本人新人一枚，是个菜鸟数据分析师，统计学专业，接触数据分析大概有半年，在这里稍微写一下自己对可视化的拙见，大牛们看了不对地方还望指正；刚刚工作不久就谈对可视化的理解确实是有些过了，个人因为也看不了不少可视化的手册或者书，例如：数据可视化之美，R语言可视化手册，数据可视化设计指南等，因为工作本来没什么机会写博客总结，借着天善这个社区写写总结，让自己进步，废话不多说；

什么是数据可视化？在我看来，数据可视化就是用图表的形式展示数据的信息；让展示的东西有视觉冲突，让人能出图表中一目了然看出你想要表达的信息；这里很关键一点就是，你想要展示数据的什么信息，很多人为了盲目的追求可视化的一些酷炫效果，得到的东西却不知道表达的是什么，那么这个可视化是失败的；当然可视化也要简洁，简单明了才是可视化的目标所在，毕竟做数据可视化是帮助人们去理解数据，认识数据，从多个侧面去观察数据，并告知告知别人你想表达的数据中的信息；

这工作半年下来，我用了不少可视化的一些软件或者编程语言，一开始我最早接触的是大家基本都能听过的EXCEL,功能特别强大，用它都可以做数据分析，然而原谅我没有把它学好，EXCEL它其实可以做很多的事情，简单方便的生成各种你需要的图表，虽然颜色上不是那么让人喜欢，要是有耐心可以慢慢的调，加一下后期制作或者渲染；然后就是TABLEAU,这个软件确实是强大，能够连接多种数据，拖拽式的操作，可以自动的帮你生成图表，界面简洁易操作，要全放开版的收费，作为刚刚工作的小白只能用它的免费版的，不过限制挺多的；接下来就是R语言了，这是一个开源的统计语言，在数据分析方面和可视化方面都无比强大，第一次用上了GGPLOT2这个包我便开始喜欢上了这个编程语言，这个包的构图思想是图层思想，一个图层一个图层去操作，特别的灵活，我正在学习R语言，希望在今年能稍微精通一下；下面说一下自己对各种图形或者可视化的理解

柱状图

柱状图确实是一个很强大的图形，为什么说它强大呢？因为个人看，柱状图在展示的数据类型上可以选择非连续的数据数据类型和连续的数据类型，又有常用的柱状图和侧面柱状图，还可以用来折叠去展示数据；当我们的去展示非连续的数据类型的时候我们大部分都是用柱状图去展示这类的数据分布，大概能看出这个数据分布情况，又可以用来比较不同数据的整体与部分的关系；在展示连续的数据类型的大部分是用来展示这类数据的时间趋势。或者数据的分布。在设计上我个人认为柱状在设计的时候底层的便签最好不要太长和斜着或者90度垂直于坐标轴，因为这样为方便别人去阅读你的图表，毕竟可视化是方便别人去解读你的数据，能简单易懂就是最好不过了，在各个的柱形下的柱子的间距多少为妙呢？其实个人人为不宜过宽也不宜近，长度大概在柱状的宽度的一半左右为佳，在颜色上的设计，我比较偏向于柱形图用一种颜色，如果要想展示数据突出的部分，我们只需要将颜色加深，这也是为了阅读的简洁性，如果一张柱形图的颜色五花八门，那么所表达的效果是特别糟糕的。对于数据的排序，如果没有某种特殊的要求，我们最好给数据排下序，当然，如果展示的时间趋势的话就没法排序了。

饼图

饼图大部分得的时候是展示部分和总体的关系，不过饼图有个缺点就是，当部分特别繁多的时候就不能用来展示了，因为界面效果会特别差；常用的两种方式是饼状和环状两种。饼状的直接展示各个部分于总体的关系，而环状的保留饼状的样式，中间部分可以展示突出的数据。饼图在一般的展示情况大多数人为了展示一个百分比这个数不管有多少个部分都是去用饼图，然而饼图一般用情况下部分五六个为佳，当多个部分的时候，很多数据没法展示出来，也就是掩盖了部分的信息，有时候我们需要对比两个总体的结构，大部分人都会选择去用两个饼图去比较，然后这个效果不太好，所以一般要比较结构的差异的话最好不要使用多个饼图去展示，最好使用堆叠柱状图去比较两个总体的差异，还有展示的时候部分最好经过大到小的排序。

折线图

折现图大部分情况下都是去展示连续的数据类型，常用是时间趋势，它可以很好的展示趋势，累积，减少以及变化；在设计上，纵坐标最好是能从0开始，因为这样避免有些地方让人误读，展示线条上我们最好能够选择实心的线条，不要用虚线或者点去表示线，这样情况下看着看着容易分析，一张折现图的线三四条为佳，过多的线只会让观察某条线的时候看错了，如果要展示多条，可以在下一张图上去展示，如果你要展示的数据是多个部分的话，这些部分的数据最好能有一个共同趋势，不然有升又降趋势让人看不知所措。还有一个细节的地方，就是加图例的时候最好折线末尾那时候加，对应的折线加对应的图例，方便人读懂你的折线。

