作为大数据分析的最后一环，最后结果的解读、可视化，往往比前边的所有都重要。因为这直接决定了你分析的结果是否可以落地，是否可以实现价值。 -----某某

可视化，作为利用数据、信息用来达到自己目的、解决问题的最后一环，在很多时候往往重要性超过前边所有。在经过了定义问题、收集数据、数据清洗、数据建模、评价的环节以后，终于到了要将数据分析的结果展示出来的时候。

（一个普通企业中数据分析的流程）

不管是给领导的工作汇报、项目总结，给大众的科普，还是其他，都是需要把想要表达的信息、数据展现数来。而可视化，就是展示的艺术。

尤其是在一个并不是“数据驱动”的企业，也就是99.9%的企业中，数据分析相关环节的重要性其实是这样的。所以，对数据分析的解读以及可视化数据分析的结果，往往是比数据分析的过程重要的多

按照重要性来划分面积

从几年前第一次感受到“好看的图”和“不好看的图”之间的差距，就开始了解“可视化”这门混合了多个学科的艺术。

最近整理了之前的资料，又重新收集了一点新的材料，找到了现在最多人推荐，最好的可视化参考书。

分别是这几本（文后有下载）

The Visual Display of Quantitative Information， Edward Turfte

最简单的图形与最复杂的信息

数据可视化之美，Beauty Visualization，Juliesteele

鲜活的数据：数据可视化指南，Nanthan Yau

数据之美，Data Points: Visualization that means something，Nanthan

Yau

数据可视化，陈为

太多，怎么看？

在开始很长的一本一本介绍之前，先说最重要的部分，推荐学习过程：

完全不了解可视化，对于数据可视化没有经验：先推荐读从《最简单的图形与最复杂的信息》，再读《鲜活的数据》，用《数据可视化之美》当作课外书

对可视化有兴趣，有过简单数据分析、做报表等的可视化初级学者：推荐读《鲜活的数据》以及《数据之美》；喜欢练练英语的把《The Visual Display of Quantitative Information》作为课外书，如果不喜欢的就看看《数据可视化之美》

可视化有经验，对于数据分析、可视化基本原理有过系统性了解，也肯定有过一定学习，建议直接上手陈为的《数据可视化》；数据可视化之美，以及《The Visual Display of Quantitative Information》作为课外书，其他也可以顺便了解。

下面环节是：为什么？

1.《The Visual Display of Quantitative Information， Edward Turfte》

作者是大名鼎鼎的Edward Tufte，美国耶鲁大学统计学家，计算机、统计、政治的退休教授。因为作为在数据可视化方面的先驱而出名。他可以算是可视化研究的鼻祖了，这本书也是可视化的经典。在两年之前读了原本，书皮和这个一样。

书中讲了可视化的基本原理，讲到了一些复杂信息可视化的例子。比如非常经典的

还提到一些可视化信息的方式。主要都是非常基本的可视化原理，相比其他非常系统的书，这本“古董书”并不完全适合作为一个教程，适合英语较好，对可视化有兴趣的读者。有能力阅读英文书的读者，阅读时间大概在5-15小时。

2. 最简单的图形与最复杂的信息

看两个图大概就知道这本书的内涵了。

是的，这本书主要的内容，就是各类图形的特点、用途以及一些注意事项。在什么时候该使用什么样的图，在使用这种类型的图的时候，又要注意些什么才能达到更好的效果。

非常适合刚开始学习如何把报表、数据展示做好的新人。

书的内容很少也很容易理解，推荐阅读时间在1.5-4小时。

3. 数据可视化之美，Beauty Visualization

这本书首先读了英文版，然后正好又看到中文版，发现确实和很多人吐槽的一样，翻译比较差。所以喜欢顺便练练英语的同学可以尝试读一下英文版。

这本书的每一章都是由不同的人完成，每一章都介绍了一种可视化。很多都是从可视化的点子开始一直到如何实现，甚至包括一些以前的代码。比如“词云”发明者的那篇文章。

整体来讲这本书的内容更偏向“信息可视化”而不是“数据可视化”。先简单说一下个人非常不成熟的理解：

信息可视化更强调将现在有的信息，或者从数据中挖掘出来后的信息，进行展示。如何来让表达的信息更清楚、更美观、更好用，更吸引人。比如这样的地铁图，就是用来表现地铁的信息。

