无论数据总量和复杂程度如何，数据间的关系大多可分为三类：比较/构成/分布&联系。

基于分类/时间的数据对比，通常需用到比较型图表。比较条目较少时，如5个地区收件量的对比，可选用柱状图表示。

条形图当条目较多，如大于12条，移动端上的柱状图会显得拥挤不堪，更适合用条形图。一般数据条目不超过 30条，否则易带来视觉和记忆负担。柱形图还有许多丰富的应用。例如堆积柱形图，瀑布图，横向条形图，横轴正负图等。

看趋势–折线图当X轴为连续数值（如时间）且注重变化趋势时，则适用折线图。

扩大差异–南丁格尔玫瑰图。由于扇形的半径和面积是平方的关系，南丁格尔玫瑰图会将数值之间的差异放大，适合对比大小相近的数值。玫瑰图也适于表示周期/时间概念，比如星期、月份。依然建议数据量不超过 30条，超出可考虑条形图。

当比较正反两类甚至更多维度的数据时，可试尝试双向条形图。用颜色区分大区，空心/实心区分收件量和派件量，既能整体比较大区，又能详细对比地区的情况。

打怪升级，再加点难度。在双向图上再增加一个维度，如下表，比较 5个地区的利润及相应的收入和成本。请先思考一下，再下滑看推荐图表。

通过图形一眼就能看出深圳区的利润低于广州区，即使它的收入高于广州区，但成本相对来说高于广州区。

目标达成–子弹图考察指标的达成情况，如收入达标情况及所处区间（优、良、差）。

子弹图，因为像子弹射后带出的轨道。相较于仪表盘，它能够在狭小的空间中表达丰富的数据信息，在信息传递上有更大的效能优势。

若还要比较4个季度的收入情况，只需用不同颜色区分。如下图，一眼便知第二季度表现较好，而第一季度则不佳。

性能–雷达图。多维的性能数据，如综合评价，常用雷达图表示。在游戏中看到它比较多。它在商务、财务领域应用较大，适合用在固定的框架内表达某种已知的结果。常见于经营状况，财务健康程度。

指标得分接近圆心，说明处于较差状态，应分析改进；指标得分接近外边线，说明处于理想状态。比如我对企业财务进行分析，划分出六大类：销售、市场、研发、客服、技术、管理。通过雷达图绘制出预算和实际开销的维度对比，会很清晰。如下图：

以上就是“比较”类的常用图表，归纳如下：

一个整体被分成几个部分。这类情况会用到构成型图表，如五大区的收件量占比、公司利润的来源构成等。

单层–饼状图

第1关中，对比5个地区的收件量时用到了柱状图。若看占比情况，饼状图更合适。饼图是有缺陷的，它擅长表达某一占比较大的类别。但是不擅长对比。30%和35%在饼图上凭肉眼是难以分辨出区别的。当类别过多，也不适宜在饼图上表达。

如果变成 17个地区，会怎样？饼图分类一般不超过 9个，超过建议用条形图展示。

除饼图外，环形图（甜甜圈图）亦可表示占比，其差异是将饼图的中间区域挖空，在空心区域显示文本信息，比如标题，优势是其空间利用率更高。

分层–环形图、旭日图

对于管理层而言，需先把握大局和重点。比如大区负责人需一眼看到重点地区及重点分部的情况（如下图），如何展示？

这个叫旭日图，逐层下钻看数据，大区的重点地区及相应分部的构成情况一目了然。

累计趋势–堆叠面积图

看数值构成随时间变化的案例：第一大区（包含四个重点地区）近四年收入构成的趋势要如何可视化？

推荐方案是堆叠面积图，可以展现分量（地区）对于总量（大区）的贡献，并显示总量（大区）的变化过程。需要说明的是，地区收入的起点并非从 y=0开始，而是在下面的地区基础上逐层叠加，最后组成一个整体。

