可视化认识论整理
一、初级-《连环15关，玩转数据可视化》
无论数据总量和复杂程度如何，数据间的关系大多可分为三类：比较 / 构成 / 分布&联系。
一、比较类常用图形总结
基于分类 / 时间的数据对比，通常需用到比较型图表。比较条目较少时，如5个地区收件量的对比，可选用柱状图表示。
条形图当条目较多，如大于12 条，移动端上的柱状图会显得拥挤不堪，更适合用条形图。一般数据条目不超过 30 条，否则易带来视觉和记忆负担。柱形图还有许多丰富的应用。例如堆积柱形图，瀑布图，横向条形图，横轴正负图等。
看趋势 – 折线图当X轴为连续数值（如时间）且注重变化趋势时，则适用折线图。
扩大差异 – 南丁格尔玫瑰图。由于扇形的半径和面积是平方的关系，南丁格尔玫瑰图会将数值之间的差异放大，适合对比大小相近的数值。玫瑰图也适于表示周期 / 时间概念，比如星期、月份。依然建议数据量不超过 30 条，超出可考虑条形图。
当比较正反两类甚至更多维度的数据时，可试尝试双向条形图。用颜色区分大区，空心/实心区分收件量和派件量，既能整体比较大区，又能详细对比地区的情况。
打怪升级，再加点难度。在双向图上再增加一个维度，如下表，比较 5 个地区的利润及相应的收入和成本。请先思考一下，再下滑看推荐图表。
通过图形一眼就能看出深圳区的利润低于广州区，即使它的收入高于广州区，但成本相对来说高于广州区。
目标达成 – 子弹图考察指标的达成情况，如收入达标情况及所处区间（优、良、差）。
子弹图，因为像子弹射后带出的轨道。相较于仪表盘，它能够在狭小的空间中表达丰富的数据信息，在信息传递上有更大的效能优势。
若还要比较4个季度的收入情况，只需用不同颜色区分。如下图，一眼便知第二季度表现较好，而第一季度则不佳。
性能 – 雷达图。多维的性能数据，如综合评价，常用雷达图表示。在游戏中看到它比较多。它在商务、财务领域应用较大，适合用在固定的框架内表达某种已知的结果。常见于经营状况，财务健康程度。
指标得分接近圆心，说明处于较差状态，应分析改进；指标得分接近外边线，说明处于理想状态。比如我对企业财务进行分析，划分出六大类：销售、市场、研发、客服、技术、管理。通过雷达图绘制出预算和实际开销的维度对比，会很清晰。如下图：
以上就是“比较”类的常用图表，归纳如下：
二、构成
一个整体被分成几个部分。这类情况会用到构成型图表，如五大区的收件量占比、公司利润的来源构成等。
单层 – 饼状图
第1关中，对比5个地区的收件量时用到了柱状图。若看占比情况，饼状图更合适。饼图是有缺陷的，它擅长表达某一占比较大的类别。但是不擅长对比。30%和35%在饼图上凭肉眼是难以分辨出区别的。当类别过多，也不适宜在饼图上表达。
如果变成 17 个地区，会怎样？饼图分类一般不超过 9 个，超过建议用条形图展示。
除饼图外，环形图（甜甜圈图）亦可表示占比，其差异是将饼图的中间区域挖空，在空心区域显示文本信息，比如标题，优势是其空间利用率更高。
分层 – 环形图、旭日图
对于管理层而言，需先把握大局和重点。比如大区负责人需一眼看到重点地区及重点分部的情况（如下图），如何展示？
这个叫旭日图，逐层下钻看数据，大区的重点地区及相应分部的构成情况一目了然。
累计趋势 – 堆叠面积图
看数值构成随时间变化的案例：第一大区（包含四个重点地区）近四年收入构成的趋势要如何可视化？
推荐方案是堆叠面积图，可以展现分量（地区）对于总量（大区）的贡献，并显示总量（大区）的变化过程。需要说明的是，地区收入的起点并非从 y=0 开始，而是在下面的地区基础上逐层叠加，最后组成一个整体。
