編輯導讀：隨著「數智化」時代的到來,我們生活中的方方面面都離不開數據,而你真的了解數據嗎？本文作者將為大家重新解讀數據的概念和價值，以及數據的價值是如何在「數智化」時代下一步一步得到運用與升華的，一起來看看~
一、前言
上幾期文章中，我們已經了解到「數據」是一個龐大的體系（如下圖所示），並用了菜市場的例子，為大家講解數據來源的含義；用買菜的例子，為大家講解數據採集的步驟；用洗菜、擇菜的例子，為大家講解數據清洗的方法…
而今天小陳主要給大家講解，我們學會做菜以後，怎樣把烹飪方法簡單易懂的傳授給他人，即數據可視化的過程。
二、可視化圖表的選用原則（參考麥肯錫系列書目——《用圖表說話》）
先上圖表選取原則乾貨（見下圖），下面我們再針對每個表格的使用進行逐一講解！
圖片來源——公眾號【高端商務報告】
1. 成分類
（1）餅類
一般情況下，我們會選擇餅圖來呈現成分的對比關係。而餅圖使用也存在下面這些「潛規則」
a.遵循閱讀習慣，餅圖成分重要性需要呈順時針順序
在閱讀餅圖時，人們都會下意識的從12點鐘方向，順時針讀下去。所以，為了迎合人們的閱讀習慣，我們需要將數據的佔比大小、重要性按照順時針方向切片展示。
b.切片數量不要超過7個，如果餅圖類別很細，對於受眾而言，對比起來是非常困難的。所以，當你發現切片數量將超過6個時，將其餘不那麼重要的分支整合歸為「其他」項。
c.儘量避免使用立體餅圖，除非你真的有信心避免視覺錯覺。
如下圖所示，從受眾的角度看這張立體餅圖，是不是很難分清楚兩個佔比最小的扇形究竟誰大誰小？而如果我們採用「俯視」的視角看這張餅圖，就會好區分很多！
2. 項類對比
首先，我們需要明確項類對比的含義是什麼，以及它指的對比維度是什麼？一般來說，常見的維度對比無外乎數據大小、佔比這兩類。而就圖表類型而言，項類對比最常用圖表類型為條形圖，下面我們來談一談條形圖使用的原則。
（1）符合嘗試的默認排序（從大到小、從高到低、從好到差）,除非你需要遵循其他邏輯排序
一般來說，人們看條形圖比較想要獲取的是頭部項類對比訊息，沒有人會特別注意尾部項類的佔比和對比。所以為了迎合人們的閱讀習慣，我們需要按照從大到小、從高到低、從好到差的默認條形圖排序實現繪製。
當然，遵循其他特定的邏輯排序也是可取的。例如，某公司對比業內競爭者市場佔比時，特意按照進入市場的時間長短進行條形圖排序。如下所示，是按照品牌邏輯對條形圖進行展示。
（2）條形圖間隔<條形圖本身寬度
麥肯錫條形圖的分類間距一般設置為本身寬度的20%-50%；而經濟學人的分類間距則為50%-80%，保潔等大型公司的報表中也呈現10%-30%不等。如下所示，是經濟學人一篇文章中的散點圖和條形圖。
雖然，間距不一，但不難發現，業內幾乎沒有分類間距>條形寬度本身的。
3. 時間序列、頻率分布
時間序列，顧名思義，就是一條時間線下數據類別、變量的變化；而頻率分布可能會稍微難懂一點，但我相信看到下面這個例子，你就不陌生了！
相信大家大學上《概率論》的時候，都看過這個函數！概率密度函數，沒錯，他就表示了頻率分布!
時間序列、頻率分布製圖時，通常選取柱形圖、折線圖兩類，而這兩類值間應該怎樣進行選取呢？
在麥肯錫的《用圖表說話》一書中，建議以8個時間點為區分界限，當時間點>8時，採用折線圖，減少視覺對比疲勞，當時間點<8時，選取柱形圖。以下是柱狀圖、折線圖兩種圖表的使用規則。
其次，柱狀圖和折線圖的選擇還和數據特徵有關，當你想凸顯特定時間段內產量、銷量等數據指標的時間序列變化，用柱狀圖比較合適，因為它還能夠凸顯程度、數量；而折線圖則更注重變化、變化趨勢，在表現數據發展趨勢和時間序列預測分析中較為常用。
（1）柱形圖
a.柱形圖間隔<柱形圖本身寬度
這一點其實和條形圖類似，此處就不做贅述了
b.堆積柱狀圖使用有度，避免對比混亂
堆積柱狀圖適用於對比多個項目、類別的成分關係，是表達成分對比關係的重要方式。
但需要特別注意，百分比堆積圖儘量不要對比每個類項超出3個細分成分，否則會帶來對比混亂。如下所示，堆積柱狀圖的類項已然超過3個，對比起來就會很混亂。
（2）折線圖
a.趨勢線要突出（顏色、粗細等）
折線圖是以上圖表中，最能夠直觀展示上升、下降、波動、維持原狀趨勢的圖表，它側重於勾勒變化和變化趨勢，用於表達數據的發展趨勢。
但，趨勢線作為折線圖中的主體，一定要突出。而這個突出，可以是顏色上的突出，使用紅色等重點色；也可以是粗細上的突出，比如，我們一定要注意到折線圖趨勢線比網格線、刻度線粗！
4. 相關性
相關性分析中，我們常使用散點圖直觀地顯示變量間的相關強度、相關方向，並用於探索性數據分析，做出擬合曲線和回歸方程，對未來趨勢進行探索性預測。
（1）散點、氣泡圖
a.散點、氣泡大小需要直觀
人都是視覺動物，而圖表需要做到就是把人的視覺利用到極致！散點圖、氣泡圖中，每一個散點、氣泡就代表著一個樣本個體，而散點、氣泡的大小就能只管的展示出該樣本的大小。所以，我們在製作圖表時，需要充分利用這一點，用散點、氣泡大小直觀的展示樣本間的關係。
三、結語
以上，就是本期可視化圖表選取原則的全部內容！我們【這篇文章把數據講透了】系列到這裡也就完結了！撒花！！
接下來，你想看哪方面的文章呢？
#相關閱讀#
這篇文章把數據講透了（一）：數據來源
這篇文章把數據講透了（二）：數據採集
這篇文章把數據講透了（三）：數據清洗
這篇文章把數據講透了（四）：數據挖掘
這篇文章把數據講透了（五）：數據可視化（上）
這篇文章把數據講透了（五）：數據可視化（中）
本文由 @小陳同學ing. 原創發布於人人都是產品經理，未經作者許可，禁止轉載。
題圖來自Unsplash，基於CC0協議。