搞定这10个基础图表，就能进行简单的数据可视化设计

编辑导语：在进行数据可视化设计的过程中，我们往往需要整理和分析一些图表，制作数据可视化图。那么，在确定数据可视化图之前，我们需要了解哪些基本问题呢？又有哪些常见的、可以为我们所用的数据可视化图表呢？本文作者针对这两个问题，为我们进行了详细地分析。

现代化的数据可视化的平台工具，使得数据分析结果展示变得前所未有的简单。但是想要做出一个好的数据可视化大屏展示数据分析成果，仍然需要一定数量的战略规划和设计思想。

首先制作数据可视化你要知道谁是可视化的受众，这可以帮助到你确定所需的数据类型；其次是你需要知道你的数据可视化大屏想要“讲什么的故事”（也就是想要展现什么的数据分析结果），这可以帮助到你需要使用哪种数据可视化类型。

最后你需要选择一个简单上手且效果美观，可接入多种数据源的数据可视化平台，制作数据可视化大屏当中最重要的一部分就是你需要选择正确的图表。

希望这篇文章可以帮助你更好理解基础性的数据可视化图表和数据可视化大屏，以便于你上手基础性的数据可视化大屏制作。

我们将从数据可视化前期的图表设计思路开始入手，提出一系列问题，确定好我们图表目的才能够能够选择出最佳的数据可视化类型，再进行制作。

一、确定数据可视化图之前需要问的7个基本问题

1. 你想讲什么故事？

优秀的数据可视化核心是获取数据，并通过使用数据讲述“故事”将其转化为可操作的数据大屏。数据分析是一种强大的力量，它在统计数据和指标后进行分析，让人能够直接清晰的了解到数据当中存在的情况和问题。

所以我们要在制作数据可视化前期确定好，用数据讲什么样的故事以及要传达给听众什么样的消息，这样才能够为项目或计划选择正确的数据可视化类型。

最终，达到我们制作数据可视化的目的。

2. 你想告诉谁？

选择正确的数据可视化类型的另一个关键要素是清楚地了解你想向谁讲故事？换句话说，问自己一个问题，“我的听众是谁？是领导？是访客？还是数据分析员？”

在制作数据可视化有可能是放在组织中的特定团队上，来进行项目或者业务的数据分析，或者是将公司近期的一组业务趋势或预测性见解传达给公司投资者。

制作数据可视化之前花时间研究你的受众，你将可以做出更明智的决定，即如何选择正确数据可视化图表类型来展示给最给到的受众。

3. 想分析特定趋势？

每个数据可视化项目或计划都略有不同，这意味着不同的数据可视化图表类型将适合不同的目标，目的或主题。

在获得对受众的更多了解以及要讲的故事的类型之后，就要应该明白要在预定时间内传达与特定数据集有关的特定趋势，以下三种常用的趋势图表哪种是最有效的？

• 折线图
• 柱形图
• 面积图

4. 想证明数据的构成？

如果主要目的是展示数据的构成（换句话说，显示数据的各个部分是如何构成整体的），那么选择正确的数据可视化类型对于防止消息丢失或分散很关键。

在这些情况下，最有效的可视化图表应该从以下几张类型去选择：

• 饼状图
• 瀑布图
• 堆积图
• 基于地图的图形（如果展现的信息是地理信息）

5. 想比较两组或更多组值？

尽管大多数类型的数据可视化图表可以比较两个或多个趋势或数据集，但是某些图形或图表将使你传递的消息更加明确。

如果主要目标是显示两组或更多组信息之间的直接比较，则最佳选择是：

• 气泡图
• 蜘蛛图
• 条形图
• 列式可视化
• 散点图

6. 时间轴

想要了解数据是基于时间的还是会受时间影响的，则需要选择能够为你提供特定时期内图表或比较趋势的即时预览的图表。

在这些情况下，由于考虑到图表的逻辑，数据，功能和特性，其最佳图表选择为：

• 动态折线图
• 条形图

7. 想如何显示KPI

重要的是要问自己，需要如何展示KPI，因为这不仅将决定分析活动的成功，而且还将决定可视化或数据分析结果与受众之间的共鸣程度。

如果你希望从广告系列或活动中的特定KPI获取某数据信息，以及它们如何与你目标计划内的KPI产生共鸣。如有必要，尝试不同的格式，直到找到适合的图形或图表才是正确的手段。

二、10种最常用的数据可视化图表类型

思考完我们在选择图表前的七个基本问题后，就要具体去进行操作实践，掌握好这12种最为常见的数据可视化图表类型，基本上可以进行简单的数据可视化大屏制作。

1. 号码表

何时使用数字图表？

实时数字图表本质上是一个代号，它将为你提供特定KPI的立即概览。一目了然，您可以看到任何总计，例如销售额、演变百分比、访问者数量等，这可能是最容易构建的数据可视化类型，其唯一考虑就是要跟踪的时间段。

你要显示整个历史记录还是仅显示最新季度？它是清楚标明期间使观众理解的关键是什么，你告诉的故事，添加趋势指标会将你的数字与上一个期间（或固定目标，具体取决于你先要了解的数据）进行比较。

2. 折线图

1）何时使用折线图

折线图的目的是显示趋势，加速度（或减速度）和波动率。它们显示数据在一段时间内如何变化的关系。

2）避免什么

太多的行（变量）会使图表变得复杂且难以解读，你可能还需要不断去说明细节，以提醒受众正在看哪个图例。如果变量太多，是时候考虑第二个（甚至第三个）图表来讲述这个故事了。