散点图

散点图做研究的时候用的比较多，因为散点图大部分情况是用来探究两个部分的关系的时候用的，就先做相关分析的时候要用散点图观察一下是否有相关关系；设计上改注意的和上面的图一样，纵坐标最好能从0开始，当想要展示多种关系的话的，我们可以利用点的大小和颜色去探究，在有某种趋势关系下我们最好加个辅助的线，方便别人看出相关性；

气泡图

气泡图有点类似于加了大小的散点图，气泡图还可以在展示地域数据的可视化，在设计上我们需要注意的是，气泡的尺寸我们需要去注意，例如我们在展示数据的大小比例最好面积的比例一样，不要用半径，如果用半径的话就是1:4了，大小差异就过大了，气泡的形状上最好使用老老实实的圆最好，不要用一些奇怪的图像。

热点地图

怎么说呢，我觉得热点地图的展示是很考验人的技能，第一个热点地图要展示的数据与地域关系差异较大类型的数据才能体现出它的价值，也就是说有背景故事或者价值去让我们发现的数据，热点地图主要是通过强烈的色彩对比去体现数据的差异，有个缺点就是没法很具体的表达数据之间差距而不是差异。在设计上，我推荐色彩最好是一种色调，通过颜色的深浅去反映数据的强度，如果色彩过于繁多，对于读者来说读这张图是个负担，也无法体现出数据之间的差异，轮廓最好简单即可，毕竟简约美嘛，上色的时候会有一个叫色阶的东西，这时候什么数据范围位于哪个色阶最好分清楚，最好能体现出差异，不要全部都是一个色阶，不然热点地图就是去了它的意义了。

上面说的是对于图表的理解，下面说下对常用的展示方式的一些理解；

尺寸：就是用柱形的长短，饼图的大小这类去展示，这可能是我们大家最为常用的一种方式去展示数据，当展示两个对象的数据的时候，我们可以通过尺寸马上的发现了两个对象之间的差异，在展示的精准读上也有些不同，个人人为点的精度大于线条大于面的精度。

色彩：色彩是用来展示大数据的非常好的方式，因为大数据之间会有不少的差异，颜色恰恰是展示这些差异最好的方式，毕竟我们人天生对色差明感，在色阶的选取上我觉得最好能够有明显的差异。

位置：差不多就是我们所说的地图了，这是基于位置的可视化方式，一般我们都用于展示于位置较强关系的数据类型

网络：这个展示数据点之间的关系，例如就像社交网络，就是用这样的展示去表达人与人之间的相关关系。

时间：展示趋势用的最多，主要是想了解对象的发展和变化规律，让我们了解对象整个发展脉络。

那么成功的可视化是怎么样子的呢？

借用《数据可视化之美》的话来说，成功的可视化总共有四点，第一点是新颖，大家都知道，数据可视化就是了简单明了的了解数据，不过你用一个全新的角度去诠释你的数据，让读者读懂了你的信息又能从更高的角度去解读这些信息；第二点信息要充实，充实不代表越多越好，因为一个图表展示的信息过多，会让读者成为一种累赘，很难读懂你的想法，充实的信息就表明你的图表能够能到他们想要的信息又不造成信息过多的情况，所以我们就要考虑业务应用场景了，什么样的场景需要用那些信息结合那些是多余的需要去判断，第三点高效，也就是我们所说的简单明了，一眼就能知道数据中的信息，所以我们在可视化过程中一定要把一些也主题不相关的因素排除掉，过多不相关的因素存在只会增加读者的阅读时间和难度；第四点美感，图片的布局，色彩，形状等一系列的组成部分都是相当和谐的。

那么我们如何设计成功的可视化图表呢？

首先学习这个步骤肯定是少不了的，怎么去学习，当然是去学习一些经典的可视化图片，学习它是如何去构造这张图的，色彩为何要这样的去运用等，还要学习一些可视化的语言或者软件，例如像R语言，它的有强大的包，ggplot2,newwordk,ggmaps(地图)等之类强大的包可以去学习，不然你会设计也不会操作那也是空有一身力气，然后理解数据意义和你想要表达的信息，然后遵从图表的一些设计规范，在规范的基础在进行一些自己的想法。

参考文献：

《数据可视化之美》

《数据可视化设计指南：图表设计》

本文作者：天善智能社区 夏尔康，通晓各种统计学习方法，熟练使用R语言建模，结合帅气与才智的不明吃瓜群众。

欢迎关注天善智能，我们是专注于商业智能BI，大数据，数据分析领域的垂直社区，学习，问答、求职一站式搞定！

每周2-3场免费数据领域公开课，每月线下活动，欢迎关注！

我一直是网易云课堂的重度用户，从大二开始就一直在上面学习各种技能类课程，作为互联网在线教育的知名品牌，云课堂在某种程度上弥补了我们从校园到职场过渡过程中，很多技能类知识不足的缺口。

