本文來自： 順豐科技UED
大數據時代，數據驅動決策。處理不好龐大、複雜的數據，其價值將大打折扣。
那如何縮短數據與用戶的距離？讓用戶一眼抓到重點？讓老闆為你的彙報方案鼓掌？
本文通過連環15關，層層深入，傳你數據匹配圖形神功，讓數據可視化更高效。
無論數據總量和複雜程度如何，數據間的關係大多可分為三類：比較/構成/分佈&聯繫。
一、比較
基於分類/時間的數據對比，通常需用到比較型圖表。用戶通過圖表輕鬆識別最大/最小值，查看當前和過去的數據變動情況。
常見場景：哪個地區的收件量最多？今年的收入和去年相比如何……
1. 條目少 – 柱狀圖
比較條目較少時，如5個地區收件量的對比，可選用柱狀圖表示。
△ 柱狀圖
2. 條目多 – 條形圖
當條目較多，如大於12條，移動端上的柱狀圖會顯得擁擠不堪，更適合用條形圖。一般數據條目不超過30條，否則易帶來視覺和記憶負擔。
△ 條形圖
3. 看趨勢 – 折線圖
當X軸為連續數值（如時間）且注重變化趨勢時，則適用折線圖。
△ 折線圖
4. 擴大差異 – 南丁格爾玫瑰圖
除柱狀圖外，有無更新穎的表現方式呢？那就屬南丁格爾玫瑰圖了。
△ 南丁格爾玫瑰圖
由於扇形的半徑和麵積是平方的關係，南丁格爾玫瑰圖會將數值之間的差異放大，適合對比大小相近的數值。它不適合對比差異較大的數值，因為數值過小的類目會難以觀察。
此外，因為圓有周期性，玫瑰圖也適於表示週期/時間概念，比如星期、月份。依然建議數據量不超過30條，超出可考慮條形圖。
5. 雙向 – 雙向條形圖
前面的例子都是單維度比較，當比較正反兩類甚至更多維度的數據時，可嘗試雙向條形圖，下圖為各大區的重點地區的收派件量的對比。
△ 雙向條形圖
用顏色區分大區，空心/實心區分收件量和派件量，既能整體比較大區，又能詳細對比地區的情況。
打怪升級，再加點難度。在雙向圖上再增加一個維度，如下表，比較5個地區的利潤及相應的收入和成本。請先思考一下，再下滑看推薦圖表。
△ 業務數據
△ 雙向條形圖（多維度）
通過圖形一眼就能看出深圳區的利潤低於廣州區，即使它的收入高於廣州區，但成本相對來說高於廣州區。
6. 目標達成 – 子彈圖
實際業務中，常要考察指標的達成情況，如收入達標情況及所處區間（優、良、差），如下表，你會怎麼可視化呢？動手畫一畫吧！
△ 業務數據
△ 子彈圖
子彈圖，因為像子彈射後帶出的軌道。相較於儀表盤，它能夠在狹小的空間中表達豐富的數據信息，在信息傳遞上有更大的效能優勢。
若還要比較4個季度的收入情況，只需用不同顏色區分。如下圖，一眼便知第二季度表現較好，而第一季度則不佳。
△ 子彈圖
7. 性能 – 雷達圖
對於一些多維的性能數據，如綜合評價，常用雷達圖表示。指標得分接近圓心，說明處於較差狀態，應分析改進；指標得分接近外邊線，說明處於理想狀態。
△ 雷達圖
以上就是「比較」類的常用圖表，可歸納如下。
此表並非一成不變的「鐵表」，相互之間還會串聯交叉，大家還需靈活應用。
二、構成
部分相較於整體，一個整體被分成幾個部分。這類情況會用到構成型圖表，如五大區的收件量佔比、公司利潤的來源構成等。
1. 單層 – 餅狀圖
第1關中，對比5個地區的收件量時用到了柱狀圖。若看佔比情況，餅狀圖更合適。
△ 餅狀圖
