整個設計流程中，數據是基礎，如果僅僅是把數據置于孤立、靜態的圖形中，則會限制可視化能夠回答的問題數量，讓數據貫徹其中，把來龍去脈娓娓道來，成為數據可視化的核心所在。

數據可視化，并不意味著一定要使用很炫的圖形，不同類型的數據需要的展現方式不同，即使是最樸實的展現方式也有適用的場合，可視化的最終目的是為了用直觀、交互的方式傳遞數據中隱藏的信息，回答用戶的問題。如果圖形很絢麗，但是無法從圖形中獲取有價值的信息，這樣的可視化是不可取的。
 數據可視化設計，需要根據場景對數據維度或屬性進行篩選，根據目的和用戶群選用表現方式，同一份數據通過數據可視化可以展現成多種看起來截然不同的形式。

• 有的可視化目標是為了觀測、跟蹤數據，所以就要強調實時性、變化、運算能力，可能就會生成一份不停變化、可讀性強的圖表；
• 有的為了分析數據，所以要強調數據的呈現度、可能會生成一份可以檢索、交互式的圖表；有的為了發現數據之間的潛在關聯，可能會生成分布式的多維的圖表；
• 有的為了幫助普通用戶或商業用戶快速理解數據的含義或變化，會利用漂亮的色彩搭配、動畫創建生動并具有吸引力的圖表。

如何把數據轉化成有效的可視化形式（任何種類的圖表或圖形）是讓數據發揮價值的第一步。接下去簡單的介紹一些常用的分析圖形，以及它們適用的場景。

常規圖形

一般我們做統計分析都會用到柱狀圖，折線圖，餅圖。折線圖通常用于表達趨勢，餅圖用于顯示信息的相對比率，柱狀圖用于橫向比較數據數值。這些常規圖形同樣會用于數據可視化領域，但都會輔助以交互的方式，不僅限于一份靜態的圖表；交互的方式，可以使得用戶能夠對感興趣的數據進行深入挖掘。除此之外，這些常規的圖形還會以組合的方式出現，以突出數據的多維度。

例如，傳統的餅圖一般用來表達一維數據的比例，如果我們把餅圖和地圖組合起來使用，就可以大大拓展餅圖的使用方式，下圖是通過百度ECharts制作的混合餅圖，用戶展現全國各省的GDP數據，其中地圖上的顏色越深代表數值越高，同時用戶還可以通過交互的方式在地圖上選擇參與餅圖對比的區域；一方面可以通過地圖形象的看到全國最高的省份，同時通過交互式選擇也避免了對比條目太多，無法區分重點，把選擇的權利交給用戶，用戶可以根據自己的疑問去設置，進行對比。

散點圖

當想要再深入挖掘一些數據，但不確定不同信息的關聯方式，或者是否有關聯時，可以選擇散點圖。散點圖是大概了解趨勢、集中度、極端數值的有效方式。下圖是通過百度ECharts制作的散點圖樣例，展現的是男女身高體重的分布，可以一目了然的看出平均分布和極端數值。

氣泡圖

氣泡圖是一種動態的多維度可視化方法，展示維度包括氣泡的x坐標、y坐標、大小、顏色、時間等5個維度。通過數據多屬性的同步可視化以及時間動畫，方便用戶探查數據的差異變化以及演變趨勢。下圖是通過淘寶的DataV組件制作的氣泡圖樣例，展示的是茶葉的銷量情況分布，x坐標是搜索指數，y坐標是銷售指數，大小是數值，顏色用來分區分類，一張圖呈現數據的多維性。

樹形圖

當希望一目了然看清您的數據，發現不同部分與整體的關系時，可以選擇樹形圖。顧名思義，把這種圖表中的數據想成一棵樹：每根樹枝都賦予一個矩形，代表其包含的數據量。每一矩形再細分為更小的矩形（或者分枝），仍然以其相對于整體的比例為依據。樹形圖還能有效利用空間，便于您一目了然地看到整個數據集。下圖是通過淘寶的DataV組件制作的樹形圖樣例，用于展現3C數碼配件的銷售分布，以及不同分類的數據占比關系。圖中的每個矩形代表樹的一個節點，大矩形中的小矩形代表父節點包含的子節點。不同的節點用不同的顏色加以區分，節點的值用矩形面積的大小表示。每個節點可以點擊進入查看更細分類的數據占比。

箱形圖

箱形圖又稱盒須圖，是顯示數據分布情況的重要方式。其名稱顯示這種圖的兩個部分：盒，包含數據的中位數，以及第1和第3個四分位數（比中位數分別大、小25%）；須，一般代表四分位距1.5倍以內的數據（第1和第3個四分位數之間的差）。“須”也可用來顯示數據內的最高和最低點。當需要展現一組數據的分布情況時，可以選擇箱形圖：例如，查看數據如何向某一段偏斜，查看數據中的異常值。下圖是通過Tableau制作的盒須圖樣例，用于展現大學招生的成績的數據分布，可以看出數學專業和建筑專業平均分最高，機械工程專業和金融專業的分數跨越較大。

除此之外，還有用于展現數據之間的聯系的弦圖，力圖，用于對比參照目標評估指標表現的靶心圖，用于對比兩類數據之間的交集的熱力圖等等。

數據可視化的發展趨勢

隨著各行各業對大數據分析的深入，數據可視化已經在各個領域遍地開花。

企業通過數據可視化宣傳自己的產品，學校通過數據可視化來分析自己的生源，電商通過數據可視化分析客戶的消費習慣，支付產品通過數據可視化提供年度賬單，可視化作品是否優秀，取決于產品本事能用戶帶來什么？

學校分析生源，可以提供按星座分配宿舍的服務，電商分析客戶消費習慣，可以把用戶最可能關注的商品進行推薦，支付產品提供年度賬單，可以增加用戶的粘性，說到底都是給用戶帶來了附加價值。這類優秀作品都是解釋型的可視化作品，在這些作品背后，展現形式多種多樣，如何找到用戶潛在關注的分析維度是數據可視化的核心，而探索型的可視化工具可以協助分析策劃人員更有效的分析數據，找到數據之間的關聯，制作出優秀的解釋型可視化作品。雖然可視化在探索型和解釋型領域會各自獨立發展，但人們通過探索型的工具發現的數據關聯，現有的展現方式無法表達時，就會推動解釋型工具的更新。

轉自：