面积图最佳设计指南：波动较大的类别放在最上面、使用透明色、不要超过4个类别，y轴从0开始，不要用面积图展示离散数据，只有连续数据有中间值。

累计比较–堆叠柱状图

如果将上图X轴的标签文字（即年份）和图例（即地区）互换（如下图A），用来看每个地区近四年的收入构成，用哪个图更合适？

堆叠面积图 A方案和堆叠柱状图 B方案都可以表现累加值。差别在于，堆叠面积图的 x轴是连续数据（如时间），堆叠柱状图的 x轴是分类数据。此案例中的 x轴是非连续的分类数据，因此用 B方案更适合。

累计增减–瀑布图

若想表达两个数据点间数量的演变过程，可使用瀑布图。开始的一个值，在经过不断的加减后，得到一个值。瀑布图将这个过程图示化，常用来展现财务分析中的收支情况。

通过分布&联系型图表能看到数据的分布情况，进而找到某些联系，如相关性、异常值和数据集群。

两个变量–散点图

仍以业务为例，下图为全国网点的单票成本/收入分布情况。

单单这样看，可能看不出什么，如果加两条平均线就不一样了。

加了平均线，就知道哪些网点高于平均线，哪些低于平均线。但网点那么多，总不能逐个点击查看是哪个大区的，给散点加上颜色后，就很有意义了。

通过此图，可以看出哪些大区单票利润较低，急需提升，比如广泛聚集于右下角的第四大区，单票收入低于平均线，单票成本却高于平均线。

三个变量–气泡图

大家都知道，网点总利润除了和单票利润有关，还和体量（即收件量）有关，用散点的面积大小表示收件量，就变成了气泡图。

一切和空间属性有关的分析都可以用到地理图。比如各地区销量，或者某商业区域店铺密集度等。气泡图与地图结合可演变为热力图。通过热力图，能看到哪些网点收派件量较多，需进行资源调配。

地理图一定需要用到坐标维度。可以是经纬度、也可以是地域名称（上海市、北京市）。坐标粒度即能细到具体某条街道，也能宽到世界各国范围。POI是很重要的要素。POI是“Point of Information”的缩写，可以翻译成信息点，每个POI包含四方面信息，名称、类别、经度纬度、附近的酒店饭店商铺等信息。借助POI，才能按地理维度展现数据

最佳设计指南：一、使用细的地图轮廓线；选择合适的配色；少用填充图案；选择合适的数据区间。

用户行为分析，将浏览、点击、访问页面的操作以高亮的可视化形式表现。下图就是用户在Google搜索结果的点击行为。

总结：当我们拿到数据后，先提炼关键信息，明确数据关系及主题，再选择合适的图表进行可视化。

好的可视化是会讲故事的，它向我们揭示了数据背后的规律。对可视化的使用认知或许来源于下面这张图。虽然结构清晰，但它只针对Excel图表，不够丰富。

数据分析中经常会提及维度。维度是观察数据的角度和对数据的描述。我们可以说地区是一种维度，这个维度包含上海北京这些城市。也可以认为销售额是一个维度，里面有各类销售数据。维度可以用时间、数值表示，也可以用文本，文本常作为类别。数据分析的本质是各种维度的组合

维度主要是三大类的数据结构：文本、时间、数值。地区的上海、北京就是文本维度（也可以称为类别维度），销售额度就是数值维度，时间就是世界

数值维度可以通过其他维度加工计算得出，例如按地区维度，count出有多少是上海的，有多少是北京的。维度可以互相转换。比如年龄原本是数值型的维度，但是可以通过对年龄的划分，将其分类为小孩、青年、老年三个年龄段，此时就转换为文本维度。

1.箱线图

箱线图一般人了解的不多，它能准确地反映数据维度的离散（最大数、最小数、中位数、四分数）情况。凡是离散的数据都适用箱线图。

下图就是箱线图的典型应用。线的上下两端表示某组数据的最大值和最小值。箱的上下两端表示这组数据中排在前25%位置和75%位置的数值。箱中间的横线表示中位数。

2.关系图

展现事物相关性和关联性的图表，比如社交关系链、品牌传播、或者某种信息的流动。

有一条微博，现在想研究它的传播链：它是经由哪几个大V分享扩散开来，大V前又有谁分享过等，以此为基础可以绘制出一幅发散的网状图，分析病毒营销的过程。关系图依赖大量的数据，它本身没有维度的概念。