今天这一篇是接着上一篇云课堂Excel课程板块爬虫数据进行多角度的可视化分析，上次的爬虫一共爬取了425条课程信息，一共提取了9个字段。

以上是本次爬取的字段描述，按照这些字段属性，结合我个人的需求以及云课堂的课程评价体系，我将本次分析的目标及思路梳理如下：

课程来源分析

课程来源

作者贡献数

课程内容分析

高频技能需求

课程价格分析

折扣率分析

均价

课程知名度分析

用户数分析

课程口碑分析

评分分析

根据以上几个模块，我们开始今天的可视化分析之旅！

首先分析课程数量分析，我感兴趣的是在这425门Excel在线课程中，哪些作者发布课程频率最高，排在最前列的分别是那些机构或者个人，在所有作者中，多少是机构名义讲课，多少是以个人名义讲课。

课程来源分析

以下是云课堂Excel课程模块的高频课程作者统计：

排在前五位的老师是刘万祥老师、杨文星老师、Excel报表顾问、肖邦主、远目教育。前十名老师中，也能看到一些耳熟能详的名字：在PowerBI领域颇有建树的刘凯老师、秦川老师和小蚊子数据分析以及PowerPivot工坊的赵文超老师。

其中刘万祥老师在一共发布了17门课，夺得Excel板块最勤奋讲师桂冠，刘老师的多产与勤奋实在让人佩服。

前十位位作者中，有7位老师的课程发布量都在10门以上，从课程发布频数的累计分布图中可以看到，累计频数分布图走势先陡峭后平缓，这反映了什么呢，说明课程资源的集中程度很高，想想前十位作者大部分都发布了10门以上的课程。

我按照五门课程的分割点对课程作者进行了切分，结果发现，有29名老师曾发布过5门以上的课程，占比21.64%，发布课程不足5门的老师一共105人，占比78.36%。

其中发布过5门以上课程的老师发布课程总计为242门，占总课程比率57.21%，发布课程不足五门的老师累计发布了181门课程，占比42.79%。这进一步验证了上面的结论，即Excel板块的课程来源集中度很高，将近20%的高频作者贡献了将近60%的课程资源。

按照课程发布作者和机构分类，以个人名义发布课程的作者一共271人，占比63.8%，而以机构名义发布课程的作者仅占36%左右。

这个说明什么呢，说明在当今网络无处不在的时代，个体的崛起以及个人品牌的塑造，已经渗透到互联网在线教育行业。真正掌握资源和技能的个体，完全可以依靠互联网完成技能输出和品牌塑造。

课程内容分析

关于课程内容方面，我的原始数据中仅有课程名称和课程描述涉及到课程内容，暂时想不到很好地内容分析方法，课程描述的文本非常杂乱，使用文本分词暂时个人还处理不好（哪位文本分析的大神感兴趣可以来挑战下），这里仅就课程名称词频做一下简要分析：

library("wordcloud2")

library("ggplot2")

mydata<-read.csv("E:/微信公众号/公众号——数据小魔方/2017年9月/20170918/Excel技能需求频率统计.csv",stringsAsFactors = FALSE,check.names = FALSE)

library(wordcloud2)

wordcloud2(mydata, size = 1, fontFamily = "微软雅黑",minRotation = -pi/6, maxRotation = -pi/6,rotateRatio = 1)

ggplot(mydata[1:10,],aes(reorder(x,Freq),Freq))+

geom_bar(stat="identity",fill="#B1DB85")+

geom_text(aes(label=Freq))+

coord_flip()+

ggtitle("Excel课程高频需求技能频率分布")+

theme_void(base_size=25)%+replace%

theme(axis.text=element_text(size=15))

从分词结果上来看，函数、VBA、图表、数据透视表、数据处理需求占了巨大部分词频，函数高居榜首，高达32次，VBA、图表、数据透视表、数据处理则各有千秋，相差不大。

而PowerBI、PowerPivot、PowerQuery、动态图表、信息图表等需求也很强劲。由此可见，商务智能工具PowerBI的问世，给商务场景下业务需求带来了巨大便利的同时，也激发了新的技能学习需求。

即将进入职场的小白领们一定要注意了，传统的函数、透视表、图表技能固然重要，及时关注商务智能工具也将是今后让你独具优势、弯道超车的潜在路径。

课程价格分析

在所有课程中，有354门付费课程，占课程总数的83.29%，其中付费课程中有折扣优惠的课程有185门，占所有付费课程的比重为43.53%，平均折扣率为55%。

免费课程的平均学习人数为27000人，付费课程的平均学习人数为270，天哪这个数字太巧合了，刚好相差100倍。

还是提醒广大Excel在线学习者，不要只顾着课程价格就盲目的去选择课程，不要抱着一种占便宜的心态，无论免费还是付费，你的时间都是无价的，学了对你没有任何用处的免费课程，浪费的是你自己的宝贵时间。倘若你想入门，可以谨慎选择那些与自己技能需求匹配的课程，倘若想要进阶或者在某一个领域深入学习，付费课程是难免的，为知识付费是一种很值得骄傲的事情。

