不知道大家有没有过这样的经历：老板下令让针对某项业务数据做个分析报告，明明和同事拿到的数据是一样的，分析的业务指标也差不多，但交上去的分析报告总是不如同事的亮眼，比如像下面这两份数据分析报告：

这是一份销售数据分析分析报告，单看这张分析报告看起来也马马虎虎，该有的指标基本都有，各类指标的变化趋势也能一眼看出来，但是如果和下面这张销售数据可视化图放在一起呢？

很显然，两张数据分析结果放在一起，老板自然一眼就看上第二个，而第一个人做出的努力就默默的被忽略了，甚至还会给老板留下能力不行的差印象。因此，做数据分析，最后一步的数据可视化展现相当重要。那么如何做出高端的数据可视化呢？

优秀的数据可视化作品可以用三个关键词概括：准确、清晰、优雅。

• 准确：精准地反馈数据的特征信息（既不遗漏也不冗余，不造成读者疏漏&误读细节）

• 清晰：获取图表特征信息的时间越短越好

• 优雅：美观（颜色搭配）、协调（相同场景的图表遵循统一规范）。

想要准确、清晰的呈现数据，关键在于数据可视化图表的选用，下面给大家说说数据可视化图表的使用技巧。

一、常用可视化图表的使用技巧

常用的数据可视化图表一般有这几个：条形图、柱状图、折线图、饼图、散点图、雷达图等等，这些都是在数据可视化过程中使用率很高的，但即便这些简单的可视化图表大家十分熟悉，在使用的过程中还是有很多容易忽略的误区

1、柱状图

柱状图通过柱高能够比较清晰的反映数据的差异，一般情况下用来反映分类项目之间的比较，也可以用来反映时间趋势。但是柱形图的局限在于它仅适用于中小规模的数据比较，当数据项比较多的时候就不易分辨。一般来说，最好不要超过10个。

另外，柱状图的横轴是时间维度，用户习惯性认为存在时间趋势。如果遇到横轴不是时间维度的情况，建议用颜色区分每根柱子。

2、条形图

条形图用来反映分类项目之间的比较，适合应用于跨类别比较数据。在我们需要比较项类的大小、高低时适合使用条形图。

3、饼图

饼图用来反应数据占比，在需要描述某一部分占总体的百分比时，适合使用饼图。但在数据可视化过程中能不用饼图最好就不用，因为肉眼对面积大小并不敏感，最好在使用过程中要加上数据标签，这样会清晰一些。

另外，饼图在使用中最好不要超过6个部分，如果要表达的部分太多，就会导致人无法读取确切的数据信息，比如像下面这样，这种情况最好是使用条形图

4、散点图

散点图的数据为三维数据，使用两组数据构成多个坐标点，分析坐标点的分布情况，判断两个变量之间的关联或分布趋势。比如通过上图就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。

可以用颜色区分系列，也可以用散点大小定第三维度，这就衍生图出了气泡图。

5、雷达图

雷达图适用于多维数据（四维以上），且每个维度必须可以排序。对于一些多维的性能数据，如综合评价，常用雷达图表示。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。数据点一般6个左右，太多的话辨别起来有困难。

二、5个高级可视化图表

除了上面几个常用的数据可视化图表，再大家推荐几个能够让可视化结果焕然一新的几个高级可视化图表

1、数据可视化地图

数据地图也是我们在进行可视化中经常会用的图表之一，数据地图可以最直观的表达出数据之间的空间关系，因此在很多数据分析场景中被广泛应用。比较常见的就是区域地图、线地图、点地图，这些基本都是静态地图：

除了静态地图，还有更高级的动态可视化图表，比如流向地图，经常应用于区际贸易、交通流向、人口迁移、购物消费行为等场景，像这次疫情期间的人口流动状况就可以使用流向地图，动态的效果给人的视觉冲击更强烈。

2、人口金字塔图

人口金字塔图一般用来现实显示人口中各个年龄组的分布，一般用来对比男女性的年龄分布，如果做成动画，视觉效果会十分高级，比如像下面这样：

3、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。

4、矩形树图

上面说了柱形图不适合表达过多数据项（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，用颜色表示类目，类目维度下还可以有多个二级类目。如果用柱形图表达，效果有多糟糕可想而知：

5、百分百堆积柱状图

百分百堆积柱状图是由柱形图衍生而来的，不仅可以直观的看出每个系列的值，还能够反映出系列的占比，尤其是当需要看某一单位的综合以及各系列值的比重时。

三、数据可视化技巧

1、避免使用鲜艳的颜色

明亮鲜艳的颜色就像是把所有的字母都大写了，这样读者很难集中注意力在某一个重要数据上。单调的颜色，反而能很好地用于数据可视化，因为它们可以让你的读者理解你的数据，而不至于被数据淹没，当你想要强调某一项数据时，可以使用鲜明的颜色。

2、适当应用动态交互效果

就像我刚才说的，动态的视觉效果给人的冲击里更大，在可视化的过程中可以利用动态图表来增强可视化结果的互动性，比如动态地图钻取，图表联动等等

3、数据可视化布局

• 将最重要的视图放置在顶部或左上角。眼睛通常会首先注意到该区域。

• 数据可视化中的视图数量限制为三到四个。如果添加太多视图，大局会被详细信息所淹没。

4、善用数据可视化工具

俗话说，工欲善其事必先利其器，巧用数据可视化工具也能使可视化结果事半功倍。有代码基础的朋友可以用python的插件库，比如：matplotlib、Seaborn、ggplot、Plotly，或者E charts等图表插件。或者可以直接用数据分析软件制作，比如FineBI、tableau等，内置的图表类型很丰富，操作也相对来说比较简单。

FineBI数据可视化过程

最后，希望大家都能做成漂亮美观、令人眼前一亮的数据可视化。

点击阅读原文或扫描下方二维码免费获取FineBI个人版永久激活码