数据可视化系列-02各类图表的综合使用介绍及实践-上篇

简介: 数据可视化系列-02各类图表的综合使用介绍及实践-上篇

3.各类图表的综合使用介绍及实践


3.1了解数据功能图

1、可视化中的数据

参考:https://blog.csdn.net/qq_20777797/article/details/77297325

可视化什么:数据抽象

数据可视化中,可视化的元素是数据,这里所指的数据是广义上的数据,包括文本、图片、声音等超媒体数据。

可视化过程中所涉及的四种基本数据集类型分别是:


表格数据:数据表是常用的数据集形式,由行和列组成。

网状数据:网状数据主要用来表明数据项之间具有某种关系,在网状数据中数据项通常被称为节点,两个节点之间的关系被称为链接,也就是网络中的边,并且节点和链接都可以拥有与之相关联的属性。树是一种具有层次结构的特殊类型网络数据,与一般网络数据相比,树没有回路,每一个子节点都对应唯一的一个父节点。

场数据:场数据主要应用于科学可视化

几何空间(spatial)数据:几何空间结构数据通过明确的几何空间位置指定数据项的形状信息,这些数据项可以是空间中的点、一维的直线或曲线、二维的平面或区域,以及三维的立方体。

像集合、列表等也是常用的数据集类型。


这些基本数据集类型又是由不同的数据类组合构成的,这里的数据类是指可视化中所涉及的数据种类,主要包括:


四种数据类,分别是数据项、数据项的属性、链接(links)、位置。


数据项是指一个独立的实体,如关系数据表中的一行,或网络中的一个节点;

属性是数据项的某个可被观测的特性,如年龄,性别等。数据项的属性又可分为类别型和有序型两种,其中有序型又进一步细分为序数型和数值型;

链接是指数据项之间的关系,该数据类型在网状关系型数据集中用的比较多;

位置是地理空间数据类型,指代二维或三维空间中的某个具体位置;