如果變成17個地區，會怎樣？
像不像彩色七星瓢蟲？
所以餅圖分類一般不超過9個，超過建議用條形圖展示。
除餅圖外，環形圖（甜甜圈圖）亦可表示佔比，其差異是將餅圖的中間區域挖空，在空心區域顯示文本信息，比如標題，優勢是其空間利用率更高。
△ 環形圖
2. 分層 – 環形圖、旭日圖
對於管理層而言，需先把握大局和重點。比如大區負責人需一眼看到重點地區及重點分部的情況（如下圖），如何展示？
△ 環形圖
△ 旭日圖
這個叫旭日圖，逐層下鑽看數據，大區的重點地區及相應分部的構成情況一目瞭然。
3. 累計趨勢 – 堆疊面積圖
接下來，看看數值構成隨時間變化的案例：第一大區（包含四個重點地區）近四年收入構成的趨勢要如何可視化？自己想一想，再下滑看推薦方案。
△ 業務數據
△ 堆疊面積圖
推薦方案是堆疊面積圖，可以展現分量（地區）對於總量（大區）的貢獻，並顯示總量（大區）的變化過程。需要說明的是，地區收入的起點並非從 y=0 開始，而是在下面的地區基礎上逐層疊加，最後組成一個整體。
4. 累計比較 – 堆疊柱狀圖
如果將上圖X軸的標籤文字（即年份）和圖例（即地區）互換（如下圖A），用來看每個地區近四年的收入構成，用哪個圖更合適？
△ 堆疊柱狀圖
是不是覺得都可以？那圖中 X1 有何含義？堆疊面積圖 A 方案和堆疊柱狀圖 B 方案都可以表現累加值。差別在於，堆疊面積圖的 x 軸是連續數據（如時間），堆疊柱狀圖的 x 軸是分類數據。此案例中的 x 軸是非連續的分類數據，因此用 B 方案更適合。
5. 累計增減 – 瀑布圖
若想表達兩個數據點間數量的演變過程，可使用瀑布圖。開始的一個值，在經過不斷的加減後，得到一個值。瀑布圖將這個過程圖示化，常用來展現財務分析中的收支情況。
△ 瀑布圖
以上就是「構成」類常用圖表，可歸納如下。
三、分佈&聯繫
通過分佈&聯繫型圖表能看到數據的分佈情況，進而找到某些聯繫，如相關性、異常值和數據集群。
常見使用場景：客戶的年齡段分佈？單票成本與收件量的關係？
1. 兩個變量 – 散點圖
仍以業務為例，下圖為全國網點的單票成本/收入分佈情況。
△ 散點圖
單單這樣看，可能看不出什麼，如果加兩條平均線就不一樣了。
加了平均線，就知道哪些網點高於平均線，哪些低於平均線。但網點那麼多，總不能逐個點擊查看是哪個大區的，給散點加上顏色後，就很有意義了。
通過此圖，可以看出哪些大區單票利潤較低，急需提升，比如廣泛聚集於右下角的第四大區，單票收入低於平均線，單票成本卻高於平均線。
2. 三個變量 – 氣泡圖
大家都知道，網點總利潤除了和單票利潤有關，還和體量（即收件量）有關，用散點的面積大小表示收件量，就變成了氣泡圖。
△ 氣泡圖
3. 結合地圖 – 熱力圖
氣泡圖與地圖結合可演變為熱力圖。通過熱力圖，能看到哪些網點收派件量較多，需進行資源調配。
△ 熱力圖
以上是 「分佈&聯繫」類的常用圖表，可歸納如下：
小結
當我們拿到數據後，先提煉關鍵信息，明確數據關係及主題，再選擇合適的圖表進行可視化。希望下圖能給各位一些參考（結合可視化專家 Andrew Abela 的圖表選擇指南，進行了簡化調整）。
數據可視化設計只要多練習、多總結，總有一天會得心應手。
非特殊說明，本文版權歸原作者所有，轉載請註明出處