我详细统计了付费课程价格TOP20的折扣率变化、课程类型以及最具价值课程作者信息。

结果呈现如上，在12门最具价值的课程中，刘万祥老师一个人包揽了7个，其中最为知名的课程要属《向经济学人学图表》《向华尔街日报学图表》系列课程，这些系列我个人都买过，确实不错，刘老师在商务图表领域的积淀有目共睹，其核心实力也得到了市场的检验以及大家的认可。

课程知名度分析

对于课程知名度的分析，主要基于学习者数量这个指标，我简略统计了以下所有免费课程和付费课程的学员数量排名。

在最受学员欢迎的付费课程TOP20中，秋叶老师的和秋叶一起学习Excel独占鳌头，学员人数高达14419，当然考虑到秋叶老师是团队化运作，而这里没有区分个人和机构，所以仅从学员人数规模评价受欢迎程度可能有失偏颇，仅供参考。

这里还有一个很有趣的现象是在最受欢迎的TOP20课程中，同样有作者一人包揽多门课程的情况，刘万祥老师和PowerPivot工坊的赵文超老师分别占据了4门课程，令人包揽最受欢迎的TOP20中的40%，秋叶老师团队和李则见老师分别占据两门课程。在所有TOP20课程中，学员人数均在1000以上，可以说真正有颜有料有干货的课程，还是能够吸引大家的兴趣的。

课程口碑分析

从课程口碑分析中，网易云课堂课程评价实行的5分制，区分度并不是很高。

不过从得到大于4.9分的近22个课程分布来看，刘万祥老师仍然牢牢把握着Excel高品质高口碑课程的头把交椅，一共占了7席4.9分高质量课程，累计评分树状图分布显示，刘万祥老师总分58.1，排名前五的分别是刘万祥、肖邦主、上海职领网络科技、刘凯老师、第五位（未知），第六位PowerPivot工坊的赵文超老师也表现出色。

以上便是本次云课堂爬虫数据分析的全部，由于对在线教育行业了解并不是十分深入，特别是指标构建，分析角度、可视化逻辑上有诸多不成熟之处，还望各位数据分析行业前辈高人多多指点。

最后感谢网易公司对中国在线教育行业的贡献，相信凭着丁磊先生的个人远见和网易公司的社会责任感，网易云课堂可以为中国在线教育行业提供更多优质学习资源。

Excel课程选择与学习建议：

（个人建议，仅供参考，并不代表云课堂官方排名）

商务图表类：

刘万祥ExcelPro

透视表与函数：

肖邦主

商务智能工具类：

刘凯

赵文超

以上分析和建议仅供各位想要在职场充电的Excel学习者参考，因为数据爬取无法保证客观，因而结论无法保证客观公允，请大家谨慎参考。

本文作者：天善智能社区 杜雨数据小魔方

小编：tianshansoft06，邀请加入数据分析交流群。

文 | 张俊红

写在前面：本篇来源于书籍《数据之美—一本书学会可视化设计》的学习后整理所得。全篇主要围绕数据可视化的5个步骤展开，其中重点内容是第三步：“应该使用哪种可视化形式”。本篇旨在带你全面认识了解可视化，所以一些具体的工具的使用并未涉及，只是罗列类一些常用的可视化工具。

你有什么数据

关于可视化，人们一般的理解是先设想要达到的可视化效果，然后在去寻找相应的数据。

这样经常会造成：“现有的数据不能够做出事先设想的可视化效果，或者是想要制作理想的图表需要获取更多的数据。”

而实际上关于可视化的步骤应该是先认清你有什么数据。

为了更好的进行可视化，我们将数据分为分类数据、时序数据、空间数据、多元变量数据四大类。

1、分类数据

分类数据是指针反映事物类别的数据。如：用户的设备可以分为Iphone用户和andorid用户两种;支付方式可以分为支付宝、微信、现金支付三种等。诸如此类的分类所得到的数据被称为分类数据。

2、时序数据

时序数据也称时间序列数据，是指同一统一指标按时间顺序记录的数据列。如:每个月的新增用户数量、某公司近十年每年的GMV等。诸如此类按时间顺序来记录的指标对应的数据成为时序数据。

3、空间数据

空间数据是指用来表示空间实体的位置、形状、大小及其分布特征诸多方面信息的数据，它可以用来描述来自现实世界的目标，它具有定位、定性、时间和空间关系等特性。空间数据是一种用点、线、面以及实体等基本空间数据结构来表示人们赖以生存的自然世界的数据。

4、多变量

数据通常以表哥形式的出现，表格中有多个列，每一列代表一个变量，将这份数据就称为多变量数据，多变量常用来研究变量之间的相关性。即用来找出影响某一指标的因素有哪些。

关于数据你想了解什么

关于数据你想了解什么也就是针对数据进行提问。

你想从中得到什么结论(平台上的用户中哪个地区的用户较多、数据分析领域最具有权威的人物是谁、2016年的GMV环比去年是增加类还是降低类)。

了解什么到什么现象(学生成绩好坏可能与家庭背景是否具有一定的相关性、应届生收入和毕业院校是否有一定的相关性)。

应该使用哪种可视化形式

在前面我们已经说过，在做可视化的过程中，我们需要先明确我们有什么数据，然后再去研究这些数据适合做什么类型的可视化，再然后从这些适合的可视化类型中选择能够很好的满足我们需求的(即能够更好的帮助我们了解我们想要的)视图。

