编辑导读：随着“数智化”时代的到来,我们生活中的方方面面都离不开数据,而你真的了解数据吗？本文作者将为大家重新解读数据的概念和价值，以及数据的价值是如何在“数智化”时代下一步一步得到运用与升华的，一同来看看~
一、前言
上几期文章中，我们曾经了解到“数据”是一个庞大的体系（如下图所示），并用了菜市场的例子，为大家讲解数据来源的含义；用买菜的例子，为大家讲解数据采集的步骤；用洗菜、择菜的例子，为大家讲解数据清洗的方法…
而明天小陈次要给大家讲解，我们学会做菜当前，怎样把烹饪方法简单易懂的教授给别人，即数据可视化的过程。
二、可视化图表的选用准绳（参考麦肯锡系列书目——《用图表说话》）
先上图表选取准绳干货（见下图），下面我们再针对每个表格的运用停止逐一讲解！
图片来源——公众号【高端商务报告】
1. 成分类
（1）饼类
普通状况下，我们会选择饼图来呈现成分的对比关系。而饼图运用也存在下面这些“潜规则”
a.遵照阅读习气，饼图成分重要性需求呈顺时针顺序
在阅读饼图时，人们都会下看法的从12点钟方向，顺时针读下去。所以，为了迎合人们的阅读习气，我们需求将数据的占比大小、重要性按照顺时针方向切片展现。
b.切片数量不要超过7个，假如饼图类别很细，对于受众而言，对比起来是非常困难的。所以，当你发现切片数量将超过6个时，将其他不那么重要的分支整合归为“其他”项。
c.尽量避免运用平面饼图，除非你真的有决计避免视觉错觉。
如下图所示，从受众的角度看这张平面饼图，是不是很难分清楚两个占比最小的扇形终究谁大谁小？而假如我们采用“俯视”的视角看这张饼图，就会好区分很多！
2. 项类对比
首先，我们需求明白项类对比的含义是什么，以及它指的对比维度是什么？普通来说，常见的维度对比无外乎数据大小、占比这两类。而就图表类型而言，项类对比最常用图表类型为条形图，下面我们来谈一谈条形图运用的准绳。
（1）符合尝试的默许排序（从大到小、从高到低、从好到差）,除非你需求遵照其他逻辑排序
普通来说，人们看条形图比较想要获取的是头部项类对比讯息，没有人会特别留意尾部项类的占比和对比。所以为了迎合人们的阅读习气，我们需求按照从大到小、从高到低、从好到差的默许条形图排序完成绘制。
当然，遵照其他特定的逻辑排序也是可取的。例如，某公司对比业内竞争者市场占比时，特意按照进入市场的工夫长短停止条形图排序。如下所示，是按照品牌逻辑对条形图停止展现。
（2）条形图间隔<条形图本身宽度
麦肯锡条形图的分类间距普通设置为本身宽度的20%-50%；而经济学人的分类间距则为50%-80%，保洁等大型公司的报表中也呈现10%-30%不等。如下所示，是经济学人一篇文章中的散点图和条形图。
虽然，间距不一，但不难发现，业内几乎没有分类间距>条形宽度本身的。
3. 工夫序列、频率分布
工夫序列，顾名思义，就是一条工夫线下数据类别、变量的变化；而频率分布能够会稍微难懂一点，但我置信看到下面这个例子，你就不生疏了！
置信大家大学上《概率论》的时分，都看过这个函数！概率密度函数，没错，他就表示了频率分布!
工夫序列、频率分布制图时，通常选取柱形图、折线图两类，而这两类值间应该怎样停止选取呢？
在麦肯锡的《用图表说话》一书中，建议以8个工夫点为区分界限，当工夫点>8时，采用折线图，减少视觉对比疲劳，当工夫点<8时，选取柱形图。以下是柱状图、折线图两种图表的运用规则。
其次，柱状图和折线图的选择还和数据特征有关，当你想凸显特定工夫段内产量、销量等数据目的的工夫序列变化，用柱状图比较合适，由于它还可以凸显程度、数量；而折线图则更注重变化、变化趋向，在表现数据发展趋向和工夫序列预测分析中较为常用。
（1）柱形图
a.柱形图间隔<柱形图本身宽度
这一点其实和条形图相似，此处就不做赘述了
b.堆积柱状图运用有度，避免对比混乱
堆积柱状图适用于对比多个项目、类别的成分关系，是表达成分对比关系的重要方式。
但需求特别留意，百分比堆积图尽量不要对比每个类项超出3个细分成分，否则会带来对比混乱。如下所示，堆积柱状图的类项已然超过3个，对比起来就会很混乱。
（2）折线图
a.趋向线要突出（颜色、粗细等）
折线图是以上图表中，最可以直观展现上升、下降、波动、维持原状趋向的图表，它侧重于勾勒变化和变化趋向，用于表达数据的发展趋向。
但，趋向线作为折线图中的主体，一定要突出。而这个突出，可以是颜色上的突出，运用红色等重点色；也可以是粗细上的突出，比如，我们一定要留意到折线图趋向线比网格线、刻度线粗！
4. 相关性
相关性分析中，我们常运用散点图直观地显示变量间的相关强度、相关方向，并用于探求性数据分析，做出拟合曲线和回归方程，对将来趋向停止探求性预测。
（1）散点、气泡图
a.散点、气泡大小需求直观
人都是视觉动物，而图表需求做到就是把人的视觉应用到极致！散点图、气泡图中，每一个散点、气泡就代表着一个样本个体，而散点、气泡的大小就能尽管的展现出该样本的大小。所以，我们在制造图表时，需求充分应用这一点，用散点、气泡大小直观的展现样本间的关系。
三、结语
以上，就是本期可视化图表选取准绳的全部内容！我们【这篇文章把数据讲透了】系列到这里也就结束了！撒花！！
接上去，你想看哪方面的文章呢？
#相关阅读#
这篇文章把数据讲透了（一）：数据来源
这篇文章把数据讲透了（二）：数据采集
这篇文章把数据讲透了（三）：数据清洗
这篇文章把数据讲透了（四）：数据发掘
这篇文章把数据讲透了（五）：数据可视化（上）
这篇文章把数据讲透了（五）：数据可视化（中）
本文由 @小陈同窗ing. 原创发布于人人都是产品经理，未经作者答应，制止转载。
题图来自Unsplash，基于CC0协议。 |