3.矩形树图

上文说过，柱形图不适合表达过多类目（比如上百）的数据，那应该怎么办?矩形树图出现了。它直观地以面积表示数值，以颜色表示类目。

下图中各颜色系代表各个类目维度，类目维度下又有多个二级类目。如果用柱形图表达，简直是灾难。用矩形树图则轻轻松松。

电子商务、产品销售等涉及大量品类的分析，都可以用到矩形树图。

4.桑基图

比较冷门的图表，它常表示信息的变化和流动状态。

5.0漏斗图

大名鼎鼎的转化率可视化，它适用在固定流程的转化分析，你也可以认为它是桑基图的简化版。转化率也可以用几组数字表示，不一定做成漏斗图。

可读性**

图表的首要功能是解释，而不是设计，尤其大部分图表都会落入到过度设计的陷阱。

客观性

数据的解读因为每个人的观点和视角不同，可以呈现诸多的结果。这也是我们常说统计学会撒谎的原因。

下图是一张销售额柱形图，看来销售额没有啥特大变化嘛。

换另外一种图表展示。就看到了变化的增长趋势。

实际上两张图表的数据没有任何差异，为什么呢？区别只在坐标轴。第一张图的Y坐标轴起始为0，第二张图起始是2.45。第二张是截取了部分的柱形图。

统一性

如果图表整体颜色是冷色调，那么就不要再加入暖色。

如果图表文字是雅黑，就不要再加入宋体。

如果某地区数据，用了柱形图对比，其他地区也遵循柱形图样式。

如果某图表，女性使用红色，男性使用蓝色，那么这一规范应该在所有图表体现。除了颜色，其他设计元素同理。

如果有多张图表，图表元素应该统一，如标题、坐标轴刻度、坐标轴位置等。

用户为啥会有「将数据转化成图表」的需求？

最终的答案一定是回归到企业管理的「第一性原理」——开源节流。企业需要数据去分析如何才能节省更多钱，如何才能赚更多钱。未来的 BI的产品不能将自己定位为「工具」，而是应该定位为「服务」。

1.0从流程来看，探索性可视化是这样的：

此类可视化集中在图表的微观功能上，像辅助线、预警、各种图表类型等。

2.0解释性可视化需求

一般集中在完成了数据探索，并且形成一定数据洞察后的 story-telling场景。大家在网上看到的一些「一张图搞懂 XXX」、「一张图了解 XXX」就属于解释性可视化。

此类集中在整体的图表可视化上，比如将多个图表组合起来，制作成一份报告或者故事版，所以会提供类似标题编辑器、排版编辑器等功能。目前市面上的 BI产品，像网易有数、BDP、Tableau、PowerBI都是采取这种模式

1.这种偏业务型的产品框架，并不太适合国内市场。

因为这类产品面向的用户基本上是专业用户（数据分析师），而忽略了一个事实——大部分中国企业并没有设立专门的数据分析岗位。有能力配备数据分析师的企业一般都是中大型企业，他们付费能力可能比较强，但是也意味着用户量会较少。

专业用户对应的是数据分析师，而半专业用户则对应的是类似财务、销售、HR等，在业务上专业但数据分析上不专业的用户。这类用户的日常工作一般集中在解释性可视化上面，比如年终总结、年度规划、每月汇报中都需要利用到数据可视化。这类用户的流程是这样的：

[图片上传失败...(image-e6e0b4-1556103840929)]

