数据可视化的意义

1. 表达观点

人类是视觉动物，一张简单的数据可视化图表在传递大量信息的同时，能更加直观地阐述观点，为浏览者带来�更深刻的印象。比如最为经典的就是1857年，南丁格尔设计的玫瑰图。她讲每月牺牲的战士数量以及死亡原因，列成一张图表，直观的表达了战争的可怕以及军队医疗条件的重要性。

南丁格尔玫瑰图

这张图很简单，但是却真正直接客观的将各种数据展示在女王面前，从而为军队赢来更好的医疗条件。这是当时的数据可视化，也是真正的一图胜千言的代表。

2. 发现联系

在错综复杂的数据中，很难发现不同维度和指标之间的关联关系，通过数据可视化的方式则可以轻松验证。

日本有一家啤酒厂，收集了近 30 年的气象资料，将其与当月的啤酒销售情况相联系，绘出了“啤酒气温曲线”。通过这个�图表可观察出，在市场趋于饱和的情况下，气温成了决定啤酒销量升降的主要因素。于是，这家啤酒厂根据天气情况，合理安排生产，收到了良好效果。

越来越多的企业开始重视公司自身数据的收集和处理，通过商业 BI 系统的帮助，在可视化的图表中，发现潜在的联系，以此优化、改进公司策略。

具体的实施主要分为获取数据、数据处理和可视化三步。

1. 获取数据

数据可视化的第一步，首先要拥有数据，数据来源主要有以下几种：

自有数据
公司运营过程中最直接的数据。比如成本数据，销售数据。对于互联网�公司来说，注册用户的用户名、性别、年龄、消费记录等，这也是最关键、最核心的数据。
爬虫采集
互联网上有大量的资源，比如豆瓣上有最全的书、电影的数据，京东、淘宝上有�丰富的商品数据，微博上有大家讨论最多的话题和微博，而这些数据常常难以直接批量获取，需要通过写程度的方式爬取�数据。竞争对手的数据常常也可以通过爬虫抓取。
�购买、合作、公共数据等
通过购买、合作的方式获取数据，统计局等机构的网站上也会有�很多数据可供研究。

2. 数据处理

数据清洗
�这一步需要清洗掉不合法的数据。需要根据具体的业务情况来判断哪些是不合法的数据。比如�收集到的调研问卷中，回答自己是学生，同时是妈妈的群体；在实际的业务中，会有很多类似的逻辑矛盾的数据。
数据扩充
很多数据背后包含更加丰富的信息，比如可以通过用户注册的手机号，扩充到归属地、运营商，通过 IP 可以定位的 IP 所在城市，通过用户的 UserAgent，可以扩充用户使用浏览器、操作系统、手机机型等信息。通过数据扩充，挖掘背后更多的联系。
�数据的预处理
采集到的数据可能是百万千万甚至上亿的数量级，常见的可视化工具无法处理如此庞大的数据量，这一步则需要进行数据预处理，将数据聚合以及初步的统计，处理成可视化工具容易识别和处理的格式。

3. 数据可视化

图表的选择
我的建议是多看案例，看过别人是如何展示的，才会知道�图表原来还可以这样，对于相同的数据，尝试使用多种图表进行展示，对比查看效果。这里推荐 ECharts 的样例展示页，仔细查看并牢记每种图形会对后面图表的选择大有帮助。
ECharts 的样例展示
关于图表的选择，这里提供一些建议和思维指南：
图表建议 - 思维指南（图片来自网络）
工具
我把工具分成三类：
- 简单易操作的桌面软件，主要代表有 EXCEL、Tableau
- 在线可视化网站，主要代表有 Visual.ly、Better World Flux
- �需要编程的可视化框架:D3.js、ECharts、HighCharts
更多工具介绍可见文末扩展阅读。
细节处理往往很头痛

为了让图表美观、易读在处理图表的时候会遇到很多优化的细节：如下图，当你水平排列数据标识时，数据标识会看不清，如果旋转90度，数据标识是看清楚了，不过又浪费了很大一块空间。选择一个合适的数据标识格式对有些可视化来说是个解决方案，不过也不是对所有方案都适用。

在有关地域的数据展示中，使用地图是不错的选择，但也会面临很多问题：香港、上海等地面积太小，新疆、西藏等地面积又太大；如果使用平局尺度的比例尺，会发现重点城市的颜色是最深刻度，其他省份都清一色一种刻度，难以察觉出分别，照顾到可读性，需要考虑使用非平均的比例尺。