面积图最佳设计指南：波动较大的类别放在最上面、使用透明色、不要超过4个类别，y轴从0开始，不要用面积图展示离散数据，只有连续数据有中间值。
累计比较 – 堆叠柱状图
如果将上图X轴的标签文字（即年份）和图例（即地区）互换（如下图A），用来看每个地区近四年的收入构成，用哪个图更合适？
堆叠面积图 A 方案和堆叠柱状图 B 方案都可以表现累加值。差别在于，堆叠面积图的 x 轴是连续数据（如时间），堆叠柱状图的 x 轴是分类数据。此案例中的 x 轴是非连续的分类数据，因此用 B 方案更适合。
累计增减 – 瀑布图
若想表达两个数据点间数量的演变过程，可使用瀑布图。开始的一个值，在经过不断的加减后，得到一个值。瀑布图将这个过程图示化，常用来展现财务分析中的收支情况。
三、分布 & 联系
通过分布 & 联系型图表能看到数据的分布情况，进而找到某些联系，如相关性、异常值和数据集群。
两个变量 – 散点图
仍以业务为例，下图为全国网点的单票成本/收入分布情况。
单单这样看，可能看不出什么，如果加两条平均线就不一样了。
加了平均线，就知道哪些网点高于平均线，哪些低于平均线。但网点那么多，总不能逐个点击查看是哪个大区的，给散点加上颜色后，就很有意义了。
通过此图，可以看出哪些大区单票利润较低，急需提升，比如广泛聚集于右下角的第四大区，单票收入低于平均线，单票成本却高于平均线。
三个变量 – 气泡图
大家都知道，网点总利润除了和单票利润有关，还和体量（即收件量）有关，用散点的面积大小表示收件量，就变成了气泡图。
结合地图 – 热力图
一切和空间属性有关的分析都可以用到地理图。比如各地区销量，或者某商业区域店铺密集度等。气泡图与地图结合可演变为热力图。通过热力图，能看到哪些网点收派件量较多，需进行资源调配。
地理图一定需要用到坐标维度。可以是经纬度、也可以是地域名称（上海市、北京市）。坐标粒度即能细到具体某条街道，也能宽到世界各国范围。POI是很重要的要素。POI是“Point of Information”的缩写，可以翻译成信息点，每个POI包含四方面信息，名称、类别、经度纬度、附近的酒店饭店商铺等信息。借助POI，才能按地理维度展现数据
最佳设计指南：一、使用细的地图轮廓线；选择合适的配色；少用填充图案；选择合适的数据区间。
用户行为分析，将浏览、点击、访问页面的操作以高亮的可视化形式表现。下图就是用户在Google搜索结果的点击行为。
总结：当我们拿到数据后，先提炼关键信息，明确数据关系及主题，再选择合适的图表进行可视化。
二、进阶-《数据可视化之经典图表合集》
好的可视化是会讲故事的，它向我们揭示了数据背后的规律。对可视化的使用认知或许来源于下面这张图。虽然结构清晰，但它只针对Excel图表，不够丰富。
基本概念：
维度
数据分析中经常会提及维度。维度是观察数据的角度和对数据的描述。我们可以说地区是一种维度，这个维度包含上海北京这些城市。也可以认为销售额是一个维度，里面有各类销售数据。维度可以用时间、数值表示，也可以用文本，文本常作为类别。数据分析的本质是各种维度的组合
维度类型和转换
维度主要是三大类的数据结构：文本、时间、数值。地区的上海、北京就是文本维度（也可以称为类别维度），销售额度就是数值维度，时间就是世界
数值维度可以通过其他维度加工计算得出，例如按地区维度，count出有多少是上海的，有多少是北京的。维度可以互相转换。比如年龄原本是数值型的维度，但是可以通过对年龄的划分，将其分类为小孩、青年、老年三个年龄段，此时就转换为文本维度。
