企业数据可视化过程中，这14个图表设计师需要了解

编辑导读：数据可视化可以帮助用户更好地理解数据、运用数据，而优秀的数据可视化依赖优异的设计。本文作者从自身经验出发，结合具体案例分享了企业数据可视化过程中，设计师需要了解的14个图表样式，并分别进行了简要的分析，供大家一同参考学习。

一、企业的大数据应用场景有哪些？

近年来，通过专注对于大数据的收集，大数据在企业运营当中占据的比重越来越大。很多企业开始利用大数据的分析来进行优化企业业务，促进企业广告活动措施及广告分发有效性的提升，以及加快企业管理层的决策速度以及改善站点。数据可视化在各种企业运行的各种场景中除了能加快我们的业务节奏，对于预测企业未来利润也有很大的作用。

接下来我先简单介绍下企业数据可视化的运用场景有哪些？那么针对不同的运用场景，设计师需要了解哪些图表能以便捷的方式来解决问题。

1. 基于客户行为的数据分析结果来进行产品推荐场景

产品能够进行精准推荐的原因，大多是因为基于客户信息，交易历史记录，购买过程以及访问或购买相同产品后的行为等数据。经过客户交易行为的数据分析后，可以预测客户偏好并提出适合他们的产品来与客户建立牢固的联系。当客户在搜索目标产品时，将陆续推荐其他相关产品。

产品推荐是基于客户社会行为分析的社区营销。通过收集对同一品牌和产品具有共同兴趣的人员并分析其特征，爱好和偏好的数据，有可能向那些潜在产品用户进行营销。企业通过分析客户行为数据，可以更准确地定制产品推荐。

利用数据可视化即可将数据集中展现在一起，各部门都可以从数据大屏当中找到自己所需要的数据分析结果，来优化自己的业务决策。例如下图当中的案例，大屏展现企业的整体的销售行为。

2. 基于客户评论的消费者画像场景

客户口碑数据具有巨大的潜在价值，是公司改善产品设计，定价，运营效率，客户服务等的价值数据，这也是实现产品创新的重点。

客户评论包括有关产品满意度，物流效率，客户服务质量以及有关产品外观，功能和性能的客户体验和期望的有价值的客户反馈。它使公司能够改善其产品，运营和服务，并建立以客户为中心的产品创新工作。

3. 基于数据分析的DSP广告优化场景

DSP是为想要提高广告投放成本效益的广告客户的服务。例如，数据可视化有一项功能是可以依靠数据平台的分析来定位具有与过往的购买用户有相似行为的客户画像。

这样可以对广告投放进行实时更改和优化来获得有效的点击，同时有效的点击也取决于广告被点击的时间点，被点击的次数等。广告计划将可以根据投放效果数据分析和广告点击持续时间分析来确定目标，优化广告投放质量。

4. 基于数据大屏分析的产品定价场景

产品定价的合理性需要数据测试和分析。首先，我们了解客户对产品价格的敏感性，对其进行分类，并测量对价格变化具有不同价格敏感性的产品组的直接反应和容忍度。通过数据大屏的展示分析，我们可以为产品定价决策提供依据。

5. 基于客户的行为对取消订单的预测场景

通过数据可视化大屏对客户数据的分析表明，我们可以从用户行为当中发现集中性的负面影响，比如企业业务运行中存在许多客户投诉，客户评级负面情绪以及客户购买量显着减少。通过对负面影响的发现可以对企业业务的后续行为进行决策改善。

6. 根据市场趋势数据分析外部情况场景

预测外部条件的演变，例如来自产品和市场竞争者的促销活动的数据，社交媒体上人们的情绪，监控网络舆情，以帮助公司应对环境变化，并紧跟市场伴随的变化.例如下图当中某旅游景点的舆情监控大屏。

图源：袋鼠云EasyV

7. 基于物联网数据分析的产品生命周期管理场景

条形码，二维码等可以唯一地标识产品，传感器，可穿戴设备，智能感应，视频捕获，增强现实。或者是利用其他技术可以实时收集和分析产品生命周期信息。每个产品链接都跟踪并收集产品使用信息，以进行产品生命周期管理。

除以上几种情况外，大数据还用于许多情况。随着大数据的进一步发展，企业在业务情况下数据分析变得越来越必要。

二、14种数据可视化图表的便捷方式

接下来我将介绍14个数据可视化图表 ，从简单到复杂，每个示例都有 其独特的功能 以及如何以及 何时使用它们来获得最优的使用结果 。

1. 指标图表

当你想立即了解你的业务在特定KPI上的表现时，指标非常有用。通过合并一个简单的可视化工具“量表指示器”，你就可以快速查看自己是在目标之上还是之下，或者步入正轨。通过用红色或绿色着色并使用向上和向下箭头，指示器是一种更有效的可视化数据方式。