2、基于数据的研究

258d9fa2dca82496b310befe6dda1f84_f5c9996ba4204890a4ebc914e00ce485.png


3、数据的可视化组件

参考:https://baijiahao.baidu.com/s?id=1733582232909161574


1.折线图Echarts、Chart、Highcharts、D3

b853eb1885564ca534a12edd6ea636bb_e84202dee9e44e76b2b073f7782f9a98.png


2.柱状图 Echarts、Chart、Highcharts、D3

4450f6fe9c23cd62a8c3cb22dbee8618_09610bb2b3304348a2f69dbbb39b6136.png


3.散点图Echarts、Chart、Highcharts、D3

96b7df27a6178f2aefbd13372f2d69a7_c23d83b6786745caa186cfe3f6b4934a.png


4.象形图Echarts、Chart、Highcharts、D3

50286210c4285bd4a2398ebe1becc67e_bb339a7cdc5446cfa128848865ee0304.png


5.雷达图Echarts、Chart、Highcharts、D3

6ceb7c91206be1e190cb96ae04b01120_421d621f488845d78adb8498cb390730.png


6.饼图Echarts、Chart、Highcharts、D3

e74f4409d8d979052ceae6b95ea454b0_c685c6e167184de0a32b681f7f02acb3.png


7.水波球Echarts、D3、Canvas


8.仪表盘Echarts、Highcharts、D3、Canvas

2d1f51a4616ecc8c24ef8a2934ca5c34_6268fac304fe406791a9e08a189dc537.png


9.地图Echarts、Antv@L7

2da289b65e3be7adea8f2abd961a9af0_44d91738b0f34cb59fd73c5b041e0243.png


10.拓扑图关系图Antv@g6、Vis、D3、d3-graphviz

abd9fe214ec918df243038efc6be3602_56a498fa91c54b919b453686c93f34b3.png


11.热力图Echarts、antV@L7、Heatmap

8598169dfb28e9412284eb2e6e98734c_3c020f963787418d881571d4a35034c4.png


12.矩形图Echarts、Highcharts、Canvas

f7491858d254fa3d97bc6f0e1a3d0bd4_b7acce02e5464e3bb8917c3b92acf552.png


13.旭日图Echarts、Highcharts、Chart

0d09f04888d67b1dee1b1c3857b52a17_d70c687c95a94d87bb4c30968153f0a1.png


14.桑基图Echarts、Highcharts、Chart

7ba9d8282643f2f026813a1a67564b4f_f789f6415dfa441db3c168b946777419.png


15.3D图Highcharts、Three、Webgl

f170f9c6a031e95eb427b40ad757e4db_c18acf80353f4271b2acc1b46d72fde8.png


16.3D场景Three、Webgl


17.3DGIS场景Mapbox、Cesium

常见的可视化组件还有很多就不在这里一一列举了,大家感兴趣的话可以看一看Echarts官网是比较全的,也可以看看D3.js这本书里面记载了很多图表的实现方案。


4、可视化图表的作用、制作流程和类型

参考:https://nn.sumaart.com/share/119.html


1.确定关注的问题:各城市污染随时间变化趋势如何

2.确定可视化视角:比较排序,整体局部,分布,时间,地理,相关,网络

3.确定变量的个数

4.选择可视化图形

5.图形展示优化(坐标轴及颜色的选择)


3.2北极星指标展示

1、指标类知识回顾:指标类简介、指标类主要场景

参考:http://it.cha138.com/mysql/show-91916.html


数据指标有别于传统意义上的统计指标:它是通过对数据进行分析得到的一个汇总结果,是将业务单元精分和量化后的度量值,使得业务目标可描述、可度量、可拆解。

数据指标需要对业务需求进行进一步抽象,通过埋点进行数据采集,设计一套计算规则,并通过BI和数据可视化呈现,最终能够解释用户行为变化及业务变化。


2d7047e25104275d52e9f4ff7c3a18fe_ac85d23b9e4a495a8228d2fcb0902e22.png

be2dc06d1c2bf1276255d8159415c6d7_3334fd74bd05430d9b942c5ea5ebe88f.png

8b9c50f49ba750bb263d6fcd37461bec_b364e54c65b748819229b8a14a934088.png


2、指标类图表:指标看板、指标趋势图、进度条、仪表盘、翻牌器

参考:https://www.alibabacloud.com/help/zh/quick-bi/latest/create-charts-overview

51067d36ad37f9f00919414061041f17_767d9afc698d43dfa5537ee5a62f17f3.png


指标看板:

指标看板:可以一目了然地展示数据或销售业绩状况,以方便您及时掌握现状,从而快速制定并实施应对措施。因此,指标看板是发现并解决问题的有效地方法之一。

使用场景:多用于展示一个维度下的一个或者多个度量,特别是对某些指标需要精确读数的场景。

优势简介

计算能力:一键配置高级计算同环比。

可视化效果:显示图标LOGO、自定义背景、字体大小、颜色等。

备注能力:可自定义文字或指标等备注信息,可自定义跳转外链路径,实现数据与其他系统之间的交互。

d9fede5f1c4bdbf24f5a972a4967d9f6_4124eac25e9d4d1dafa0349b498f01f2.png


指标趋势图:

指标趋势图可以展示多个指标最新日期的数据或阶段汇总数据,以及指标在某一段时间内的变化趋势。本文为您介绍如何为指标趋势图添加数据并配置样式。

使用场景

多用于某时间段指标数据及趋势等场景,可通过指标的变化快速判断是否有经营异常。

优势简介

计算能力:一键配置高级计算同环比。

可视化效果:显示图标LOGO、自定义背景、字体大小、颜色等。

备注能力:可自定义文字或指标等备注信息,可自定义跳转外链路径,实现数据与其他系统之间的交互。

2188e87c4dfcf57594239928a4f7659d_d31800a9eb364dcca5d127bbe6f4c662.png


进度条:

