【知識】資料視覺化指導-知識星球

資料視覺化的意義

1. 表達觀點

人類是視覺動物，一張簡單的資料視覺化圖表在傳遞大量資訊的同時，能更加直觀地闡述觀點，為瀏覽者帶來更深刻的印象。比如最為經典的就是1857年，南丁格爾設計的玫瑰圖。她講每月犧牲的戰士數量以及死亡原因，列成一張圖表，直觀的表達了戰爭的可怕以及軍隊醫療條件的重要性。

這張圖很簡單，但是卻真正直接客觀的將各種資料展示在女王面前，從而為軍隊贏來更好的醫療條件。這是當時的資料視覺化，也是真正的一圖勝千言的代表。

2. 發現聯絡

在錯綜複雜的資料中，很難發現不同維度和指標之間的關聯關係，透過資料視覺化的方式則可以輕鬆驗證。

日本有一家啤酒廠，收集了近 30 年的氣象資料，將其與當月的啤酒銷售情況相聯絡，繪出了“啤酒氣溫曲線”。透過這個圖表可觀察出，在市場趨於飽和的情況下，氣溫成了決定啤酒銷量升降的主要因素。於是，這家啤酒廠根據天氣情況，合理安排生產，收到了良好效果。

越來越多的企業開始重視公司自身資料的收集和處理，透過商業 BI 系統的幫助，在視覺化的圖表中，發現潛在的聯絡，以此最佳化、改進公司策略。

具體的實施主要分為獲取資料、資料處理和視覺化三步。

1. 獲取資料

資料視覺化的第一步，首先要擁有資料，資料來源主要有以下幾種：

1. 自有資料

公司運營過程中最直接的資料。比如成本資料，銷售資料。對於網際網路公司來說，註冊使用者的使用者名稱、性別、年齡、消費記錄等，這也是最關鍵、最核心的資料。

2. 爬蟲採集

網際網路上有大量的資源，比如豆瓣上有最全的書、電影的資料，京東、淘寶上有豐富的商品資料，微博上有大家討論最多的話題和微博，而這些資料常常難以直接批次獲取，需要透過寫程式的方式爬取資料。競爭對手的資料常常也可以透過爬蟲抓取。

3. 購買、合作、公共資料等

透過購買、合作的方式獲取資料，統計局等機構的網站上也會有很多資料可供研究。

2. 資料處理

1. 資料清洗

這一步需要清洗掉不合法的資料。需要根據具體的業務情況來判斷哪些是不合法的資料。比如收集到的調研問卷中，回答自己是學生，同時是媽媽的群體；在實際的業務中，會有很多類似的邏輯矛盾的資料。

2. 資料擴充

很多資料背後包含更加豐富的資訊，比如可以透過使用者註冊的手機號，擴充到歸屬地、運營商，透過 IP 可以定位的 IP 所在城市，透過使用者的 UserAgent，可以擴充使用者使用瀏覽器、作業系統、手機機型等資訊。透過資料擴充，挖掘背後更多的聯絡。

3. 資料的預處理

採集到的資料可能是百萬千萬甚至上億的數量級，常見的視覺化工具無法處理如此龐大的資料量，這一步則需要進行資料預處理，將資料聚合以及初步的統計，處理成視覺化工具容易識別和處理的格式。

3. 資料視覺化

1. 圖表的選擇

我的建議是多看案例，看過別人是如何展示的，才會知道圖表原來還可以這樣，對於相同的資料，嘗試使用多種圖表進行展示，對比檢視效果。這裡推薦 ECharts 的樣例展示頁，仔細檢視並牢記每種圖形會對後面圖表的選擇大有幫助。

關於圖表的選擇，這裡提供一些建議和思維指南：

2. 工具

我把工具分成三類：

更多工具介紹可點選閱讀原文檢視知乎上的資料視覺化工具推薦。

3. 細節處理往往很頭痛

為了讓圖表美觀、易讀在處理圖表的時候會遇到很多最佳化的細節：如下圖，當你水平排列資料標識時，資料標識會看不清，如果旋轉90度，資料標識是看清楚了，不過又浪費了很大一塊空間。選擇一個合適的資料標識格式對有些視覺化來說是個解決方案，不過也不是對所有方案都適用。

在有關地域的資料展示中，使用地圖是不錯的選擇，但也會面臨很多問題：香港、上海等地面積太小，新疆、西藏等地面積又太大；如果使用平局尺度的比例尺，會發現重點城市的顏色是最深刻度，其他省份都清一色一種刻度，難以察覺出分別，照顧到可讀性，需要考慮使用非平均的比例尺。

綜上，資料視覺化流程示意

親愛的讀者朋友們，您們有什麼想法，請點選【寫留言】按鈕，寫下您的留言。

資料人網（http://shujuren.org）誠邀各位資料人來平臺分享和傳播優質資料知識。

公眾號推薦：

好又樂書屋，分享有益處，有趣味的內容，傳播正能量。

閱讀原文，更多精彩！

分享是收穫，傳播是價值！

【知識】資料視覺化指導