数据可视化培训资料.pptVIP

概念 借助于图形化的手段，清晰、快捷有效的传达与沟通信息。从用户的角度，数据可视化可以让用户快速抓住要点信息，让关键的数据点从人类的眼睛快速通往心灵深处。 数据可视化一般会具备以下几个特点： 准确性 创新性 简洁性  意义 1、表达观点 人类是视觉动物，一张简单的数据可视化图表在传递大量信息的同时，能更加直观地阐述观点，为浏览者带来更深刻的印象。比如最为经典的就是1857年，南丁格尔设计的玫瑰图。她讲每月牺牲的战士数量以及死亡原因，列成一张图表，直观的表达了战争的可怕以及军队医疗条件的重要性。 这张图很简单，但是却真正直接客观的将各种数据展示在女王面前，从而为军队赢来更好的医疗条件。这是当时的数据可视化，也是真正的一图胜千言的代表。 意义 2、发现联系 在错综复杂的数据中，很难发现不同维度和指标之间的关联关系，通过数据可视化的方式则可以轻松验证。 日本有一家啤酒厂，收集了近 30 年的气象资料，将其与当月的啤酒销售情况相联系，绘出了“啤酒气温曲线”。通过这个图表可观察出，在市场趋于饱和的情况下，气温成了决定啤酒销量升降的主要因素。于是，这家啤酒厂根据天气情况，合理安排生产，收到了良好效果。越来越多的企业开始重视公司自身数据的收集和处理，通过商业 BI 系统的帮助，在可视化的图表中，发现潜在的联系，以此优化、改进公司策略。 具体的实施主要分为： 获取数据、数据处理和可视化3步 1、获取数据 数据可视化的第一步，首先要拥有数据，数据来源主要有以下几种： 自有数据 公司运营过程中最直接的数据。比如成本数据，销售数据。对于互联网公司来说，注册用户的用户名、性别、年龄、消费记录等，这也是最关键、最核心的数据。 爬虫采集 互联网上有大量的资源，比如豆瓣上有最全的书、电影的数据，京东、淘宝上有丰富的商品数据，微博上有大家讨论最多的话题和微博，而这些数据常常难以直接批量获取，需要通过写程序的方式爬取数据。竞争对手的数据常常也可以通过爬虫抓取。 购买、合作、公共数据等 通过购买、合作的方式获取数据，统计局等机构的网站上也会有很多数据可供研究。 2、数据处理 数据清洗 这一步需要清洗掉不合法的数据。需要根据具体的业务情况来判断哪些是不合法的数据。比如收集到的调研问卷中，回答自己是学生，同时是妈妈的群体；在实际的业务中，会有很多类似的逻辑矛盾的数据。 数据扩充 很多数据背后包含更加丰富的信息，比如可以通过用户注册的手机号，扩充到归属地、运营商，通过 IP 可以定位的 IP 所在城市，通过用户的 User Agent，可以扩充用户使用浏览器、操作系统、手机机型等信息。通过数据扩充，挖掘背后更多的联系。 数据的预处理 采集到的数据可能是百万千万甚至上亿的数量级，常见的可视化工具无法处理如此庞大的数据量，这一步则需要进行数据预处理，将数据聚合以及初步的统计，处理成可视化工具容易识别和处理的格式。 一、面积尺寸可视化 对同一类图形（例如柱状、圆环和蜘蛛图等）的长度、高度或面积加以区别，来清晰的表达不同指标对应的指标值之间的对比。这种方法会让浏览者对数据及其之间的对比一目了然。制作这类数据可视化图形时，要用数学公式计算，来表达准确的尺度和比例。 3、数据可视化 下面从最常用和实用的维度总结了五种数据可视化方法： 一、面积尺寸可视化 一、面积尺寸可视化 二、颜色可视化 通过颜色的深浅来表达指标值的强弱和大小，是数据可视化设计的常用方法，用户一眼看上去便可整体的看出哪一部分指标的数据值更突出。 二、颜色可视化 二、颜色可视化 三、图形可视化 在我们设计指标及数据时，使用有对应实际含义的图形来结合呈现，会使数据图表更加生动的被展现，更便于用户理解图表要表达的主题。 三、图形可视化 四、地域空间可视化 当指标数据要表达的主题跟地域有关联时，我们一般会选择用地图为大背景。这样用户可以直观的了解整体的数据情况，同时也可以根据地理位置快速的定位到某一地区来查看详细数据。 四、地域空间可视化 五、概念可视化 通过将抽象的指标数据转换成我们熟悉的容易感知的数据时，用户便更容易理解图形要表达的意义。 五、概念可视化 注意事项 在总结了常见维度的数据可视化方法和范例之后，要再次总体强调下做数据可视化设计时的注意事项，总结了3点如下： 设计的方案至少适用于两个层次：一是能够整体展示大的图形轮廓，让用户能够快速的了解图表所要表达的整体概念；之后再以合适的方式对局部的详细数据加以呈现（如鼠标hover展示）。 做数据可视化时，上述的五个方法经常是混合用的，尤其是做一些复杂图形和多维度数据的展示时。 做出的可视化图表一定要易于理解，在显性化的基础上越美观越好，切忌华而不实。  总结 作为设计师，除了掌握方法来有针对性的设计之外，还要在平时多留心积累素材，同时培养自己的创造力和专