用户导入数据，无需太复杂的操作，即可直接生成图表。存在问题：

可视化的理解：信息可视化就是用图形正确的表现复杂的信息和逻辑关系，

•通过图片特有的美观和趣味性，吸引读者•通过最优表现形式，使内容更易懂

•拉近读者与产品的距离，提升品牌认知度

作品一：安全产品首页展示

创作灵感：从需求文档中看到这些子产品名字有御前卫、八卦阵、御城河……当时就觉得非常有意思，脑海中立刻浮现出一个古城的画面，古城周围有士兵、有八卦阵、有御城河等。跟视觉设计师表达这个想法后大家一拍即合，最终产出了这个方案。中间的城楼最开始是红色的，有点太抢眼，为了避免喧宾夺主又体现出数据被保护的感觉，就把它改成了这种半透明的、很数据化的虚拟感觉。

作品二：产品结构图

创作灵感：通过竞品分析发现国内外同行在这方面都非常下功夫，所以我们也要力求用一张图来把产品结构和关系描述清楚。下篇文章会讲具体的设计过程。

作品三：使用流程示意图

创作灵感：产品经理给出的这个图很严谨，但是对于用户来说理解起来比较困难，因此先用线框图把它简化为单向的流程图，但这样又不够美观和直观。心灵手巧的视觉设计师经过图形的美化，巧妙解决了这个问题。

修改中（局部）：

改良后：

作品四：方案描述示意图

也是先梳理信息逻辑，用更易懂的方式去表现，再通过视觉设计师美化。

改良图：

把一件事情做好，首先要知道做好的标准是什么。把这些失败的作品放到一起，就可以大概得出失败的原因是什么，而好的标准又是什么。

[图片上传失败...(image-cf4898-1556103840928)]

