，针对指标、数据关系选择不同的图表类型；

比如市场投放部人员，想了解一个月内各渠道来源的访问占比，那么可以采用圆环饼图直观的看出各渠道占整体的比例情况；

销售部人员，想查看某商品在近几个月的销售情况，那么可以采用堆积柱状图来展示；

市场部渠道来源 销售部商品销售情况

三、选择图表

明确目标信息后，根据数据关系，选择数据展示类型：

1、比较：以每个项目下的单个或多个变量、多个分类在时间维度上进行的数据对比；

      常用图表：柱状图、条形图、折线图、雷达图；

2、分布：以一个或多个变量在某维度上的分布情况，找出规律；

      常用图表：正态分布图、散点图、曲线图；

3、构成：同一个数据系列下每个分类的占比情况；

      常用图表：堆积图、饼图、圆环图；

4、联系：多个变量之间的变化趋势；

      常用图表：桑基图、散点图、气泡图；

图表建议

四、详解常用图表

1、柱状图

定义：显示各项目之间的数据对比，或一段时间内的数据变化；

适用场景：1个或2个数据集比较；

优点：直观的表现出个体之间的差异

缺点：不适合多个数据集、多维度的比较

柱状图

2、折线图

定义：显示相等的时间间隔内的数据变化

适用场景：以时间为横轴，显示数据变化趋势

优点：强调时间性

折线图

3、雷达图

定义：以一个中心点对应多个维度数据间的变化

适用场景：用于综合能力的分析

优点：可以直观的看出多维度下的整体情况

缺点：维度不宜过多，最好不要超过8个，维度过多可能会无法清晰的看出优劣

雷达图

4、散点图

定义：显示单个或多个数据系列在某个维度上的变化趋势

适用场景：趋势的预测、数据集的拟合情况，常用于AI产品

优点：当测试集在训练模型上进行测试后，可以很直观的看出结果是否拟合

缺点：适用场景较少，数据较小的情况下，无法进行预测

散点图

5、饼图

定义：显示同个数据系列中每个分类占总数的比例情况

适用场景：描绘单个系列的多个分类的数据分析

优点：直观的反映出多分类的比例关系

缺点：分类过多过细，导致饼图无法完全展现

饼图

6、圆环图

定义：显示单个或多个数据系列内的每个分类占总数的比例情况

适用场景：描绘单个系列的多个分类的数据分析

优点：可含多个数据系列

缺点：多个数据系列可能会造成用户对数据的理解偏差

圆环图

最后的话

以上介绍的图表是单一图表，也存在很多组合型图表，比如柱状图+折线图、饼图+圆环图、折线图+堆积图等，都是需要结合业务场景来设计图表。

这一章讲了先确定查看数据表的使用者、目的等相关信息，再根据数据关系，选择以哪种图表类型去展现；下一章将会从图表的元素、交互展开分析。

以上为数据产品小白的图表浅析，还望小伙伴们指点、一起探讨！

参考图片：

https://www.echartsjs.com/examples/zh/index.html?theme=light#chart-type-line