五步教你设计成功而有价值的数据可视化

简介:

为什么要做数据可视化?

工作中,无论是哪一种场景,都要接触数据,接触表达。数据可视化就是表达信息的一种方式,通过用图表+数据的形式,更好的传递业务信息。就目前来看,多数企业正逐渐从传统的流程式管理方式过渡到基于数据的管理方式。这是一种必然趋势,数据可视化能够帮助分析的人对数据有更全面的认识,获得更有商业价值的洞见和价值。

大数据

  何为数据可视化?

这里主要是指工作场景中的数据可视化(海报类、信息图不在范围内)。

数据可视化就是承接数据分析之后的数据展示,包括图表设计、动效组合,形成二维图表,三维视图、联动钻取,搭配成大屏……

数据可视化的功能主要体现在两个方面:一是数据展示;二是业务分析。数据展示很好理解,就是将已知的数据或数据分析结果通过可视化图表的方式进行展示,形成报表、看板、dashboard、甚至配合现在流行的大屏展示技术,数据展示的方式也越来越为人所接受和欢迎。业务分析就是在看到图表、dashboard、大屏之后,将所分析的度量和数据有效地转化为有商业价值的见解,使其能够为基于事实所做的决策提供支持。

(这里借用一张前阵子一篇很火的文章, 大屏做成这样,领导不重用你都难 的大屏图。)

数据可视化的工具

对于数据可视化,有诸多工具,如:

1、图表类插件:ECharts、Highcharts、D3js等功能都十分强大。

2、数据报表类:Excel、金蝶、FineReport等,对于日常的报表制作,易学实用。

3、可视化BI类:比如cognos、tableau等,更直接地针对业务分析。

以上,前两者是纯粹的可是化图标,后两者涵盖从数据采集、分析、管理、挖掘、可视化在内的一系列复杂数据处理。

如何实现可靠的数据可视化?

数据可视化最终还要回归到“阅读者”,通过传递有指向性的数据,找出问题所在,制定正确决策。所以数据的价值不在于被看到,而在于看到之后所引起的思考和行动。

这里,企业内数据还不同于普通的应用数据,它们大多不是通过算法程序直接产生价值应用于用户,而是通过合理的展示和分析,再经应用者或管理者思考和判断,最后采取行动,从而发挥价值。

1、谁是可视化的受益者

无论你在做一份传统的报表,汇报的PPT还是其他,首先需要搞清楚这是给谁看的,他需要了解哪些事项,关注那些指标,在决策过程中会如何利用你展示的信息和数据,一句话概括就是搞清楚数据分析工作的目标,这一张报表是用来做什么的。后续的数据分析工作和分析报告里所要呈现的全部内容,之后都是要紧紧围绕着这个目标主题而服务的。

2、梳理指标体系

数据可视化是要讲繁杂的各条数据,梳理成指标,围绕每个业务财务、销售、供应链、生产等形成指标体系,最后通过可视化的方式展现,比如回款率、收益效率….

可以说,数据分析工作是否成功,大体就在指标的梳理。这个工作需要数据中心的人员或者BI组的人员深入业务一线去调研需求,拉来数据,建好数仓….

【指标体系分享】

如何针对业务场景做数据分析-零售业管理指标

数据化管理的指标体系大全(一),店铺与销售

数据化管理的指标体系大全(二),商品、电商、战略决策

分析生产和库存,靠这一套指标就够了!