1.箱线图
箱线图一般人了解的不多，它能准确地反映数据维度的离散（最大数、最小数、中位数、四分数）情况。凡是离散的数据都适用箱线图。
下图就是箱线图的典型应用。线的上下两端表示某组数据的最大值和最小值。箱的上下两端表示这组数据中排在前25%位置和75%位置的数值。箱中间的横线表示中位数。
2.关系图
展现事物相关性和关联性的图表，比如社交关系链、品牌传播、或者某种信息的流动。
有一条微博，现在想研究它的传播链：它是经由哪几个大V分享扩散开来，大V前又有谁分享过等，以此为基础可以绘制出一幅发散的网状图，分析病毒营销的过程。关系图依赖大量的数据，它本身没有维度的概念。
3.矩形树图
上文说过，柱形图不适合表达过多类目（比如上百）的数据，那应该怎么办?矩形树图出现了。它直观地以面积表示数值，以颜色表示类目。
下图中各颜色系代表各个类目维度，类目维度下又有多个二级类目。如果用柱形图表达，简直是灾难。用矩形树图则轻轻松松。
电子商务、产品销售等涉及大量品类的分析，都可以用到矩形树图。
4.桑基图
比较冷门的图表，它常表示信息的变化和流动状态。
5.0 漏斗图
大名鼎鼎的转化率可视化，它适用在固定流程的转化分析，你也可以认为它是桑基图的简化版。转化率也可以用几组数字表示，不一定做成漏斗图。
三、进阶-《报表化图表制造》
可读性、客观性、统一性
可读性**
图表的首要功能是解释，而不是设计，尤其大部分图表都会落入到过度设计的陷阱。
客观性
数据的解读因为每个人的观点和视角不同，可以呈现诸多的结果。这也是我们常说统计学会撒谎的原因。
下图是一张销售额柱形图，看来销售额没有啥特大变化嘛。
换另外一种图表展示。就看到了变化的增长趋势。
实际上两张图表的数据没有任何差异，为什么呢？区别只在坐标轴。第一张图的Y坐标轴起始为0，第二张图起始是2.45。第二张是截取了部分的柱形图。
统一性
如果图表整体颜色是冷色调，那么就不要再加入暖色。
如果图表文字是雅黑，就不要再加入宋体。
如果某地区数据，用了柱形图对比，其他地区也遵循柱形图样式。
如果某图表，女性使用红色，男性使用蓝色，那么这一规范应该在所有图表体现。除了颜色，其他设计元素同理。
如果有多张图表，图表元素应该统一，如标题、坐标轴刻度、坐标轴位置等。
进阶-产品经理对可视化产品思考
一、问一句为什么？
用户为啥会有「将数据转化成图表」的需求？
最终的答案一定是回归到企业管理的「第一性原理」——开源节流。企业需要数据去分析如何才能节省更多钱，如何才能赚更多钱。未来的 BI 的产品不能将自己定位为「工具」，而是应该定位为「服务」。
二、可视化分类
1.0 从流程来看，探索性可视化是这样的：
此类可视化集中在图表的微观功能上，像辅助线、预警、各种图表类型等。
2.0 解释性可视化需求
一般集中在完成了数据探索，并且形成一定数据洞察后的 story-telling 场景。大家在网上看到的一些「一张图搞懂 XXX 」、「一张图了解 XXX」就属于解释性可视化。
此类集中在整体的图表可视化上，比如将多个图表组合起来，制作成一份报告或者故事版，所以会提供类似标题编辑器、排版编辑器等功能。目前市面上的 BI 产品，像网易有数、BDP、Tableau、PowerBI 都是采取这种模式
三、市面上产品缺陷与不足
1. 这种偏业务型的产品框架，并不太适合国内市场。
