掌握这几条小贴士，快速提升数据可视化能力！

作者 | 吕薇，腾讯员工

来源 | 互娱增值服务部

原文标题 | 浅析数据可视化与应用思路

一

好的数据可视化图表可以救命

约翰·斯诺（John Snow）在1854年制作了伦敦霍乱地图，通过标记死亡地图，清晰的了解到霍乱的源头，总而挽救了无数的生命。

(图片来源百度）

南丁格尔玫瑰图通过简单数据对比，更明晰表达军队医院季节性死亡率，打动了军方高层，军事改良提案得到了支持，方案实施后，伤员的死亡率很快从42%降低到了2%

(图片来源百度）

说回到我们现实的生活，当前和平年代，可视化也是在不断帮助我们：比如每天我们要看的路况图，天气走势图等等，都能一目了然的把信息传递给我们，让我们能够更方便的做出决策。

(图片来源百度）

二

可视化分析的步骤

举一个例子简要说明一下：

（1）当前问题：

我发现付费数据下降了，这时候我要用RCA分析法，一步步找出问题，思考分析数据需要什么数据（活跃ARPU下降，付费ARPU下降？付费渗透下降？付费用户下降等等）；

（2）数据收集：

我们数据主要来源于游戏日志，我们可以自己用SQL提取，或者是找数据同事帮助提取，提取之后原始数据，进行加工清洗，找出有用的数据；

（3）可视化展现&数据分析

为了让观看报表的人可以更明晰理解我们的思路，我们会把根因分析的过程用图示列出来选取合适的图表。

比如：看走势用折线，看不同类别用条形图等等；美化图表，选择合适的颜色，字体，等等；进行报告的展现，协同相关人一起分析

（4）解决问题：

根据结论，进行针对性的修改，同时进行数据埋点，下一次再进行数据观察和分析。

最终实现，以数据驱动产品的过程，带动产品更好的发展。

三

可视化分析应用思路

1、可识别应用效果：

在上述章节，我们说到了美化图表这块，通过以下的视觉属性展示，我们能便捷的识别出目标

2、数据类型分类&应用效果分类

在日常的数据分析中，我们会遇到以下3种分类的数据，不同的数据类型，可以用来强调和区分的效果，参考如下：

（1）分类数据
比如：付费用户，非付费用户。
此类数据可以用：位置，颜色，形状进行区分。

（2）次序数据
比如：优秀，良好，差。
此类数据可以用：位置，大小，颜色，颜色深度，形状进行区分。

（3）量化数据
付费额度：1-10元，10元-50元等等。
此类数据可以用：位置，长度，大小，颜色，颜色深度，方向进行区分，在进行不同的数据对比时，我们需要思考如何更好用到上述的应用效果，进行更明晰的视觉展示：

(图片来源百度）

3、可视化图表&图形选择

我们常用的基本统计图包括：条形，饼图，折线

其他统计图：

堆积，面积（简单的数量比较和变化趋势）
两个维度的散点分布
树型关系

延伸的散点图（简单的点，扩展成图形，分布在散点中），图形或者气泡

堆积图，面积图（用百分比更明晰对比）
复杂的多环饼图

图表建议如下：

（图片来源百度）

实例：图形+效果，更好展现数据。

通过多个柱状图，我们可以同时比较多类别数据比较关系。

增加颜色，效果更直观
增加堆叠条，便于更细分数据。

如下图，是对比不同城市的产品销量，通过堆积图，我们进一步把一个城市的产品销量做了分类。我可以明显的看到，销售量最多的城市，各类物品的销售情况。

当然，如果还想更明晰的看到KPI达成情况，我们还可以增加辅助线。

特殊的有意思的图：

桑基图：特定的流程图的展示，一般我们用漏斗图可以分析一个用户从点击页面，到购买中间，整体的一个环节，但是，中间的一些细节我们关注不到，这时候，就需要用到桑基图，来看一个整体的流程流动情况。

四

地图可视化

地图可视化可以为我们做什么？只是看上去更炫酷么？

地图便于我们更明晰的找出地区之间数据的差异。

以下是我做的两个示例表：表示每个区域的销售额度，你更喜欢哪一张？

(1)常见地图可视化展示类型：

路径地图：可以用来看台风的路径，如果是吃鸡游戏分析，我们可以用来分析流失用户的地图路径。

蜘蛛地图：

用来看出发地点和一个或多个目的地的相互作用，比如了解地铁运行图。

符号地图：
文章开头的伦敦霍乱图，能了解各个位置的死亡数据。

场景地图：不基于现实生活中的地图，而是基于某个场景位置，比如，我们可以看到商场哪些店铺更热门，超市哪些货架最受关注。

（2）游戏应用场景：
应用于moba类，mmorpg类：我们可以快速知道死亡聚集点，新手流失地点，地图停留时长。

PUBG类游戏：我们可以更快速的知道，死亡聚集点，落点，胜利点，新手流失地点等。

（3）开发难点

地图热力图的内容分为两部分，一个是基于数据计算的热力图，一个是底层地图，然后将两个图层合并成一个才能形成地图热力图。

热力图绘制过程涉及到数据清理、处理、导入绘制，因为不同业务地图尺寸不一致，需要制定一套规则将数据转变的比例确定下来以保证代码通用性，和对原始地图的适配，需要考虑统一数据处理方案；网上热力图组件比较多，但是差异性较大，需要选择合适的数据向图形转换组件，这边我们也是在持续不断探索中。

关于可视化相关的介绍，暂时说到这里，文章很浅显，希望能抛砖引玉，得到更多人的建议和意见。

小彩蛋：我经常看的一些资源：花瓣网  优品PPT  设计素材搜索  阿里巴巴矢量图标库

本文参考了tableau 数据可视化的科学与艺术，部分图例来自与百度，如有侵权，请联系我删除。