参考:https://www.alibabacloud.com/help/zh/quick-bi/latest/progress-bar

8aac939164af91d1369c1548f97fe94e_5ff732f04d104b80a3374f6d3cd54256.png



仪表盘:

参考:https://www.alibabacloud.com/help/zh/quick-bi/latest/gauge


仪表盘可以清晰地展示出某个指标值所在的范围。您可以直观地查看当前任务的完成程度或某个数据是否超出预期。例如,通过仪表盘展示某一类商品的库存状态,可以看到库存充足还是需要补货。

113e9ad9dd4c107224db6edbf9f87bd3_e01a53597cf144228218f7fa01e08777.png


翻牌器:

参考:https://www.alibabacloud.com/help/zh/quick-bi/latest/ticker-board


翻牌器可以动态展示核心KPI数据。

使用场景

多用于展示单个指标的场景,重点突出企业或业务,可通过指标的变化快速判断是否有经营异常。

优势简介

计算能力:一键配置高级计算同环比。

可视化效果:显示图标LOGO、自定义背景、字体大小、颜色等。

备注能力:可自定义文字或指标等备注信息,可自定义跳转外链路径,实现数据与其他系统之间的交互。

83c0af3930000cc15e172694cc763040_f440b7838ce3b8f75e62c0d784a72753.gif


3、北极星指标概念、作用及制定标准

参考:https://zhuanlan.zhihu.com/p/427190055

北极星指标(NSM,North Star Metric)也叫唯一关键指标(OMTM,One metric that matters),是指在产品的当前阶段与业务/战略相关的关键核心指标,该指标链接用户价值和商业价值,最终服务与业务的长期健康增长。

之所以叫北极星指标,是因为这个指标一旦确立,就像北极星一样,高高闪耀在天空中,指引团队向同一个方向迈进。


筛选北极星指标的6个标准:

01)此指标能否反映用户得到了产品价值?


指标能反映出用户的痛点得到解决,满足了用户的客观需求,用户在产品上得到了完整的体验价值。


02)此指标能否让公司带来商业价值?


在用户需求被满足的同时,用户愿意付费,为公司带来足够的营收,且能逐渐覆盖成本。


03)此指标能够反映用户的活跃程度?


日活、周活、月活都是很好的用户活跃程度反馈,但可以不局限于登录,还可以使用关键行为作为活跃指标


04)此指标变好,能否说明公司在往好的方向发展?


这里就要警惕虚假繁荣,如果这个指标只能片面的反应数据,则不合适。如平台类产品,单以供给端或者消费端某一方的某个数据作为北极星指标都是不合适的。


05)此指标能否被团队理解、简单可拆解?


指标最好不要太复杂,一般都是绝对值,而不是相对值。


06)此指标是否是先导指标而不是滞后指标?