2. 折线图

折线图之所以非常流行，是因为它们在业务中具有广泛的用途，因为它们可以快速， 简洁地显示总体趋势 ，并且不易被误解。尤其适合在同一时间段内显示不同类别的趋势，以便于比较。

3. 条形图

条形图非常适合比较不同的值，尤其是在将它们分为不同颜色的类别时。为了区分条形图和折线图之间的区别，让我们使用上面折线图中使用的相同信息在条形图中进行新的可视化显示

4. 柱形图

在并列比较不同值时，通常使用柱形图。柱形图也可以显示一段时间内的变化，但是当你要关注整体数字而不是趋势时，使用柱形图是有意义的（当查看趋势时，折线图更有效）。

例如，需要图表显示了网站的每日总访问量和会话次数。由于每天的数字变化不大，因此柱形图没有给出任何清晰的见解，但是柱形图所能提供的信息是每天网站访问者有多少。

如果要强调或比较关键数字和总体趋势，可以组合折线图和柱形图，如下例所示：

5. 饼图

饼图可帮助您立即告诉每个值如何构成整体。比仅列出总计100％的百分比更为直观。举个栗子，饼图可以显示了哪些产品系列在总潜在客户中占有最高的份额。

如果要有效地使用饼图，则应具有6个或更少的类别。当类别数为6或更多时，饼图会变得过于拥挤，并且值太难理解。请参阅下面比较美国各州人口的奇异饼图，以作为饼图提供的信息很少的证据：

6. 面积图

面积图很有用，因为你可以看到每个类别的总量和比例。

7. 数据透视表

数据透视表不是一种直观直观的数据可视化方法，尤其是当你希望在查看确切数字的同时快速提取关键值时（而不是试图找出趋势）时，如果无法使用自动执行此操作的自助服务BI工具，那么这是一种可视化数据的好方法。

8. 散点图

散点图按圆圈的颜色分为几类，圆圈的大小指示数据的大小，并用于可视化两个值的分布和关系。

例如，在下面的散点图中，每条产品线通过出售的单位数量和产生的收入进行可视化，其值显示为圆圈大小。它还按性别排序（将鼠标悬停在圆圈上可以查看原始的产品名称）。

在此示例中，可以确定最经常（且最赚钱）的客户当前是男性，这可能会（例如）根据业务优先级为男性客户带来更多的销售额。

9. 气泡图

气泡图类似于散点图，其中圆的大小指示值的大小。但是气泡图与散点图的不同之处在于，许多不同的值被组合在一个小地方，并且每个类别仅显示一个值。这是一种有用的方法，可以证明少量类别非常重要，而大量其他类别并不重要。

10. 树状图

树状图有助于显示类别和子类别之间的层次结构和比较值，你可以在查看详细信息的同时即时预测总体上最重要的区域。

为此，将颜色编码的矩形嵌套在一起并对其加权以反映总体份额。下面的树形图显示了不同营销渠道的价值，并按国家/地区分开了。一目了然，你会发现AdWords是最有效的渠道，但在所有渠道中，美国也是最有价值的地方。

11. 雷达图

雷达图（或玫瑰图）是一种饼图。但是，不是通过角度的大小显示每个值在整体中所占的比例，而是所有扇区都具有相同的角度，并且通过距圆心的距离显示该值。在今年的新冠疫情当中，玫瑰图被大量运用来展现世界疫情数据可视化。

12. 区域图/散点图

这种数据可视化方法使可以立即查看哪个地理位置对业务最重要。数据在地图上显示为颜色点，圆圈的大小指示该值。

例如，下面的地图按位置显示网站访问者，白色显示客户转化率（越亮，客户转化率越高）。

这种类型的数据可视化非常有用，因为它一目了然地为你提供了两个重要的信息：世界上最吸引游客的地方，以及世界上最有价值的游客的地方。这样的洞察力可以在几秒钟内揭示你的营销策略中的弱点。

13. 漏斗图

漏斗图是一种非常特殊的可视化方法，它表明随着客户浏览销售漏斗，价值降低。此图的优点是，它可以提高每个阶段的客户转化率，因此可以快速查看在销售过程中失去客户的位置。下面的渠道图显示了需求的各个阶段的人数，从首次访问网站到最终的销售结束，经历每个接触点的人数：

14. 鱼眼/笛卡尔畸变

最后，这不是数据可视化的样式，而是有用的附加功能，你可以放大更复杂的可视化数据（例如动态模型图和气泡图）中的细节。将光标移到图形上可以放大类似鱼眼的区域，从而可以根据需要进行挖掘并获取更多细节。

结论

无论选择哪种数据可视化，都需要准确有效，并且所使用的软件必须能够有效地访问数据，并且可以使用可以使用功能强大的外部可视化工具来更好的改善结果。

没有强大而灵活的平台，即使最终得到漂亮的结果，你的数据也将最终建立在非常不稳定的基础上。

 

本文由 @数据可视化那些事 原创发布于人人都是产品经理，未经许可，禁止转载

题图来自 unsplash，基于 CC0 协议