21、数据可视化与商业决策：案例解析

数据可视化与商业决策：案例解析

1. 模型性能分析

1.1 问题分析

在银行工作中，面对员工分享的模型性能图（图 7.3a），需先提出一系列问题来深入了解数据。具体问题如下：
- 图中使用的缩写词是什么意思，坐标轴代表什么？
- 图右侧的次 y 轴对应的是哪些数据？
- 线条样式的选择有什么原因？
- 大红色框想要突出显示什么？

1.2 反馈建议

1.2.1 使用易懂的语言

原图表的语言可能是统计编程软件的输出，对于非统计专业人员来说难以理解。应将缩写和专业术语转换为易懂的表述，例如将 “vol_prepay_rt” 转换为 “自愿提前还款率”，即提前还清贷款的人数比例。同时，要明确解释缩写词，如 “ltv_bin” 代表贷款价值比（LTV），“UPB” 是未偿还本金余额。对于图表标题和底部的复杂语言，要根据受众决定是否突出显示，若面向高级领导团队，可能无需详细说明技术细节。

1.2.2 谨慎改变线条样式

虚线很吸引注意力，但会增加视觉噪音。建议仅在表示不确定性（如预测、目标等）时使用虚线，如实线用于表示实际数据，虚线用于表示估计数据。图 7.3a 中蓝色模型线使用虚线是合适的，但绿色 UPB 线使用虚线不太恰当，因为未偿还本金余额应该是已知的实际数据。

1.2.3 消除次 y 轴

次 y 轴会增加读者解读数据的难度，建议避免使用。可以隐藏次 y 轴，直接标注对应的数据；或者创建两个使用相同 x 轴的图表。图 7.3a 中未偿还本金余额用 “千的千倍” 表示较奇怪，可将单位改为百万，使图表更易处理和讨论