折线图的一个重要功能是可以将它们与其他类型的数据可视化结合起来，例如条形图，使用双Y轴（一个用于条形图，一个用于线形），可以在一个图形中显示故事的两个元素。

以下主要y轴显示订单（条形图），次要y轴显示销售总额（线）。这些指标是不同的，并且各自独立有用，但是它们一起讲述了一个引人入胜的故事。

3. 地图

何时使用地图？

地图非常适合按位置来进行地理数据可视化。地图上的数据通常显示在彩色区域图（如上）或气泡图中。由于地图在讲故事方面非常有效，因此，政府，媒体，非政府组织，非营利组织，公共卫生部门都在使用地图。

地图不仅用于显示数据，还用于显示数据。他们也根据数据可视化呈现的实时监控结果直接采取行动。这是EasyV做的某水利监控大屏，其中对水利自然灾害现象进行实时监控，以便快速实时决策。

4. 瀑布图

何时使用瀑布图？

这个图表用静态的形式来表现了信息丰富数据的功能，它显示了设定时间段内的数据构成，说明了有助于理解总体累积效应的正值或负值。

减量和增量会导致累加值在各个点处落在轴的下方或上方，从而清楚地了解初始值的影响方式。它通常用于财务部门和分析目的，通常用于描述收入或利润的变化。

5. 条形图

条形图共有三种类型：水平（从左到右）、列（向上和向下）和堆叠（可以是任意一种）。尽管它们都属于同一图表系列中，但每个都有不同的用途。

• 水平条形图：水平图非常适合比较排名；
• 柱状图：是显示时间顺序数据（例如特定时期内的增长）以及比较各个类别的数据的标准；
• 堆积柱形图：堆积图处理零件之间的整体关系。

6. 饼图

我们知道饼图并没有很多作用，但是在某些方面做得很好，饼图在演示静态时间范围内特定变量的比例组成时非常有用：

1）当单个数值的总和达到100％时

“零与整的关系”以明显的方式内置在饼图中，乍一看，任何用户都知道饼图将总体分为几部分，而这些部分的总和等于100％。

2）当不需要具体数值而只需要知道占比时

与条形图相比，估计饼图的百分比值更容易。

这是因为饼图具有不可见的比例，在圆圈的四个点处内置了25％，50％，75％和100％。我们的眼睛可以轻松地理解这些比例，从而推动人们讨论变量的作用和不占大部分。

3）当变量的比例不大或没有组合时

当回答诸如“最大的两家供应商控制着65％的市场？”之类的问题时，饼图非常有用。

7. 散点图

何时使用散点图？

散点图不仅有趣，而且它是在大型数据集中寻找相关性时所需要的。数据集必须与因变量和自变量成对。依存关系（一个彼此依赖）成为y轴，独立的成为x轴。

当数据分布在绘图上时，结果显示相关性为正，负（每个程度不同）或不存在。添加趋势线将有助于显示相关性及其在统计上的显着性。

8. 蜘蛛图（玫瑰图）

何时使用蜘蛛图/玫瑰图？

蜘蛛图或玫瑰图是多元数据时使用的比较图显示三个或更多定量变量（方面），当你要使用三个以上的方面来评估两个或多个“事物”时，这很有用，所有这些方面都可以类似地量化。

当然，这很麻烦，但是使用起来很简单。蜘蛛图非常适合进行排名，评估和评论。本次疫情期间世界疫情的趋势变化，就用到了玫瑰图来进行数据可视化展示。

9. 表格

何时使用表格？

从技术上来说，表不是数据可视化的一种。但是有时候，实际上只需要一个表以原始格式描述数据。使用表格，可以显示大量精确的度量和尺寸。可以轻松查找或比较各个值，同时显示总计。

10. 面积图

何时使用面积图？

面积图与折线图紧密相关，两种图表类型都描述了时间序列关系，显示了整个数据集的连续性，并且对于查看趋势（而不是单个值）非常有用。

也就是说，两者之间存在一些关键差异。由于存在这些差异，“何时使用面积图”不等于“何时使用折线图”。

折线图通过直线段连接离散但连续的数据点，这使它们有效地促进了趋势分析。面积图从技术上讲是一样的，只是绘制线下方的区域填充有颜色，在这种情况下，未堆积的面积图与折线图是一样的–只是具有更多的颜色。

三、总结

以上就是最为你最应该去了解的基础数据可视化类型：

1. 数字图表：立即提供特定值的概览；
2. 折线图：显示一段时间内的趋势和数据变化；
3. 地图：按地理位置可视化数据；
4. 瀑布图：演示数据的静态组成；
5. 条形图：用于比较许多项目的数据；
6. 饼图：指示变量的比例组成；
7. 散点图：用于表示大量数据的关系和分布；
8. 蜘蛛图/玫瑰图：比较图非常适合排名，评论和评估；
9. 表格：显示了大量精确的尺寸和度量；
10. 面积图：描绘随时间变化的零件与整体的关系。

当然在我们高度连接的数字时代，你还可以使用更多类型的数据可视化来发挥自己的优势。

 

本文由 @数据可视化那些事 原创发布于人人都是产品经理，未经许可，禁止转载

题图来自 Pexels，基于 CC0 协议