为了找到合适的可视化形式我们需要先介绍两个内容：有哪些可视化形式、如何让可视化更加清晰。

1、有哪些可视化形式

基于数据的可视化形式有：视觉暗示、坐标系、标尺、背景信息以及前面四种形式的任意组合。

(1)视觉暗示：

是指通过查看图表就可以与潜意识中的意识进行联系从而得出图表表达的意识。常用的视觉暗示主要有：位置(位置高低)、长度(长短)、角度(大小)、方向(方向上升还是下降)、形状(不同形状代表不同分类)、面积(面积大小)、体积(体积大小)、饱和度(色调的强度，就是颜色的深浅)、色调(不同颜色)。

(2)坐标系：

这里的坐标系和我们之前数学中学到的坐标系是相同的，只不过坐标轴的意义可能稍有不同。常见的坐标系种类有：直角坐标系、极坐标系和地理坐标系。

大家对直角坐标系、极坐标系比较熟悉，这里说一下地理坐标系。

地理坐标系是使用三维球面来定义地球表面位置，以实现通过经纬度对地球表面点位引用的坐标系。但是我们在进行数据可视化的时候一般用投影的方法把其从三维数据转化成二维的平面图形。

(3)标尺：

前面说到的三种坐标系只是定义了展示数据的维度和方向，而标尺的作用是用来衡量不同方向和维度上的大小，其实和我们熟悉的刻度挺像。

(4)背景信息：

此处的背景和我们在语文中学习到的背景是一个概念，是为了说明数据的相关信息(who、what、when、where、why)，使数据更加清晰，便于读者更好的理解。

(5)组合组件：

组合组件就是根据目标用途将上面四种信息进行组合。

2、如何让可视化更加清晰

如何让可视化更加清晰：

(1)建立视觉层次：

把图表在视觉上进行分层，把非重点信息弱化，重点信息强化突出。

(2)增强图标可读性：

● 让数据点更容易比较

● 留白，图表之间留有一定空间的空白。

(3)高亮显示重点内容：

高亮就是以特殊形式显示的内容，便于读者在一堆数据中很快抓住重点。

(4)注释可视化：

一般指图标的标题部分。帮助读者更好地理解图表的意思。

能够进行可视化的工具有哪些

1、Microsoft Excel

对于这个软件大家应该并不陌生，对于一般的可视化这个软件完全足矣，但是对于一些数据量较大的数据则不太适合。

2、Google Spreadsheets

Google Spreadsheets是基于Web的应用程序，它允许使用者创建、更新和修改表格并在线实时分享数据。基于Ajax的程序和微软的Excel和CSV(逗号分隔值)文件是兼容的。表格也可以以超文本链接标记语言(HTML)的格式保存。

3、Tableau Software

Tableau Software现在比较受大家的欢迎，既可以超越Excel做一些稍微复杂的数据分析，又不用像R、Python那种编程语言进行可视化那么复杂。好多人都有推荐这款软件。

4、一些需要编程性语言的工具

R语言、JavaScript、HTML、SVG、CSS、Processing、Python。这里主要是列举一下有哪些编程语言可以实现可视化，具体如何实现需要读者自行学习。我目前主要是在学python的可视化，稍后会分享一篇用python进行可视化的学习笔记。

透过可视化你看到了什么、有什么意义

把数据可视化以后，你需要从中发现一些数据之间的相关性以及通过数据暴露出来的问题。比如你会发现某天的新注册用户显著高于或低于其他天的数量，你发现这个问题了，你就需要去调查该问题出现的原因，然后解决他。

或者是你发现某两个指标具有很强的线性相关关系，那么你就需要去通过其他方面去验证这个情况是真实存在的还只是偶然情况。

End.

来源：36大数据

泰来是一家业务辐射全球的食品分销公司，目前公司有10多名销售人员，销售100多个产品品牌，在全球各地有100多家客户。

近来，泰来公司正在着手制定食品分销制度，而制定制度的依据来自于两家销售分公司的销售交易历史记录的数据。

集团秘书没有足够的时间把Excel数据导入数据库中，所以这些数据存储在独立的一张张Excel表格中，而不是放在公司的数据库里面。

而原始的Excel报表，杂乱无序，整理起来十分困难，这让集团秘书犯难了？

今天，魔方君就教大家一个新技能，简简单单，就能让复杂的Excel报表，实现华丽丽的变身—高颜值可视化的动态分析看板！

那Excel表格是如何华丽丽的变身的呢？

打开数据设计器，建立模型名称：泰来demo

2.添加数据源，选择Excel数据源；

3.搭建表间关系：通过简单的拖拉拽方式，将字段进行关联；

4.构建，发布到本地的ElastiCube服务器；

5.打开报表页面设计器，进行可前台报表页面的开发；

6.大功告成（一叠Excel报表，变身成了一张可视化的动态分析看板~~）

通过这张动态可视化的分析看板：

我们可以直接查看到：

1.全球各类产品的销售情况，包括月度、年累计、去年同期销量和销售额，以及月度销售趋势；

2.并通过交互式操作——钻取和联动，自助式地动态查询每类产品的具体产品名称的销售情况，以及分析各类/各具体产品的消费客户所在国家、城市等信息，进而分析各销售人员的销售情况。