因为这类产品面向的用户基本上是专业用户（数据分析师），而忽略了一个事实——大部分中国企业并没有设立专门的数据分析岗位。有能力配备数据分析师的企业一般都是中大型企业，他们付费能力可能比较强，但是也意味着用户量会较少。
专业用户对应的是数据分析师，而半专业用户则对应的是类似财务、销售、HR 等，在业务上专业但数据分析上不专业的用户。这类用户的日常工作一般集中在解释性可视化上面，比如年终总结、年度规划、每月汇报中都需要利用到数据可视化。这类用户的流程是这样的：
[图片上传失败...(image-e6e0b4-1556103840929)]
用户导入数据，无需太复杂的操作，即可直接生成图表。存在问题：
数据发送不及时
互动性弱（没有给老板一个激励下属的通道）
制作成本高
四、进阶-信息可视化流程和方法
可视化的理解：信息可视化就是用图形正确的表现复杂的信息和逻辑关系，
•通过图片特有的美观和趣味性，吸引读者 •通过最优表现形式，使内容更易懂
•拉近读者与产品的距离，提升品牌认知度
案例
作品一：安全产品首页展示
创作灵感：从需求文档中看到这些子产品名字有御前卫、八卦阵、御城河……当时就觉得非常有意思，脑海中立刻浮现出一个古城的画面，古城周围有士兵、有八卦 阵、有御城河等。跟视觉设计师表达这个想法后大家一拍即合，最终产出了这个方案。中间的城楼最开始是红色的，有点太抢眼，为了避免喧宾夺主又体现出数据被 保护的感觉，就把它改成了这种半透明的、很数据化的虚拟感觉。
作品二：产品结构图
创作灵感：通过竞品分析发现国内外同行在这方面都非常下功夫，所以我们也要力求用一张图来把产品结构和关系描述清楚。下篇文章会讲具体的设计过程。
作品三：使用流程示意图
创作灵感：产品经理给出的这个图很严谨，但是对于用户来说理解起来比较困难，因此先用线框图把它简化为单向的流程图，但这样又不够美观和直观。心灵手巧的视觉设计师经过图形的美化，巧妙解决了这个问题。
修改中（局部）：
改良后：
作品四：方案描述示意图
也是先梳理信息逻辑，用更易懂的方式去表现，再通过视觉设计师美化。
改良图：
信息可视化的设计标准**
把一件事情做好，首先要知道做好的标准是什么。把这些失败的作品放到一起，就可以大概得出失败的原因是什么，而好的标准又是什么。
[图片上传失败...(image-cf4898-1556103840928)]
五、进阶-《信息可视化图表》
从表现形式的角度“信息图表”作为视觉工具应包括以下六类：图表、图解、图形、表格、地图、列表。
（一）图表类型
按照形式特点我们常把图表分为关系流程图、叙事插图型、树型结构图、时间分布类及空间解构类五种类型。
1、关系流程类图表
2、叙事插图型图表
叙事性图表就是强调时间维度，并随着时间的推移，信息也不断有变化的图表。
3、树状结构示意图
把繁复的数据通过分支梳理的方式表达清楚。运用分组，每组再次分类的主体框架表示主从结构。
4、时间表述类示意图
时间表述类示意图只要以时间轴为中心加入文字数据即可。从设计的角度来看，将主题融入图形设计中，挑选重要事件点解读，就可以使画面精美，加深理解力度。
5、空间结构类示意图
运用设计语言把繁杂结构模型化、虚拟化是空间结构示意图存在的意义
（二）图表设计流程
这个流程需要协作完成，数据需要筛选和整理 ，精准是首要条件，其次是梳理。找出出主线逻辑，筛选次要内容从而进行精心的设计。
1、基础图形创意
柱状图和饼状图是最常用的两种基础图形，但是简单的几何形态很难给人设计感。对基础图形的创意来突出设计主题，就可以取得一举多得、事半功倍的效果
