数据可视化过程不完全指南

作者 | 钟家福

杏仁医生数据工程师，关注数据分析与挖掘。

数据集犹如世界历史状态的快照，能帮助我们捕捉不断变化的事物，而数据可视化则是将复杂数据以简单的形式展示给用户的良好手段(或媒介)。结合个人书中所学与实际工作所学，对数据可视化过程做了一些总结形成本文供各位看客"消遣"。

个人以为数据可视化服务商业分析的经典过程可浓缩为：从业务与数据出发，经过数据分析与可视化形成报告，再跟踪业务调整回到业务，是个经典闭环。

本文主题为数据可视化，将重点讲解与数据可视化相关的环节，也即上图中蓝色的环节。

一、理解 DATA

进行 DATA 探索前，我们需先结合业务去理解 DATA，这里推荐运用 5W1H 法，也即在拿到数据后问自身以下几个问题：

• Who：是谁搜集了此数据?在企业内可能更关注是来自哪个业务系统。

• How：是如何采集的此数据？尽可能去了解详细的采集规则，采集规则是影响后续分析的重要因素之一。如：数据来自埋点，来自后端还是前端差异很大，来自后端则多是实时的，来自前端则需更近一步了解数据在什么网络状态会上传、无网络状态下又是如何处理的。

• What：是关于什么业务什么事?数据所描述的业务主题。

• Why：为什么搜集此数据?我们想从数据中了解什么，其实也就是我们此次分析的目标。

• When：是何时段内的业务数据?

• Where：是何地域范围内的业务数据?

通过回答以上几个问题，我们能快速了解：数据来源是什么？它的可信度有多少？它在描述何时发生的怎样的业务(问题)？我们为什么要搜集此数据？等等。从而快速了解数据与业务开展近一步的探索与分析。

二、探索 DATA

之前的文章中，我们曾经分享过如何快速地探索 DATA (「如何成为一名数据分析师：数据的初步认知」)，其中有谈到如何通过诸如平均数/中位数/众数等描述统计、通过相关系数统计快速探索 DATA 的方法。本文主要讲解可视化，所以将从可视化的角度去介绍如何通过可视化方法进行数据探索。

在探索、研究阶段，更重要的是要从不同的角度去观察数据，并逐步深入到对业务更重要的事情上。在这个阶段，我们不必去过多地追求图表美化，而应该尽可能快速地尝试更多个角度。下面我们根据数据/主题类型的差异分开阐述：

1. 分类数据的探索

在业务分析中，我们常常将人群、地点和其他事物进行分类，分类能为我们带来结构化，能让我们快速掌握信息。

在分类数据可视化中，我们最多使用的是条形图；但当试图观察分类中的比例时，我们可能也会选择饼图、瀑布图；当不仅关心一级分类还关心子分类时候，我们可能会选择树形图。通过对分类数据的可视化，我们能快速地获取最大、最小值，同时也能方便地了解到数据集的范围，因为它在一定程度上还反映了数据分布特征。下图展示了可视化分类数据的一些选择：

a. 条形图，用长度作为视觉暗示，利于直接比较。

b. 使用饼图、柱形堆叠图、瀑布图等，能在分类数据中对比占比情况。

c. 使用树形图，能在展示一级分类的子类统计，可实现维度的又一层下钻。