高效地利于泰来企业制定合理的全球销 售制度，合理规划产品市场布局规模， 完善KPI考核机制。

文|小天文章源自：起点学院学习联盟

在小白们眼里，大神们的数据分析报表基本上是这样的……

要么就是像这样的……

而大部分人，差不多是这样的……

啊多么痛的领悟……

怎样才能又快又好地做出一份高颜值的数据报表呢？带着立志要把这样的图表从癞蛤蟆脱胎成白天鹅的坚定和悲壮，这里搜集了5个笔者之前用过，用户评价不错，用起来还顺手的可视化数据平台。

话不多说，直接上正文。如果你也有推荐的平台，欢迎留言分享~

-1-Echarts

没想到这个第一次用就惊艳到我的产品竟然是国产，而且还来自百度，简直堪称良心。先上几张用Echarts制作的效果图。

貌似很多小伙伴喜欢用Echarts制作地图类的可视化效果……毕竟酷炫……

除了这些惊艳的地图，Echarts同样可以运用于散点图、折线图、柱状图等这些常用的图表的制作。

如果你需要展示实时变化的数据，相信Echarts里的动态接口会对你十分有帮助。

Echarts的优点在于，文件体积比较小，打包的方式灵活，可以自由选择你需要的图表和组件。而且图表在移动端有良好的自适应效果，还有专为移动端打造的交互体验。

-2-Highcharts

这个也是很多小伙伴在使用的一个平台。完全不用担心找不到参考的样图，因为已经有很多中国区的用户在上面更新并维护着很多实例，你往往能从这些丰富的例子找到类似的表达样图。

它的图表类型自然也是很丰富啦，线图、柱形图、饼图、散点图、仪表图、雷达图、热力图、混合图等类型的图表都可以制作，也可以制作实时更新的曲线图。

Highcharts对非商用免费，对于个人网站，学校网站和非盈利机构，可以不经过授权直接使用Highcharts系列软件。Highcharts还有一个好处在于，它完全基于HTML5技术，不需要安装任何插件，也不需要配置PHP、Java等运行环境，只需要两个JS文件即可使用。

-3-帆软报表（FineReport）

FineReport的可视化效果虽然没有上面两种那么酷炫，因为定位是报表软件。但是赢在操作相当简易，不会上面那些复杂的代码也没关系。它采用类似于Excel的编辑器，只需要点选拖拽等操作，拖动数据列绑定至对应单元格，简单设置就可以在web端查看数据展示。

目前，它有普通报表、聚合报表和决策报表三类报表设计模式，基本可以满足企业各类日常数据分析的情景需求。

数据的可视化与交互效果也很不错。最牛逼的可以做高大上的动态报表

还有一个比较强大的地方，就是它的数据填报。区别于传统意义上只能做数据展示的报表，FineReport允许用户对数据库的增删改。而且，它填报报表的流程非常简单，只要四步：报表设计、控件添加、设置填报属性和填报录入，这样，填报工作就能轻松搞定啦~

-4-数说立方

数说立方是大数据应用与服务提供商“数说故事”旗下一款面向数据分析师的在线商业智能产品。在数据的可视化呈现方面，操作比较简便，即使是非数据分析的专业人员，也能轻松实现。

同时，它的实时数据可视化引擎也能让使用者可以第一时间获得数据的可视化反馈，直观地了解到数据的变化情况。

-5-PowerBI

PowerBI是微软发布的一款可视化BI工具，类似Excel升级版的大表哥。一改以往excel需要数据透视表，写大量函数的复杂特点，这款工具拖拖拽拽操作起来十分简单。

数据分析在业务管理是重中之重，能将业务以数据的形式可视化地展现，为决策提供依据。

面对海量繁琐的数据，该如何进行处理才能更直观更有效地利用呢？这里推荐几款可视化分析工具，有图表插件、有报表工具也有BI工具。（只做推荐，不代表立场）

也许，你见过的数据分析大咖的报表，是这样的：

或者是这样的

而你的Excel图表可能是这样的

没有对比就没有伤害……

不过别急，下面推荐几个大招了！用上这几个高大上的数据可视化平台，让你的数据分析不仅有高逼格而且有高效率！

Echarts

首推Echarts。这个平台来自BAT巨头之一百度，是十足的良心国货。它不仅有在线工具，也有免费的下载软件，方便可行，可视化的效果高端又酷炫。

Highcharts

Highcharts操作十分简单便捷，不需要像Flash和Java那样需要插件才可以运行，而且运行速度快。另外HighCharts还有很强的兼容性，能够完美支持当前大多数浏览器，包括iOS和IE等等。而且它免费用于非商业，图表类型也非常丰富。