从表现形式的角度“信息图表”作为视觉工具应包括以下六类：图表、图解、图形、表格、地图、列表。

按照形式特点我们常把图表分为关系流程图、叙事插图型、树型结构图、时间分布类及空间解构类五种类型。

1、关系流程类图表

2、叙事插图型图表

叙事性图表就是强调时间维度，并随着时间的推移，信息也不断有变化的图表。

3、树状结构示意图

把繁复的数据通过分支梳理的方式表达清楚。运用分组，每组再次分类的主体框架表示主从结构。

4、时间表述类示意图

时间表述类示意图只要以时间轴为中心加入文字数据即可。从设计的角度来看，将主题融入图形设计中，挑选重要事件点解读，就可以使画面精美，加深理解力度。

5、空间结构类示意图

运用设计语言把繁杂结构模型化、虚拟化是空间结构示意图存在的意义

这个流程需要协作完成，数据需要筛选和整理，精准是首要条件，其次是梳理。找出出主线逻辑，筛选次要内容从而进行精心的设计。

1、基础图形创意

柱状图和饼状图是最常用的两种基础图形，但是简单的几何形态很难给人设计感。对基础图形的创意来突出设计主题，就可以取得一举多得、事半功倍的效果

上面图片中左右的内容是完全一致的，但右图即使读者不详细关注也可心领神会。

2、高吸引度与视觉亮点

从传统网页到社交微博，用户对信息的浏览速度也越来越快，高吸引度便是最宝贵的财富点。

3、画面简洁明了

4.象征图示

在设计的上要注重保持风格的统一，这样才能让人视觉连贯、赏心悦目。

1、饼图顺序不当

饼图是一种非常简单的可视化工具，但他们却常常过于复杂。份额应该直观排序，而且不要超过5个细分。有两种排序方法都可以让你的读者迅速抓取最多的重要信息

方法一：将份额最大的那部分放在12点方向，逆时针放置第二大份额的部分，以此类推。

方法二：最大部分放在12点，然后顺时针放置

2、在线状图中使用虚线

虚线会让人分心，而是用实线搭配合适的颜色更容易彼此区分

3、数据摆放不直观

你的内容应该符合逻辑并于直观的方式引导读者阅读数据。对类目进行按字母，次数或数值大小进行排序

4、数据模糊化

确保数据不会因为设计而丢失或被覆盖。例如在面积图中使用透明效果来确保用户可以看到全部数据

5、耗费读者更多的精力

要通过辅助的图形元素来使数据更易于理解，比如在散点图中增加趋势线

6、错误呈现数据

确保任何呈现都是准确的，比如，气泡图的大小应该跟数值一样，不要随便标注

7、在热图中使用不同颜色

一些颜色比其他颜色突出，赋予了数据不必要的重元素。反而你应该使用单一颜色，然后通过颜色的深浅来表达

8、柱状过宽或过窄

柱子与柱子之间的间隔最好调整为宽的1/2

9、数据对比困难

对比是呈现差异的有效方式，但如果你的读者不易对比时，效果就大打折扣了。确保数据的呈现方式一致，可以让你的读者对比

10、使用三维图

尽管这些图看来让人振奋，但3D图也容易分散预期和扰乱数据，坚持2D是王道

数值可视化的本质就是用各种视觉属性来表达数据值的大小。视觉属性有这么几类：位置、长短、面积、颜色。对应视觉设计的点，线、面和色值。

其可视化的核心思想在于根据上下文用拟物的方式，将其与我们现世界中数值的事物联系在一起。

如果是奔跑的速度15km/h，那么可以画一个运动员跑步的图来表达这个数字。如果是奔跑的速度70km/h，那么就可以画一只猎豹奔跑，通过模糊的背景来表达奔跑的速度快。如果要描述山的高度5km，就可以画以座耸入云霄的山，给人一种高山的直观形象，更多的创意设计都可以围绕想象展开

汽车行驶的速度，分为慢速、中等和超速，如下左图所示。在表达评价信息时，你需要根据背景展开联想。比如说：降水量50毫米，我们可能想象到的就是用一个试管接了50毫米深的水。

一维表格如下图所示，数据表格中只有一行或者一列数据。我们需要对数据可视化的目标进行分析，跟进目标可将数据分为以下几类:

•强调绝对数值的数据；

•强调趋势的数据；

•百分比数据；

•不同类型的数据。

3.1.1柱状图

收入10000元的就是收入5000元的2倍，GDP一万亿就是五千亿的两倍，这种数据称之为等比数据。柱状图的阅读者一般视觉会被柱子本身所吸引，不会去注意纵轴的起点，用户往往会默认柱子的长度代表绝对数值的大小。所以柱状图的纵轴的起点必须从零开始。

3.1.2直方图

直方图数据本质的区别在于表达连续的区间上数量的分布。统计学中，直方图的纵轴要求是计数数据，也就是说，直方图是用于统计某个区间内的对象个数。

3.1.3柱状图变式：条形图

条形图还有一个很大的排版优势，能将文字和条形在一侧显示，能够对分类附加说明。在中国，如果不是因为排版的原因，请慎用这种横向的条形图。

3.1.4柱状图变式：计数条形图

3.1.5柱状图变式：径向柱状图、径向条形图、螺旋图

为了适应排版的区域，或者增加图形的趣味性，会对柱形图进行扭曲变形。

3.1.6柱形图变式：用拟物代替柱子

在平面设计，海报宣传页面中，一般会添加拟物的元素，使得数据的表达更加生动。其基本的思路都是围绕着数据主体展开联想，用拟物的对象代替柱子。

示例1：如果描述的是足球相关的内容，那么可以用踢球的形象代替柱子。

示例2：如果描述的是星体相关的内容，那么可以用星体的形象代替柱子。

示例3：如果描述的是男女差异，那么可以用男女的形象代替柱子。

示例4：如果是抽烟相关的数据，正好用烟头的形状代替柱子。

示例5：如果是山的高度，那么可以用山的形态。

3.1.7柱形图变式：按某些维度展开重组设计

上一节中，用拟物代替柱子的思路仍然是在柱状图的框架下的。但是很多时候，甚至可以抛开柱状图的束缚，根据关键词展开联想。在联想的过程中，我们只需要记住第一章中提到的数据可视化的本质：通过位置、长短、大小、颜色四个视觉元素来表示数据大小。