.......(待日后更新)

3、将数据可视化与业务方案结合起来

如果数据可视化的目的在于介绍能解决具体的、可衡量的、可执行的、有相关性和时效性问题的数据,那就在制作过程和汇报过程中,加入这些问题。

在规划数据可视化方案时,要明确这是要解决用户特定问题的,所以你的方案不仅要能够很好地解释数据分析的结论、信息和知识。并且管理者能够沿着你规划的可视化路径能够迅速地找到和发现决策之道。

举例来说,当企业的业绩不达标时,可视化方案的设计路径可以是这样的:

第一步,从整体运营出发,明确有哪些关键因素会影响业绩。

比如:销售订单、客单价、客户数、用户活跃度;产品产量、品质、成本、交期等等,相应地去看这些关键因素对应的KPI的表现。对整体的业绩来讲,这些因素都会是驱动因素,都会对业绩有直接驱动和影响。这些驱动数据的可视化是基础,也是寻找解决方案最终的出发点和落脚点。

第二步,对关键因素深入分析,确定是什么因素导致业绩没达标。

比如,对比分析,观测某时段所有关键因素对KPI的表现,哪些数据高了,哪些数据低了,哪些波动较大。针对这些问题因素,追踪目前的行动方案是什么进度,是否要调整,的放矢地去做改善和探索提升业绩之道。

数据可视化,最终时为了企业良好的运营而服务的,这是它的商业价值。如果你不关注企业的战略和行动方案,很难建立起具有联动价值的信息图。比如,企业执行的行动方案,通常是为了达成和实现企业的战略目标,通过这样的手段实现精益管理和精益运营。所以,可视化的解决方案要能够做到,行动方案对战略目标的驱动效果、个体、团队对部门整体指标、KPI的驱动和影响效果。只有建立起来具有联系的信息视图,才会获得有价值的数据可视化。

4、一些细节

①选择合适的图表。 每一种图表都有适用的情境,这点在此文中有提过。有时候为了达到完美的表达效果,可能需要多个图表之间的配合,比如大屏。

②动效:联动钻取。 突出分析的重点和优势,将读者的注意力吸引到关键的地方。

联动:报表模板之间可以建立关联,同一页面中查看多张关联的图表,实现图表联动的效果。

钻取:细分指标的粒度,钻取到明细数据。




本文转自d1net(转载)

相关文章
|
7月前
|
机器学习/深度学习 数据可视化 数据挖掘
Python技术应用:数据分析与可视化的利器
【2月更文挑战第7天】在当今信息爆炸的时代,数据分析和可视化已经成为各行业的核心竞争力。Python作为一种简洁、高效的编程语言,为数据分析带来了全新的可能性。本文将介绍Python在数据分析和可视化领域的应用,探讨其在实际工作中的重要性和价值。
72 2
|
4月前
|
数据可视化
R语言可视化设计原则:打造吸引力十足的数据可视化
【8月更文挑战第30天】R语言可视化设计是一个综合性的过程,需要综合运用多个设计原则来创作出吸引力十足的作品。通过明确目标、选择合适的图表类型、合理运用色彩与视觉层次、明确标注与引导视线以及引入互动性与动态效果等原则的应用,你可以显著提升你的数据可视化作品的吸引力和实用性。希望本文能为你提供一些有益的启示和帮助。
|
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
|
数据采集 数据可视化 前端开发
数据可视化系列-02各类图表的综合使用介绍及实践-上篇
数据可视化系列-02各类图表的综合使用介绍及实践-上篇
|
数据挖掘
分享五个常用的数据分析方法论,让你的数据分析报告更上一层楼~
如果你在做数据分析的时候,发现自己常常不知道从哪些维度去开展分析或者分析出来的报告总感觉逻辑上不连贯,内容上不完整,那么你一定是缺乏一个合适的数据分析方法论来指导你进行数据分析。
819 0
分享五个常用的数据分析方法论,让你的数据分析报告更上一层楼~
|
机器学习/深度学习 SQL 算法
从开发视角看数据分析
导读:数据分析就是要从杂乱无章的数据中将某个或者某些核心指标做提炼、归纳、总结,找到某个规律,但往往得到的结论不足以支撑下一步的动作,劳心劳力最后无果,又要再继续深挖。本文并不是一篇专业的数据分析方法论,而是从研发角度对自己做的一些数据分析进行思考和总结。
从开发视角看数据分析
|
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
|
数据可视化 大数据 定位技术
下一篇
DataWorks