上面图片中左右的内容是完全一致的，但右图即使读者不详细关注也可心领神会。
2、高吸引度与视觉亮点
从传统网页到社交微博，用户对信息的浏览速度也越来越快，高吸引度便是最宝贵的财富点。
3、画面简洁明了
4.象征图示
在设计的上要注重保持风格的统一，这样才能让人视觉连贯、赏心悦目。
六、进阶-可视化图表10个错误表达方式
1、饼图顺序不当
饼图是一种非常简单的可视化工具，但他们却常常过于复杂。份额应该直观排序，而且不要超过5个细分。有两种排序方法都可以让你的读者迅速抓取最多的重要信息
方法一：将份额最大的那部分放在12点方向，逆时针放置第二大份额的部分，以此类推。
方法二： 最大部分放在12点，然后顺时针放置
2、在线状图中使用虚线
虚线会让人分心，而是用实线搭配合适的颜色更容易彼此区分
3、数据摆放不直观
你的内容应该符合逻辑并于直观的方式引导读者阅读数据。对类目进行按字母，次数或数值大小进行排序
4、数据模糊化
确保数据不会因为设计而丢失或被覆盖。例如在面积图中使用透明效果来确保用户可以看到全部数据
5、耗费读者更多的精力
要通过辅助的图形元素来使数据更易于理解，比如在散点图中增加趋势线
6、错误呈现数据
确保任何呈现都是准确的，比如，气泡图的大小应该跟数值一样，不要随便标注
7、在热图中使用不同颜色
一些颜色比其他颜色突出，赋予了数据不必要的重元素。反而你应该使用单一颜色，然后通过颜色的深浅来表达
8、柱状过宽或过窄
柱子与柱子之间的间隔最好调整为宽的1/2
9、数据对比困难
对比是呈现差异的有效方式，但如果你的读者不易对比时，效果就大打折扣了。确保数据的呈现方式一致，可以让你的读者对比
10、使用三维图
尽管这些图看来让人振奋，但3D图也容易分散预期和扰乱数据，坚持2D是王道
七、进阶-数值可视化TIPS
数值可视化的本质就是用各种视觉属性来表达数据值的大小。视觉属性有这么几类：位置、长短、面积、颜色。对应视觉设计的点，线、面和色值。
单个数据的可视化
其可视化的核心思想在于根据上下文用拟物的方式，将其与我们现世界中数值的事物联系在一起。
1. 仅将数字形象化
如果是奔跑的速度15km/h，那么可以画一个运动员跑步的图来表达这个数字。如果是奔跑的速度70km/h，那么就可以画一只猎豹奔跑，通过模糊的背景来表达奔跑的速度快。如果要描述山的高度5km，就可以画以座耸入云霄的山，给人一种高山的直观形象，更多的创意设计都可以围绕想象展开
2. 对数字进行评价
汽车行驶的速度，分为慢速、中等和超速，如下左图所示。在表达评价信息时，你需要根据背景展开联想。比如说：降水量50毫米，我们可能想象到的就是用一个试管接了50毫米深的水。
一维表格数据可视化
一维表格如下图所示，数据表格中只有一行或者一列数据。我们需要对数据可视化的目标进行分析，跟进目标可将数据分为以下几类:
•强调绝对数值的数据；
•强调趋势的数据；
•百分比数据；
•不同类型的数据。
3.1 强调绝对数值的数据
3.1.1 柱状图
收入10000元的就是收入5000元的2倍，GDP一万亿就是五千亿的两倍，这种数据称之为等比数据。柱状图的阅读者一般视觉会被柱子本身所吸引，不会去注意纵轴的起点，用户往往会默认柱子的长度代表绝对数值的大小。所以柱状图的纵轴的起点必须从零开始。
3.1.2 直方图
直方图数据本质的区别在于表达连续的区间上数量的分布。统计学中，直方图的纵轴要求是计数数据，也就是说，直方图是用于统计某个区间内的对象个数。
