数据可视化产生生产力

数据可视化就是借助于图形化手段，清晰有效地进行信息传达与沟通。许多人会着眼于“可视化”，认为数据可视化就是将一系列看上去很炫、很复杂的图表展示在页面上。其实不然，虽然可视化脱离不了各种图表类型，但并不意味着要以增加用户理解难度为代价去实现复杂的功能；或者为了看上去绚丽多彩而失去其最根本的意义：传达与沟通。

数据可视化产生生产力

数据可视化之所以会大受欢迎，其原因不仅在于能带给用户良好的的视觉效果，更因为它能够产生生产力，形成数据驱动闭环，主要包含以下几个阶段：

• 技术人员运用技术手段将需求分析、基础数据整合、数据计算等操作结合到一起进行数据可视化，实时监控数据的变化情况。
• 用户能够使用这些可视化图表，进行分析、对比等操作，定位业务问题。之后再结合业务变动提出新的需求。
• 技术人员将用户访问数据与新的业务需求结合，重新进行数据整合、分析、计算，循环往复下去。

如下图所示：

图1. 数据驱动闭环

实现用数据可视化的方式不断驱动业务的提升，产生生产力、创造收益。

如何使数据可视化产生生产力？

满足这一目的的前提在于－－“创造出都能读懂、易于操作、能够提前预警的图表”，关键因素有以下几点：

1、选择合适的图表类型

选择图表的时候，许多人认为基本图表太过简单，不够高端大气，因而更倾向选择复杂的图表类型。实际上越简单的图表越容易理解，对用户的友好程度越高。只要能够高效清楚地传达业务含义，就应该优先选择。

例如，饼图比较适合反映某个部分占整体的比重，而折线图能更好的反应数据变化的趋势；分组柱状图和堆叠柱状图都能够显示数据集的分组情况，但是彼此间的差异却让它们在特定情况下显得更加强大。在比较同一分类不同组的数据或者同组不同分类的数据时，分组柱状图更能体现优势；然而在比较每个分组之间的总量时，堆叠柱状图显然更加合适。下面分别使用这两种图表在展示不同地区、不同年龄段人口数量分布时显示的效果：

图2. 分组柱状图（Grouped Bar Chart)

图片来自：https://bl.ocks.org/mbostock/3887051

图3. 堆叠柱状图（Stacked Bar Chart)

图片来自：https://bl.ocks.org/mbostock/3886208

要想让受众读懂图表所表达的业务含义，就要选择合适的图表类型。在选择时，首先需要清楚的知道不同图表的优劣以及它们适合的应用场景；除此之外尽量选择一些简单的、易于理解的图表类型。但这不意味着不能选择复杂的图表类型，有的图表虽然看起来比较复杂，但是却能很好的反映一些业务场景，再辅助一些文字说明等其他手段，降低用户的使用难度，也未尝不可。

选择图表时，以业务为基础。只要能够清晰地表达业务数据背后含义，不让用户产生歧义，都值得考虑。

2、易用的、多维度的交互分析

随着数据类型的多样化，数据间的关联关系也越来越复杂。仅仅展示单维度的数据，是无法让用户轻易发现数据之间的联系、挖掘出更多业务价值的。同样，若是交互方式过于复杂，也只会增加用户的使用难度而已，不利于业务长期发展。因此易操作的、多维度的交互分析对于数据可视化来说必不可少。多维度的分析方式有很多种，以下是常见的几种：

• 钻取： 将汇总数据拆分到更细节的数据；在维的不同层次间的变化，从上层降到下一层。
• 上卷： 钻取的逆操作，即从细粒度数据向高层的聚合。
• 切片： 选择维中特定的值进行分析。
• 切块：选择维中特定区间的数据或者某批特定值进行分析。
• 筛选： 通过不同的维度或者类别过滤出用户想要的数据。
• 联动：若干个相关联的图表，一个图表发生变化，其他的也会跟着发生变化。

下面是一些图表的样例：

图4. 树图（不同数据层次，可以进行数据的钻取、上卷的等等操作)

（图片来自：https://bl.ocks.org/mbostock/1093025）

图5. 同步联动图（图中显示的是在某一到达距离时的速度、高度以及心率）

（图片来自：http://t.cn/RoUdHCX）

有选择的将不同交互方式进行结合，能够发挥出更强大的作用。再辅助高效灵活的追加合并、拖曳式操作进行数据的挖掘分析，就可以帮助用户快速定位问题，释放劳动力，提升效率，不再需要程序员花费大量精力在日志文件中寻找问题的原因。同时通过各类数据的横向、纵向对比，业务人员能够从中挖掘出更多的业务需求，创造更大的商业价值。

3、预警功能

数据可视化除了能够帮助定位已有的问题，另外一个更大的价值是能够及时预警。

一旦数据出现异常或者是提前预定义的一些条件被满足时，警报就会被触发，提前预警。通过设置报警方式、报警策略、报警等级等等，根据紧急程度用不同的方式通知特定的人群。这样在问题发生之前，就能预先做好防护措施；或者在问题发生的时候，能够及时通知负责人，尽快解决问题。这样不仅能缩短反馈周期（发现问题－找到责任人－定位问题－解决问题），也能降低对用户的影响，提升用户对产品的信任度，很好的降低业务损失。

总结

除了上述提到的一些关键因素，好的数据可视化平台、产品也有许多其他的共性： 友好的用户体验设计，页面的交互逻辑要符合真实的用户路径； 可以多终端使用 ，尤其要能契合移动端体验的可视化设计实现，使得人与数据零距离，随时随地可用；强大的数据整合、计算、渲染能力，就算图表表达的业务含义再精确，性能的缺失也是致命的。 支持多种数据源整合、多数据类型的扩展等等。 对产品用户使用情况进行监控、分析。了解真实用户人群、用户路径、用户的核心关注点，帮助产品进行改善

总之，好的数据可视化，就是要以用户为中心。根据目标用户的需求提炼业务需求，以用户的良好体验为目标，绘制出人人都能读懂的图表；以人人都会的交互方式，帮助用户挖掘业务价值，提升工作效率，促进业务持续发展，让数据可视化产生生产力。

资源来自网络，如有侵权请联系我删除。