先导指标可以让决策者尽早地看到问题,而不是等坏事发生再去挽回,错失最佳时机。


最后,根据产品当前的状态、公司的战略目标和竞品的反应,确定某项候选指标成为北极星指标。


4、北极星指标在七个阶段的不同及展现形式

参考:https://zhuanlan.zhihu.com/p/427190055


01)产品开发期

当一个想法萌生在脑海里,到一个产品能被初次较为完整地体验,这段时间我们可以归结为产品的开发期。


如果你要开发一款APP,需要经历从想法-商业价值闭环-功能梳理-产品设计-产品架构-产品开发-产品测试-产品上线的过程。


这个过程基本没有用户的参与,这个过程都是成本投入的过程,每一天都在消耗着你的剩余资金,在完成产品价值闭环的基础上,以开发时间作为北极星指标是最为合适的。


02)引入期

当产品上线后,就可以开始引入种子用户,让这些种子用户体验产品,提出肯定、否定及有待提升的地方,而产品需要向着最小可推广产品的目标前进。


这个阶段产品的更新周期一般在一周一次或者两周一次,根据功能重要程度和团队开发能力来定。


用户的反馈渠道一定要建立完整,链路通畅,不仅有正向反馈渠道,还可以建立反向索取渠道,即产品运营人员主动与用户建立一对一联系。


在用户不反感的情况下,配合福利,可以是花钱的,也可以是今后的免费权益,来获取用户的最真实的建议。


随着用户的建议增多以及产品的不断迭代,用户体验将越来越好,而用户的分享意愿也会越来越高,因此在引入期中程就要加入产品分享功能。


所以在引入期,小哥比较喜欢将日分享用户数作为北极星指标,这个指标能满足6个标准中的第1、3、4、5、6点,因为这是项目初始阶段,基本不以营收作为项目考核,因此非常合适将将日分享用户数作为北极星指标。


03)成长期

在产品达到PMF状态后,可以开始进行大规模推广,无论是付费还是免费,无论是应用市场推广还是病毒式营销,都是以用户增长为目的。


随着用户的体量增加,用户开始出现分层,有些用户用了一次就走了,有些用户觉得还行,使用了一周后,产品不再产生价值,也走了。


还有的用户粘性非常高,也非常期待产品的新功能,可能一年后还有使用且有关键行为,这些用户就成为了核心用户。


用户粘性数据反映了产品的价值,而用户是产品最重要的资产,在成长期,从普通用户转变为付费用户的人数可能在快速增加,这是由于产品的在达到市场适应状态后,有更多的产品价值被锦上添花。


用户见到的不再是一个只有基本功能的产品,已经有了更多的附加功能,提供了主要功能之外的次要功能。


新用户的初次付费以及老用户的持续复购组成了用户的付费人数,因此将付费用户数可以作为成长期的北极星指标,后续的拆解也非常方便。


不论是负责新用户的市场部门还是负责老用户的运营部门,都能非常明确地找到各自的指标,从而使用最好的手段拿到结果。


04)成熟期

当用户规模达到一定阶段,也就是行业天花板的时候,用户新增、活跃人数都会进入缓慢增长甚至长时间不变化的状态。


数量不变,那我们就尽量提高质量,这时候我们需要引入一个概念CLV(Customer Lifetime Value),客户生命周期价值。


在成熟期,我们工作的主要目的就是提高CLV,手段基本都是用户分层体系和用户召回体系,这些都是微观层面的运营技巧。


从公司的宏观角度来看,必须将用户成交总额作为现阶段的北极星指标。


用户成交总额符合判断标准的第1-6条,全部满足。大多数的电商平台都以此作为长期的北极星指标,有可能好几年都不会变。


06)衰退期

不要想着永远赚钱的产品和项目,那是不存在的,总会有更新的产品来取代,就连QQ的活跃人数都在下降之中。


在衰退期,用户的活跃人数下降,用户的付费能力也在下降,但公司的运营成本可能不会那么快下降。


如果营收下降到成本之下,那就意味着利润将为负数。


因此,在衰退期,可以将盈利时长作为北极星指标,这是确保公司持续经营的前提。


这个阶段主要是运营人员在做所有的工作,产品和市场推广基本已经停滞。


团队其他成员的工作内容需要放在下一个产品的开发期阶段,最好能在盈利为负之前,找到了新的潜力产品。


07)复苏期

在经历衰退期之后,产品的营收可能会持续性得小于成本,这个时间段老板往往会很纠结,到底是继续下去还是清算项目?


