請牢記這5個高效的數據可視化技巧丨Data Studio

2021-02-19 觸脈諮詢

Data studio可謂是可視化的重要工具,學會其中的一些小技巧,可幫助你大大提高工作效率!本文主要講述有關目標、維度指標、作圖等相關的小技巧。

文丨武薈

觸脈諮詢數據分析師

「為什麼加班是我的工作常態?」

像這種感嘆在工作的時候經常能聽到,那你是否想過是什麼原因導致這樣的結果呢?

效率太低!

想要不加班,提高效率才是王道。 

在我的日常工作中,會經常和Google Analytics、Data Studio等工具打交道,也深知熟練掌握他們的重要性。

但任何事情都要講究效率,比如:

老闆要求一小時之內做出30個國家的報告(如GA國家按不同View進行區分),你會選擇一個報告一個報告的創建嗎?No,你當然不會。你會選擇先創建一個報告,然後【複製】,最後【批量更改連接的數據源】,這就是一個小技巧,只不過在日常生活中經常使用,也就不足為奇了。

Data studio作為Google系中重要的可視化工具,日常出報告、看數據都離不開它。其本身具有很多便捷的功能,比如支持多人協作、多種圖表供選擇、連接多種數據源、數據整合、計算欄位等。此外,還隱藏了很多超實用的功能技巧,能夠幫助我們提高工作效率。

下面,分享給大家5個Data studio小技巧,拒絕再當「加班狗」!

技巧1:如何使用Data studio獲取GA中的目標達成情況?


目標:

可以用來衡量您的網站或應用完成既定目標的情況,即代表用戶完成的某項可推動業務取得成功的活動。

那麼,在Data studio中如何衡量每天的目標達成情況?

Step1:連接所需數據源(可參考文章:強大的免費可視化工具:Data Studio操作手冊)

Step2:首先對於某個具體目標獲取每天的目標完成情況。(如登陸)

Step3:然後根據自己公司業務發展定每天目標量(如為常量1000)

Step4:利用計算欄位功能,創建常量值。(可參考:Data studio計算欄位)

Step5:最終顯示折線圖,即可清晰顯示每日目標是否達標的情況

便於將問題聚焦於某一天,進而分析問題所在或者對目標達成情況比較好的進行借鑑。

技巧二:Data studio應用條件格式製作熱圖

熱圖是目前最常見的一種可視化手段,廣泛應用於各種大數據分析場景,其可以快速發現海量數據中的重要數據。

下面,就介紹使用Data studio製作熱圖的方法。

Step1:利用連接的數據源拉取數據

Step2:選中報表,添加條件格式

Step3:設置格式

Step4:最終顯示結果

根據顏色深淺可判斷數據的大小及重要程度,方便用戶對數據傳遞的信息進行深入了解。

技巧三:了解Data studio中的展開細分功能帶來的便捷之處


你是否遇到過這樣的情況:

想分別看國家、省份(GA中用區域維度表示)、城市的用戶數、會話數以及變化率。於是,你就開始創建各種各樣的表格。

這固然可以,但拉取多個指標完全一致的表格不僅浪費時間,而且也會影響報告的美觀度。

應該怎麼辦?

對於分別查看多個維度(最好各個維度有一定的層級關係,如:國家,省份,城市)對應的指標時,可使用展開細分的功能。

Step1:利用連接的數據源,拉取數據

註:①維度同時添加 ②打開展開細目功能 ③選擇默認展開細目級別

Step2:在查看數據狀態下使用展開細分功能

註:通過點擊⬆ ⬇獲取不同級別的數據。

技巧四:Data studio中的所選指標功能

同樣的道理,對於查看的眾多指標來說,不想一次次的更改或添加指標,但也不想將所有指標都展示,影響表格佔據面板的整個長度。

為了避免這樣的情況,便可以採用所選指標功能。

Step1:利用連接的數據源,拉取數據

註:①指標同時添加 ②打開所選指標功能 

Step2:在查看數據狀態下使用可選指標功能

 

技巧五:如何使用電子郵件過濾功能,針對不同的人群提供不同的信息?


處於數據化時代,數據的及時性、重要性、保密性成了最為關注的問題。任何與用戶相關的數據都要注意保密性。

那麼,在Data studio中如何針對不同的人展示不同的數據。(前提有接收人電子郵箱信息)

Step1:首先利用連接的數據源可以拉取完整數據

Step2:然後進行設置,資源——管理添加的數據源——對數據源進行修改——按電子郵件地址過濾——選擇欄位

Step3:結果對於針對不同的用戶顯示不同的數據(根據郵箱區分用戶,結果不會存在數據洩露的問題)

(如通過上圖,可以看到某領導帶領下的員工在5次考核中成績的波動情況)

以上介紹的5個Data studio小技巧,只是冰山一角,其實它還有許多豐富的功能值得去探索!後續我們也會繼續進行分享!

