

入门级完整可视化分析教程！30分钟包教包会

大数据分析与应用

2020-07-09

导读：做可视化分析，首当其冲的肯定是分析，然后再是可视化。

做可视化分析，首当其冲的肯定是分析，然后再是可视化，可视化只是用来快速传达数据分析结果的一种手段。那么完整数据可视化分析的流程是怎么样的呢？我把它分为五步：

第一步：确定分析的主题
第二步：围绕数据分析的思路展开探索性分析
第三步：确定分析的重要指标
第四步：围绕指标的展现选择图表
第五步：设计可视化分析报告

确定分析主题

可视化分析的第一步就是确定数据主题，即确定需要可视化的数据是围绕什么主题或者目的来组织的。

一般企业中的数据可视化分析主题都是来自于业务中的具体场景和遇到的实际问题，比如，一家零售集团近期运营情况不好，8月份的毛利数据明显下降，老板要求找出毛利下降的原因，这就可以对应一个可视化分析的主题。

围绕数据分析的思路展开探索性分析

毛利数据下降，我们就需要针销售数据进行分析，通过商品和订单的相关历史数据，分析出影响毛利额的原因。这里还涉及到分析工具的选择，一般来说，最常见的就是用Excel,但是要想制作一些高级的可视化图表，就可能要用到数据透视表，而且excel处理大数据量也比较鸡肋，因此我这里我还是选择用数据分析软件FineBI：

数据采集

将FineBI与相应的数据库链接（也可以导入下载的excel数据集），数据连接创建成功后，新建我们本次分析主题的业务包，并把数据库中我们分析要用的商品信息维度表、商品销售明细表和门店信息维度表添加到业务包中：

数据加工

我们要对毛利进行分析，那就需要将销售明细表、商品信息维度表和门店信息维度表结合起来，并通过加工计算得出毛利额，在Finebi中采用的是自助数据集的方式进行数据加工，可以对数据进行过滤、分组汇总、新增列、字段设置、排序等加工，每一步操作都会有记录，方便修改。

新建数据集，添加我们分析需要的门店信息维度表、商品信息维度表，勾选需要的字段，然后进行计算。新增列计算毛利额，计算公式为销售额-成本额，点击确定：

探索性分析

要分析的是8月毛利数据异常的原因，我们可以采用层层递进的方式进行分析，先看看集团利润的总体趋势分析，首先我们制作图表来查看每个月的总体销售额和销售额环比，看看毛利的下滑是否与销售额下降有关。

创建图表组件，把销售额和销售额环比拖入横轴，日期拖入纵轴，图表自动生成，可以看到图表自动显示为柱状图，使用组合图，将销售额环比用折线图表示，销售额用柱形表示，然后再调整图表的标签、数轴、警戒线等等

此时可以看到图中显示显示销售额数据稳中有升，8月份更是环比增加了12.31%。我们用同样的办法来查看毛利相关数据的月度走势，先对毛利额趋势进行分析，图表制作步骤同上，不再赘述：

添加计算指标，计算出毛利率（毛利率＝（毛利/实际销售额）×100%。）、毛利率环比，并制作月度变化趋势的组合图对阅读毛利率趋势进行分析：

通过销售额和毛利的对比，我们可以发现8月份的销售额上涨了 12.31%，毛利额缺下滑了 12%，毛利率更是环比下降 22%，问题可能出在成本控制方面。

我们发现了造成了毛利下滑的可能因素，但是并不知道真正是哪个地区/产品的成本价格出了问题，所以下面我们可以从地区来寻找成本问题的突破口，专注于分析 8 月份的异常数据区域，这时候就要用到可视化中经常碰到的数据地图，新建组件，选择商品销售总表自助数据集，把省份字段转化为地理角色，将生成的省份经纬度字段分别拖入横轴与纵轴，图表类型选择区域地图，计算出毛利率指标字段，拖入图形属性下的颜色栏，如下图所示：

调整一下图表属性中的颜色和标签，比如将颜色调整为区域渐变，让颜色渐变区分更明显一些。

在发现了湖南省数据存在异常后，还需要进一步分析湖南省各个城市以及城市的下属门店哪个出现了问题。因此我们采用钻取进行进一步向下分析。

将维度下的城市字段转换为地理角色，生成城市（经度）和城市（纬度）字段，拖动城市至省份字段中，创建“省份，城市”的钻取目录，并把省份,城市（经度）字段拖入横轴，省份,城市（纬度）字段拖入纵轴，设置颜色，标签及数值格，结果如下图所示：

地图中的红色区域显示长沙市的毛利数据存在明显问题，我们还需要对门店和产品数据进行分析，因此还需要制作更多细节图表，比如利用商品类别、销售额、毛利率字段制作各品类销售额&毛利率象限分析图，利用商品名称、销售额、毛利率制作各商品销售额&毛利率象限分析图，利用门店名称、毛利率字段制作门店毛利率对比柱形图等等