有些产品还有可能会复苏,或者短时间内翻红,但绝大多数产品如果没有创新或者转型,基本都是逝去在浪潮中。


这个阶段,团队可以把恢复盈利时长作为北极星指标,一般可以设置6-12个月,根据资金状况、营收恢复速率、团队配置及能力、新项目运营情况综合决定,可以适当延长或者缩减。

指标验证阶段


5、验证北极星指标

一旦确定了北极星指标,那么怎么知道这个指标是正确的呢?这就需要我们不断地假设-分解-验证。


我们就以日GMV举例,对其进行详细拆解。

171e3ef0c764a6ee1e3e686e0f24f2d9_69842fa583574700b9df899f4f2bd0cd.png


可以知道:下单率的增加能增加GMV的值,那么该如何增加下单率呢?我们可以假设使用A和B两种方式都可以增加用户的下单率,接着就可以做A/B测试了。


让三分之一的用户体验A方式,让三分之一的用户户体验B方式,剩余的三分之一不变。试行一周,可以分别计算出三种人群的GMV,从而确定最佳的方式。


待这种方式的增长能力逐渐衰退时,就是寻找下一个“增长关键点”的时候了。


未完待续

## 3.3 多维度多指标展示
### 1、了解表格类图表组件的概念:表格类概念、表格类主要场景
### 2、掌握表格图表组件的使用:交叉表、透视表
## 3.4 趋势指标
### 1、趋势类图表及应用场景
### 2、趋势类图表:线图、面积图、组合图
## 3.5比较类图表
### 1、了解比较类图表及应用场景
### 2、掌握比较类图表组件使用:柱图、条形图、排行榜、瀑布图
## 3.6分布类图表
### 1、分布类图表知识概念:概念、主要场景
### 2、分布类图表:饼图与环形图、雷达图、玫瑰图、矩形树图、词云图
## 3.7关系类图表
### 1、关系类图表概念:概念、
### 2、关系类图表:漏斗图、散点图、气泡图、来源去向图、桑基图、指标拆解树
## 3.8空间类图表
### 1、空间类图表概念:概念
### 2、空间类图表:地图、气泡地图、色彩地图、LBS热力地图、LBS符号地图、LBS飞线地图、注意事项
## 3.9时序类图表
### 1、时序类图表概念
### 2、时序类图表
相关文章
|
7月前
|
数据可视化 大数据 BI
数据可视化大屏的设计规范和案例参考(使用AxureRP软件设计)
在信息化浪潮中,数据可视化不再仅限于单纯的数据呈现,而是逐渐演变为一种能够直观揭示复杂数据内在关联、趋势变化以及关键洞察的艺术形式。
586 3
|
7月前
|
监控 数据可视化 前端开发
数据可视化系列-04数据大屏基础知识
数据可视化系列-04数据大屏基础知识
|
5月前
|
数据采集 存储 自然语言处理
Python爬虫与数据可视化:构建完整的数据采集与分析流程
Python爬虫与数据可视化:构建完整的数据采集与分析流程
|
7月前
|
SQL 数据可视化 大数据
数据可视化系列-01大数据可视化基础
数据可视化系列-01大数据可视化基础
数据可视化系列-01大数据可视化基础
|
7月前
|
数据可视化 BI 定位技术
数据可视化系列-02各类图表的综合使用介绍及实践-下篇
数据可视化系列-02各类图表的综合使用介绍及实践-下篇
|
7月前
|
数据可视化 数据挖掘 Linux
数据分析入门系列教程-常用图表
数据分析入门系列教程-常用图表
|
SQL 数据采集 搜索推荐
开源大数据分析实验(4)——简单用户画像分析之数据可视化展现
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
|
存储 数据可视化 数据挖掘
第一章 数据分析与可视化概述
第一章 数据分析与可视化概述
222 0
第一章 数据分析与可视化概述
|
监控 数据可视化 数据挖掘
【ImagineDesign】数据可视化大屏设计经验分享
【ImagineDesign】数据可视化大屏设计经验分享
269 0
【ImagineDesign】数据可视化大屏设计经验分享
|
前端开发 数据可视化 定位技术
数据可视化之下发图实践
随着互联网的快速发展,数据维度越来越广,呈现形式也越发丰富,具有多维度数据特点的相关业务实践都能通过可视化图表来展示,比如个推的下发图,从时间和区域两个维度,可以即时、直观地展现个推数据下发的过程。
1644 0
下一篇
DataWorks