(添加客服,可加入交流群)

備註:暱稱-地區-公司-職位

GA使用、數據學習、行業交流、乾貨分享……

相關焦點

  • 6個技巧輕鬆玩轉數據可視化,讓你的數據「會說話」
    數據可視化工具將數據以可視化的形式表現了出來,例如創建圖形、表格、導航圖等,這使得分析對於業務用戶來說更具意義。 鑑於人類大腦處理信息的方式,使用圖表等圖形元素實現複雜數據的可視化要比使用電子表格等基於數字的報告更容易發現一些趨勢。藉助於數據可視化,業務分析師通過手頭上的數據集就能夠輕鬆發現市場趨勢、模式和異常值。
  • 五個技巧教你用編程實現數據可視化
    像Excel這樣一行代碼都不用寫就可以做數據可視化的工具,甚至被有些人用來畫風景呢。但是,寫代碼做自己的數據可視化還是有不少好處的,除了更加靈活高效外,還可以完全根據自己的需要進行「定製」。用編程實現可視化其實是非常有趣的,雖然從起點學習編程不是那麼容易,而且大部分人都會說沒有足夠的時間,但我依然覺得,為了獲得長期的收益,從一開始花點功夫還是值得的。
  • 使用Matplotlib可視化數據的5個強大技巧
    數據可視化用於以更直接的表示方式顯示數據,並且更易於理解。它可以用柱狀圖、散點圖、折線圖、餅圖等形式形成。許多人仍然使用Matplotlib作為後端模塊來可視化他們的圖形。在這個故事中,我將給你一些技巧,使用Matplotlib創建一個優秀圖表的5個強大技巧。1.
  • R系列丨基於可視化的描述數據分布(二)
    211統計成立數據研究啦,將定期刊載與統計學習有關的各種乾貨內容。這是我們帶給您的第3篇文章。
  • 【數據可視化】新冠疫情數據可視化
    import Linefrom pyecharts.charts import Pieimport warningswarnings.filterwarnings("ignore")data = pd.read_csv('D:\\Course\\數據可視化\\我的數據可視化2\\COVID_19_data_China.csv',encoding
  • 零基礎怎麼玩轉數據可視化?看這份工具和技巧清單就夠了
    數據可視化工具目前市場上各種各樣的可視化工具,讓人眼花繚亂,主要分為這三類:開源可視化工具、可視化插件庫,代表的有Paper.js、Highchart.js等,這類工具需要掌握一定的編程基礎,門檻比較高,適合比較專業的可視化研究者數據可視化分析軟體
  • 數據可視化的5個步驟
    對於用戶來說,從這個數據海洋中抓到關鍵信息越來越難。這也是數據可視化的用武之處:用簡單易懂的可視化方式總結並呈現大型數據集,為讀者提供有價值的信息。許多先進的可視化方式(如:網絡圖、3D 建模、堆疊地圖)被用於特定用途,例如3D醫療影像、模擬城市交通、救災監督。
  • 數據可視化,值得關注的30個技巧(建議收藏)
    所以,今天我們拋開代碼,僅就可視化圖表設計層面,來分享一下前人總結的30個小技巧。通過列舉一些容易被忽略的常見錯誤,最終能夠快速提升和鞏固你的可視化製作水平。1.條形圖的基線必須從零開始條形圖的原理就是通過比較條塊的長度來比較值的大小。當基線被改變了,視覺效果也就扭曲了。
  • 數據可視化必須注意的30個小技巧
    優秀的數據可視化圖表只是羅列、總結數據嗎?當然不是!數據可視化其真正的價值是設計出可以被讀者輕鬆理解的數據展示,因此在設計過程中,每一個選擇,最終都應落腳於讀者的體驗,而非圖表製作者個人。這裡給大家總結了數據可視化的製作的30個小技巧,通過列舉一些容易被忽略的常見錯誤,最終能夠快速提升和鞏固你的可視化製作水平。
  • 10種免費的工具讓你快速的、高效的使用數據可視化
    同樣,您也可以根據數據創建自己選擇的圖表。這些圖表是互動的,響應性的,可嵌入您的網站。該工具的免費版本適用於單個用戶,支持10,000個月圖表視圖。Datawrapper主要面向記者。世界各地的新聞記者都使用Datawrapper來構建他們的圖表和地圖。然而,對於任何想要可視化來伴隨他們的文章的人來說,它都非常有用。
  • 6個要點搞定高效且引人入勝的數據可視化