示例2：城市和省份PM2.5值（假设数据）

这种数据只能以地点为关键词展开，以地图的方式呈现。

PM2.5是一个没有形象的概念，所以可视化的时候，不太可能在PM2.5上面展开。那么这种数据只能以地点为关键词展开，以地图的方式呈现。

省份在地图上本身就是一个形状大小固定的面，可以通过颜色热力图来表示数值（下图，左）。

示例3：各网站访问量

例4：迁徙地图

单个城市的迁徙图的数据原型仍然是一维数组。以地图为维度展开设计时，需要表达的是各个城市与北京的连线。连线的长短信息已经被城市到北京的距离所用，于是只能用连线的颜色来表示数值。

3.2强调趋势的数据

3.2.2折线图的变式：曲线图

3.2.3折线图的变式：均线图

3.2.4折线图的变式：面积图

3.2.5折线图的变式：股指走势图

一般来说，百分比的数据使用饼图（或环形图）的方式表达，这是最常规的。

环形图与饼图不同点在于环形图可以将主题与图更好地融合。

3.3.2饼图变式：将饼形转化成对象拟物形态。

示例一：如果是描述人体的成分，那么可视化可以围绕人形展开，将饼的形状变成人的形状。

示例二：如果你想描述各类行业人群占比，那么你可以考虑画出100个人，各类行业的人用不用样式的图形，如左下图所示；而当你想描述各类枪杀案件枪支的来源，下右图所示。

STEP1：确定表意正确

“正确”是信息图最基本的要求，所以这里首先要确保信息图的内容是正确的。

对于业务比较复杂难理解的产品，可以让产品经理先根据自己的理解画一个图，设计师和产品经理进行沟通，确认双方的理解是一致的。

《淘宝技术这十年》里有一句话说的好“好的架构图充满美感”。淘宝工程师用十年的时间证明了这件事。而其实不仅是技术架构图，好的流程图、结构图、信息图等都充满美感。

怎样优化信息图的表达形式呢？如果是一个逻辑比较复杂的结构图，可以这样：

虽然逻辑没有错误，但是箭头有交叉，看起来不美

[数据可视化]

本文编译自：Ross Crooks

数据可视化是指将数据以视觉的形式来呈现，如图表或地图，以帮助人们了解这些数据的意义。通过观察数字、统计数据的转换以获得清晰的结论并不是一件容易的事。而人类大脑对视觉信息的处理优于对文本的处理——因此使用图表、图形和设计元素，数据可视化可以帮你更容易的解释数据模式、趋势、统计数据和数据相关性，而这些内容在其他呈现方式下可能难以被发现。

数据可视化可以是静态的或交互的。几个世纪以来，人们一直在使用静态数据可视化，如图表和地图。交互式的数据可视化则相对更为先进：人们能够使用电脑和移动设备深入到这些图表和图形的具体细节，然后用交互的方式改变他们看到的数据及数据的处理方式。

我们必须用一个合乎逻辑的、易于理解的方式来呈现数据。但是，并非所有数据可视化作品的效果都一样好。那么，如何将数据组织起来，使其既有吸引力又易于理解？让我们通过下面的16个有趣的例子获得启发，它们是既注重风格也注重内容的数据可视化经典案例。

1：为什么会有“巴士群”现象

这里有一个关于复杂数据集的很好的例子，它看起来感觉像一个游戏。在这个例子里，Setosa网站为我们呈现了“巴士群”现象是如何发生的，即当一辆巴士被延迟，就会导致多辆巴士在同一时间到站。

只用数字讲述这个故事是非常困难的，所以取而代之的是，他们把它变成一个互动游戏。当巴士沿着路线旋转时，我们可以点击并按住一个按钮来使巴士延迟。然后，我们所要做的就是观察一个短暂的延迟如何使巴士在一段时间以后聚集起来。

2：世界上的语言

这个由DensityDesign设计的互动作品令人印象深刻，它将世界上众多(或者说，我们大多数人)语言用非语言的方法表现出来，一共有2678种。

这件作品可以让你浏览使用共同语言的家庭，看看哪些语言是最常用的，并查看语言在世界各地的使用范围。这是一种了不起的视觉叙事方法：将一个有深度的主题用一种易于理解的方式进行解读。