3.1.3 柱状图变式：条形图
条形图还有一个很大的排版优势，能将文字和条形在一侧显示，能够对分类附加说明。在中国，如果不是因为排版的原因，请慎用这种横向的条形图。
3.1.4 柱状图变式：计数条形图
3.1.5 柱状图变式：径向柱状图、径向条形图、螺旋图
为了适应排版的区域，或者增加图形的趣味性，会对柱形图进行扭曲变形。
3.1.6 柱形图变式：用拟物代替柱子
在平面设计，海报宣传页面中，一般会添加拟物的元素，使得数据的表达更加生动。其基本的思路都是围绕着数据主体展开联想，用拟物的对象代替柱子。
示例1：如果描述的是足球相关的内容，那么可以用踢球的形象代替柱子。
示例2：如果描述的是星体相关的内容，那么可以用星体的形象代替柱子。
示例3：如果描述的是男女差异，那么可以用男女的形象代替柱子。
示例4：如果是抽烟相关的数据，正好用烟头的形状代替柱子。
示例5：如果是山的高度，那么可以用山的形态。
3.1.7 柱形图变式：按某些维度展开重组设计
上一节中，用拟物代替柱子的思路仍然是在柱状图的框架下的。但是很多时候，甚至可以抛开柱状图的束缚，根据关键词展开联想。在联想的过程中，我们只需要记住第一章中提到的数据可视化的本质：通过位置、长短、大小、颜色四个视觉元素来表示数据大小。
示例2：城市和省份PM2.5值（假设数据）
这种数据只能以地点为关键词展开，以地图的方式呈现。
PM2.5是一个没有形象的概念，所以可视化的时候，不太可能在PM2.5上面展开。那么这种数据只能以地点为关键词展开，以地图的方式呈现。
省份在地图上本身就是一个形状大小固定的面，可以通过颜色热力图来表示数值（下图，左）。
示例3：各网站访问量
例4：迁徙地图
单个城市的迁徙图的数据原型仍然是一维数组。以地图为维度展开设计时，需要表达的是各个城市与北京的连线。连线的长短信息已经被城市到北京的距离所用，于是只能用连线的颜色来表示数值。
3.2 强调趋势的数据
3.2.2 折线图的变式：曲线图
3.2.3 折线图的变式：均线图
3.2.4 折线图的变式：面积图
3.2.5 折线图的变式：股指走势图
3.3 百分比数据
一般来说，百分比的数据使用饼图（或环形图）的方式表达，这是最常规的。
环形图与饼图不同点在于环形图可以将主题与图更好地融合。
3.3.2 饼图变式：将饼形转化成对象拟物形态。
示例一：如果是描述人体的成分，那么可视化可以围绕人形展开，将饼的形状变成人的形状。
示例二：如果你想描述各类行业人群占比，那么你可以考虑画出100个人，各类行业的人用不用样式的图形，如左下图所示；而当你想描述各类枪杀案件枪支的来源，下右图所示。
3.4 同一对象不同类型数据
八、信息可视化过程+方法（下）
STEP1：确定表意正确
“正确”是信息图最基本的要求，所以这里首先要确保信息图的内容是正确的。
对于业务比较复杂难理解的产品，可以让产品经理先根据自己的理解画一个图，设计师和产品经理进行沟通，确认双方的理解是一致的。
STEP2：优化展现形式
《淘宝技术这十年》里有一句话说的好“好的架构图充满美感”。淘宝工程师用十年的时间证明了这件事。而其实不仅是技术架构图，好的流程图、结构图、信息图 等都充满美感。
怎样优化信息图的表达形式呢？如果是一个逻辑比较复杂的结构图，可以这样：
虽然逻辑没有错误，但是箭头有交叉，看起来不美观简洁，理解起来也比较费劲
首先，从这个图中找出一个最大的完整的事件，也就是图中橙色的部分。