帆软报表（FineReport）

FineReport不同于以上，是报表工具，用于复杂数据复杂报表的开发展示。制作报表时不需要复杂的代码，它类似于Excel编辑器，简单设置就可以查看数据展示。实用性强，图表的可视化和交互效果也非常棒。除去可视化，FineReport在应用中还有填报功能，可对数据库进行增删改，区别于传统意义上只能做数据展示的报表。

FineBI

FineBI同样是帆软一个数据分析BI工具，核心在于数据的自助分析和交互体验，以及与各类数据库、数据仓库，大数据平台等对接，大数据处理性能优异，用户可以自行拖拽维度分析。

Power BI

Power BI是微软发布的一款可视化BI工具，类似Excel升级版的大表哥。一改以往excel需要数据透视表，写大量函数的复杂特点，这款工具拖拖拽拽操作起来十分简单。

本文为学习天善学院李奇老师用数据说话-Excel BI商业智能分析零基础精讲课程笔记。

　　Excel常用的可视化分析方法中有，对比分析、结构分析、透视分析、其他分析。

　　本文主要讲解第一对比分析，欢迎关注后续笔记。

　　常言道，不比不知道，一比吓一跳，对比分析可以帮我们达到“”知己知彼，百战不殆“”的目的，是商业分析中最为常见和重要的方法。对比分析主要有如下几种方式：

　　1、对比分析-纵向对比（时间序列的趋势分析）：时间序列分析，同一指标不同时间下的对比。

　　主要使用柱状图和折线图，选择取决于横坐标取值密集与否。

　　2、对比分析-进度分析：展现目标完成情况的分析方法。

　　常用图表如图：

　　3、对比分析 - 横向对比：在同一时间下，部分与总体，部分与部分或是对象与对象之间的对比。

　　横向对比与纵向对比的区别在于：纵向对比是不同时间条件下同一指标的对比，横向对比是同一时间条件下，不同指标之间的对比。

　　4、对比分析 - 与标准值、平均值及计划值之间的对比。

　　可选图表类型较多，根据自己需要组合（如图），折线图（趋势）、散点图、子弹图（平均对比分析）、簇状柱形图。

　　5、对比分析 - 同环比对比。同比：本期值与同期值之间的对比 / 环比：本期值与上期值之间的对比。一般使用簇状柱形图和折线图展现。注意：不要死套同环比定义，根据业务需求使用正确的时间值。

　　同比增长率=（本期值-同期值）/同期值*100%

　　环比增长率=（本期值-上期值）/上期值*100%

　　6、对比分析 - 预警分析：用KPI分析、预警色填充单元格等方式对关键指标进行预警，代表关键指标的健康程度，让报表阅读者第一时间了解到关键值的变化。

　　下一篇：Excel可视化分析方法（二）透视分析，欢迎大家关注。

欢迎关注天善智能，我们是专注于商业智能BI，大数据，数据分析领域的垂直社区，学习，问答、求职一站式搞定！

天善学院618活动正在进行中！天善学院618大礼包，大数据、数据分析与数据挖掘、商业智能、机器学习、深度学习、数据库与数据仓库、R语言、Python精品课程总有一款正中你下怀吧？全场6.18折，赠送精品微课。最好的投资是投资自己，名额有限，欢迎登录查看！

早期的数据小魔方用户大概都知道，我最初也是从学习Excel起步的，只是学习的深入了之后，才开开慢慢的迁移到R语言。

我往R语言转型并不代表自己开始放弃Excel或者觉得Excel不适合做可视化，只是想体验一下Excel外围的可视化世界是什么样子的，毕竟在这个大行业内，还活跃着太多可视化领域的佼佼者，譬如 PowerBI、Tableau等。

当然，这些软件各有特点，但是在要划分一个类别的话，我觉得可以划分为三类：

Excel（以及寄生于Excel平台的各种辅助软件dashboard、Think-cell-chart）

桌面端可视化工具（以Tableau、PowerBI等）

编程工具。（以R语言、Python以及各种js开源可视化库）

但若要继续对其进行简化分类的话，我觉得其实可以分为两类：

Excel家族；

非Excel家族。

也许这里的分类大家会觉得摸不着头脑，我的理由是，数据可视化很重要的一步即是对原始业务数据结构的理解，而在Excel的图表库中，微软所设计的图形库是基于二维表的。（因为Excel自由灵活的表结构不限制变量类型，不识别因子变量（即用于构造模型或者用于图形映射））。

也许以上解释并不能令你满意，这里我只强调一点，同样制作一个多分类的柱形图（或者条形图），假若你获取的原始数据是三个字段，一个门店名称，一个季度标签，一个销售额，那么这种数据结构你是无法对其进行图表化呈现的，你需要借助Excel的数据透视功能，对其进行维度交叉透析，进而使用汇总表（二维表）进行多分类图表构建。

以上就是Excel中图表构建原理的大致过程，而除Excel之外的数据可视化产品，基本上都是使用一维表结构（长数据）来构建可视化图形的。其中因子变量（即通常意义上的分类变量）充当着至关重要的作用。