3：按年龄段分布的美国人口百分比

应该用什么方式去呈现一种单一的数据？这是一个令人信服的好榜样。

Pew Research创造了这个GIF动画，显示人口统计数量随着时间推移的的变化。这是一个好方法，它将一个内容较多的故事压缩成了一个小的动图包。此外，这种类型的微内容很容易在社交网络上分享或在博客中嵌入，扩大了内容的传播范围。

4：NFL(国家橄榄球联盟)的完整历史

体育世界有着丰富的数据，但这些数据并不总是能有效地呈现。然而，FiveThirtyEight网站做得特别好。

在下面这个交互式可视化评级中，他们对国家橄榄球联盟史上的每一场比赛计算“等级分”––根据比赛结果对球队实力进行简单的衡量。总共有超过30,000个评级，观众可以通过比较各个队伍的等级分来了解每个队伍在数十年间的比赛表现。

5：Google Flights上的美国感恩节

下面是将一段时间内在空中移动的物体进行可视化的好方法。这是由Google Trends驱动的项目，它跟踪感恩节前出发、到达和穿越美国的航班。

可视化始于当天很早的时间，随着时间的推移，像播放电影一样显示在全国各地飞行中的航班。不需要显示时间外的任何数字，观众即可以看到当天哪段时间是国际航班、国内航班以及往返于全国各地不同枢纽的航班的热门时间。

6：是什么真正造成了全球变暖?

我们都知道，“不要只简单地展示数据，讲个故事吧”。这正是彭博商业正在做的可视化——用互动的方式来讲述故事的来龙去脉。。

此图的关键是要反驳用自然原因解释全球变暖的理论。首先你会看到从1880年至今观测到的温度上升情况。为了使故事内容更加丰富，当你向下滚动时，这个可视化图会让你清楚的了解到相较于已被观测到的因素，造成全球变暖的不同因素到底有多少。作者希望观众能够得到非常清晰的结论。

7：在叙利亚，谁和谁在战斗？

许多不同的团体之间的关系可能令人很难理解–尤其是当有11个这样的团体存在的时候。这些团体之间有的结盟，有的敌对，反之亦然。这让人难以理解。

但是，Slate网站通过表格的形式和熟悉的视觉表达，将这些数据简化为一种简单的、易于理解和可交互的形式。观众可以点击任一张脸来查看双方关系的简要描述。

8：最有价值的运动队

这是通过叠加数据来讲述深层故事的一个典型例子。

这个交互由Column Five设计，受福布斯“2014年最具价值的运动队50强”名单得到的启发。但是它不仅将列表可视化，用户还可以通过它看到每支队伍参赛的时间以及夺得总冠军的数量。这为各队的历史和成功提供了更全面的概况信息。

9：美国风图

下面是一个类似感恩节航班的可视化图，除了图中显示的时刻，它还能实时显示美国本土的风速和风向。

它是直观设计的一个很好的案例：风速用线条移动的快慢来表示，方向通过线条移动的路径来表示。它会即时显示美国风向的总体趋势，无需任何数字，除非你在地图上点击鼠标。另外，使用时设定最多两个变量会使它更容易操作。

10：政治新闻受众渠道分布图

据Pew研究中心称，当设计师在信息内容很多又不能删的时候，他们通常会把信息放到数据表中，以使其更紧凑。但是，他们在这里使用分布图来代替。

为什么呢？因为分布图可以让观众在频谱上看到每个媒体的渠道。在分布图上，每个媒体的渠道之间的距离尤为显著。如果这些点仅仅是在表中列出，那么观众就无法看到每个渠道之间的对比效果。

11：著名创意人士的日程安排

这个数据可视化图是用奇特的想法描绘出的一个简单概念。这个表格利用Mason Currey的《日常惯例》一书中的信息展示了那些著名创意人士的日程安排，解读其时间和活动安排。这不仅是一个数据分析的例子(因为你可以通过单独的活动来浏览日程安排)，也是一个品牌宣传的佳作。

12：今年发生了哪些新闻?