    一個數據可視化看起來製作簡單,但是你想要把數據可視化做到即高效,同時又不失去趣味性,並且能夠得到大多數人的喜歡卻不是一件容易的事情。要把這兩者兼得去製作出一個令人滿意的數據可視化,想必是很多設計師或者數據分析人員所追求的一個目標。因為一個完美高效的數據可視化,不僅能講述一個「好故事」而且還能通過可視化圖表發現數據當中隱藏的信息來輔助我們進行企業決策。
  • 如何在AI Studio數據可視化圖像中顯示漢字
    作者:燕清,老齊與本文相關的圖書推薦:《跟老齊學Python:數據分析》AI Studio是一個非常好用的數據科學在線實驗平臺,不論是教學、學習還是開發,都可以使用。但是,下面的缺憾未免成為了珍珠上的一點瑕疵。
  • 一看就懂的10個數據可視化技巧
    沒錯,那時一切都一團糟:我從頭開始學習 python、熟悉了所有可能的算法、理解了所有東西背後的數學原理,但是我的繪圖技巧很糟糕。為什麼會這樣?我們總是在做同樣的事情。你知道的:pairplots,distplots,qqplots…你在可視化數據時使用圖表是理解數據的唯一方法。這些都是非常有用、通用和默認的圖表。所以,複製和粘貼一堆代碼成了我時最常做的事情。
  • Python數據可視化—Seaborn
    今天為大家分享的小技巧是python的可視化畫圖庫Seaborn。相信很多小俠客用過matplotlib、pyecharts等可視化庫,可是為什麼還要介紹Seaborn呢?因為它修復了上述兩個庫的一些缺點,比如Seaborn提供了大量的高級接口和自定義主題,而matplotlib沒有這些接口使得很難確定哪些設置來自定義圖表。
  • R數據分析:主成分分析及可視化
    主成分分析是一個常見的降維,探索性技術,常常在量表編制或者其它變量較多數據集分析的時候會用到,今天給大家寫寫R語言中如何快速高效的進行PCA和可視化。數據介紹及PCA今天用R中自帶的數據集mtcars,這個數據集只有32個觀測,但是有11個變量,太多了,我們就做PCA選個主成分出來:這兒大家得注意主成分分析只能應用於數值變量,而且變量必須標準化PCA only works with numeric dataCategorical data must be encoded as numeric
  • ​數據可視化 | 6個基本可視化Python庫
    數據可視化是使用可視元素(例如圖表,圖形等)表示數據的過程,有助於從數據中獲取有意義的見解。它旨在揭示數據背後的信息,並進一步幫助查看者查看數據中的結構。數據可視化將使任何人只要對數據科學的了解最少,即可獲得科學發現,並幫助人們輕鬆地交流信息。畢竟,一張圖片勝過千言萬語。在本文中我們將介紹一些Python支持的最出色的可視化庫。
  • Excel內外環形圖設計技巧,可視化動態圖表,合併數據高效展示
    今天跟大家分享一下Excel內外環形圖設計技巧,可視化動態圖表,合併數據高效展示。メ大家請看範例圖片,左側數據源包含合併單元格數據,子目錄數據形成內外環形圖。メメ先選擇合併單元格數據——插入——環形圖。
  • 國外常用的十個數據可視化工具
    有時,數據集如此之大,以至於無法從中辨別出任何有用的東西。這就是數據可視化的用武之地。創建數據可視化很少會很簡單。設計人員似乎並不能簡單地獲取具有數千個條目的數據集並從頭開始創建可視化效果。當然可以,但是誰願意花費數十或數百小時在散點圖上繪製點?這就是數據可視化工具的用武之地。
  • 火爆抖音、B站的數據可視化動態視頻都是如何製作的?
    最近世界疫情越來越嚴重,小編在關注疫情的發展情況過程中,再一次拜倒在數據可視化的石榴裙下,話不多說,請看以下動畫。類似的視頻最近在抖音、B站上非常火爆!短短兩分鐘數據可視化的動態視頻可以讓我們非常清楚的了解疫情隨時間的變化趨勢,比如各個國家感染人數情況,還可以對比每個國家疫情的嚴重程度等等.......你是不是也在感嘆數據可視化的神奇力量。
  • Python 與金融數據|股票數據的獲取與可視化
    pandaspandas 是基於NumPy 的一種工具,該工具是為了解決數據分析任務而創建的。Pandas 納入了大量庫和一些標準的數據模型,提供了高效地操作大型數據集所需的工具。pandas提供了大量能使我們快速便捷地處理數據的函數和方法。