数据可视化更强调将数据，清楚的表达出来，让看到可视化的人，可以从数据中获取信息（而不是直接单纯表达信息），很多数据可视化也要强调交互的作用。数据可视化要求精确、很多时候作为进一步挖掘信息的辅助。

信息可视化很多的时候作为一次性的工作，比如绘制一个地铁图，关系图，人体神经图，战斗过程图，复杂关系图。而数据可视化在很多的时候都是重复使用的，数据改变，可视化改变，类似于各种各样的dashboard。

这本书集合了众多大师们的作品，非常值得一读，但是并不能作为系统的“数据可视化”的指导。非常推荐想要把数据、信息表达的好看的人来读一下，作为启发。但是并不能作为一个如何制造报表的参考。

4. 鲜活的数据：数据可视化指南，Nanthan Yau

这本书对于数据分析可视化的初学者首先是非常完整，有多完整呢，看下图：

首先用一章介绍了数据可视化的流程、目的，也就是“数据是用来讲故事”。数据是用来讲事实，说明问题的，为了数据分析而分析，为了可视化而可视化是没有意义。

这本书还介绍了不同的数据可视化工具，有非常多的例子和参考代码，内容非常丰富。书中的可视化大部分采用了“使用可视化工具（各种语言）出图，再使用Illustrator完善图表“的过程。非常值得参考，但是从目前（2018年中），以及个人经验（有过使用Tableau等专业可视化工具，熟练PPT经验）的角度来讲，没有学习的必要。

整体来讲整本书对于新手、可视化熟手都有看和学习的价值。很多部分值得自己试试实现，但是没有必要参考书中的具体实现方法，思想是类似的，具体可以自由发挥。

5. 数据之美，Data Points: Visualization that means something，Nanthan Yau

中文封面是这样的

这本书内容丰富，英文版目前还没有读完。从最基本的对于数据的理解开始，一直到可视化的基本元素、方式，各种类型的可视化。

使用了非常非常多很好的例子来讲述这些内容。整体上来说可以看成是上一本书的一个升级和加强版本。非常推荐对于想要利用数据来讲故事、说明问题，利用数据工作的人读读。

一部分目录以及示例图：

6. 《数据可视化》，陈为

作为一本六百多页的书，这本书可以说是把可视化从出生到现在都讲了，涵盖了非常广的内容。从可视化的最初意义，人的视觉感受，色彩原理，一直到可视化技术的具体细节实现。

我们看一下前两章的目录感受一下：

可以说这本书是唯一一本只是看了目录就觉得“好厉害”的可视化相关书了。

讲了可视化的发展，又讲了颜色、视觉原理，让我想起来当时在德国上的一门关于视觉和媒体的课。

书中把数据可视化这样一个大概念，按照应用分为三类：

科学可视化：最早，最成熟的领域，主要是自然科学各个学科对于数据和模型进行解释，处理。早期主要关注于三维数据的可视化。

信息可视化：对象一般是抽象的、非结构的数据集合。更关注抽象高维数据，根据具体信息决定不同形式，大概有时空数据，层次与结构数据，文本和跨媒体，多变量数据等

可视分析学：以可视交互为基础的分析推理科学，综合了图形学、数据挖掘和人机交互。把人的认知融入数据处理过程中，完成分析推理和决策。

一般我们认识的数据可视化等，大多数都属于信息可视化范畴之内。

在讲完可视化的历史，数据和可视化的基础以后，后边的内容分成“时空数据”和“非时空数据”两大块。

内容中很大一部分，也是可视化技术的背后实现。

这是唯一的一本还没有正式开始读的书，不做过多评价，整体来说，非常推荐对于可视化真的有兴趣，想要系统学习可视化的各位来读。

——————

想要书的，关注下方后，回复 “可视化书” 获得下载链接

——————

制造业从业，或者对数据在制造业应用感兴趣的，共同交流学习的可以加