最好的数据可视化方式，就是用直观和美丽的方式传达信息。Echelon Insights致力于这一方式，将2014年Twitter上最受关注的新闻进行了可视化。

1亿8450万条推文是什么样子？就是如下图所示的艺术品。

13：问题的深度

当你想强调规模的时候，静态数据可视化是表达你的观点的极佳方式。下面这张来自《华盛顿邮报》的信息图长得令人难以置信…这是故意的。他们在图中展示了一架飞机可以探测到的深海信号是多么的深，通过比较飞机的探测深度与高层建筑、已知哺乳动物的最大深度、泰坦尼克号沉船的深度等。这是简单的视觉效果和颜色梯度的极佳使用方式。

最后，将数据添加到新闻报道中(文中为失踪的马航)是提供背景的好方式。

14：前沿预算

上述图表相对简单，以下是创造设计精致的、传递大量数据的图表的方法。秘诀何在？——用简单和干净的格式，便于读者理解数据。

这个由GOOD Magazine和 Column Five制作的图表，解读了NASA的五年预算，显示资金将怎么花、花在哪里。此外，它还有一个主题设计，这真是一个全面成功的作品！

15： Kontakladen慈善年报

不是所有的数据可视化都需要用动画的形式来表达。当现实世界的数据通过现实生活中的例子进行可视化，结果会令人惊叹。设计师Marion Luttenberger把包含在Kontakladen慈善年报中的数据以一种独特的方法表现出来。

该组织为奥地利的吸毒者提供支持，所以Luttenberger就通过现实生活中的视觉元素来宣传他们的使命。例如，这辆购物车的形象表现出受助者每一天可以负担得起多少生活必需品。

16：奥地利太阳能年报

虽然有许多方法都能使数据可视化，但是其中，使用真实信息主体去创建数据可视化作品的做法非常了不起。这份来自Austria Solar的年度报告，通过在页面上使用太阳光感墨水，用真正的太阳能给公司数据赋予生命。

一句话总结：他们是天才。

数据可视化指的是，通过商业智能BI以图形化手段为基础，将复杂、抽象和难以理解的数据用图表进行表达，清晰有效地传达信息。数据可视化是商业智能BI数据分析的延伸，分析人员借助统计分析方法，将数据转化为信息，然后进行可视化展现。

数据可视化-派可数据商业智能BI

经过数据可视化处理后，复杂的数据分析报告就转化为了商业智能BI中简洁明了的可视化报表，让企业中财务、生产、运营、销售等不同部门不同职务的员工，都能通过数据可视化获取信息，促使企业更好地发展。

最后，分析人员还可以借助商业智能BI，分别制作PC、移动、大屏等不同终端的可视化报表，形成管理驾驶舱、业务分析、企业状况、核心指标、监控预警等不同风格、功能的数据可视化，让数据分析深入企业内核，以数据为核心驱动企业健康发展。

数据可视化工具

1、可视化工具的优点就是更加轻量化，可以通过模板完成简单图表的制作。可视化工具也可以细分为两种，一种是免费和收费并行，这种可视化工具一般会有水印、功能、导入导出等方面的限制，付费解锁全功能。

另一种就是开源的可视化工具，一般可以免费使用全部功能，也能制作复杂的数据可视化报表，但是通常需要编写代码来制作可视化图表，对使用者的IT技术要求比较高。

2、商业智能BI功能比较完善，有丰富的组件模板，是一套完整的由数据仓库、查询报表、数据分析、数据可视化等组成的数据类技术解决方案。商业智能BI可以直连数据库，将不同来源数据储存到数据仓库，也拥有ETL和数据模型等数据处理能力，对数据以指标、标签的形式进行分类分级。

数据可视化-派可数据商业智能BI

在商业智能BI中，数据可视化能分别为PC、移动端、大屏制作可视化报表，只需拖拉拽就能完成数据可视化分析，制作可视化报表，还拥有详细的用户权限设置功能保护数据安全。

转载请注明：片头模版 » 信息可视化创意设计(什么是数据可视化)