这也是用惯了Excel的小伙伴儿，如果想要迁移到其他可视化工具上，迈出的第一步往往无比艰难（也不能一概而论，假如你经常使用Excel的数据透视表功能，并且对数据库有所了解，对于数据的长宽转换应该早就烂熟于心了，这道坎不会困扰你太久）。

二维表有二维表的好处，即所见即所得，因为二表已经具备一定的图形化特征，而不单单是表了，但是二维表作图在效率上有着天然的劣势，即你会淡化对数据数据结构的理解，会被Excel的这种作图理念所吞噬，进而被绑架。（纯属个人愚见）

又扯远了，今天的主角仍然是Excel，我使用自己学习以来的案例来说明，Excel仍然是一款不折不扣的优秀可视化工具。

学习的第一步当然是模仿，所以才有了这些积淀很久的案例：

模仿可以快速提升你的“图感”，然后你会更大胆的去挑战高难度动作：

等有了足够的经验和技巧积累，尝试着自己找案例去做：

实习是很好的锻炼机会，可能你不需要做高难度高复杂度的工作，但是你能学到如何平衡技能与实际业务数据，融合并凝练细节。

Excel的强大远不止于此，如果你能习得名称管理器、开发工具与高级查询函数，那么制作动态仪表盘是分分钟的事儿，再将平时里积淀的优秀版式、配色方案等融入其中，那么你的工作价值一定会呈指数级增长。

本文作者：天善智能社区 EasyCharts

原文链接：https://ask.hellobi/blog/EasyCharts/8591

很多读者看到漂亮的图表都会问“这个怎么做”，“用什么工具实现”。制作漂亮的可视化一般有这样几个方式：

利用Excel内置的图表做一些常规的统计图。高级复杂的譬如动态图表，图表的筛选展示可以通过写VBA来实现。通过R、Python一类的数据分析语言，调用图表功能包，呈现可视化的数据，数据分析常用。借助Echarts、HighCharts、D3.js等开源的可视化插件，嵌入代码，开发成插件包，可视化工程师和前端开发常用。

可视化最实用的场景就是做报表。既然这次的主题是可视化，那小编今天就细细地讲一下酷炫的可视化报表是怎么做的？有哪些基础和高级的可视化图表？代码开发是怎么一回事？大屏又是如何操作？

代表工具FineReport，此前介绍过FineReport的使用场景和功能。大家若不熟悉，可自行和Excel绑定对比。

你用过Excel，却不知还有一款神器“FineReport”这款效率远超Excel的表格工具，没用过就可惜了！

基础图表+表格

柱形图、折线图、饼图、气泡图、散点图等能满足常规的数据统计。拿到数据后，先分析要展示几个维度，选用什么样的图表，需要几个图表展示等。

如何选择图表的类型？

基础图表的制作流程

在FineReport中，图表的操作流程类似Excel，数据准备——插入图表——选择图表类型—选择分类轴、系列名称和系列值——选择图表样式。

各式各样的表格

表格主要在于文字、数字、格间的美感，以及整体的色彩搭配和谐，这些在FineReport中都可通过自定义来是实现。

高级图表

高级图表都是在基本图表的基础上展开来一些新特性。

饼图类：等弧度玫瑰图、不等弧度玫瑰图…

柱形图类：堆积柱形图、百分比堆积柱形图…

条形图类：堆积条形图、百分比堆积条形图…

折线图类：堆积折线图、面积图…

仪表盘类：多指针的仪表盘360度、多指针的仪表盘180度、百分比圆环仪表盘、百分比刻度槽型仪表盘、试管型仪表盘…

雷达图类：普通雷达图、堆积柱形雷达图…

气泡图类：普通气泡图、力学气泡图、十字象限气泡图…

地图类：区域地图、点地图、大数据流向地图…

还有各种组合图，比如“柱形图—折线图、柱形图—面积图、堆积柱形图—折线图、自定义地图”…

其他，还有漏斗图、甘特图、词云、框架图等等。

这些图在FineReport都是现成使用的。在其他工具或其他使用场景中，可由交由可视化工程师开发。

为了高度结合数据分析的过程，更好的理解数据背后的业务意义。可视化图表除了形态还有动态展示部分，就是所谓的动态可视化。

例1：地图的钻取和联动

例2：图表联动

例3：点击词云跳转链接

例4：图表切换

过去这些动态特效和交互属性都要写代码开发，这个在FineReport都已经封装成一个个功能，还有图表缩放、自动刷新、数据提示。再复杂点，就是设动态参数加超链。

利用开源插件开发

就是用市面上开源的数据可视化工具， 譬如Highcharts、D3.js、百度Echarts、蚂蚁金服AntV、GoogleCharts、Raphael.js、Sigma.js、three.js等。

像在7月，我们举办了一场可视化插件开发大赛上，很多开发者开发了令人心动的图表插件。

譬如下方的3D城市全景地图，作者Little使用Echart-GL开源库和MapBox，与地图结合，基于真实地图和基本建筑数据构造都市圈级别的宏大场景，适用于政府部门、连锁企业、LBS提供商等对真实经纬度和展现区域范围敏感的用户。插件的底层是WebGL（Web Graphic Library），它是一个 JavaScript API，用于在任何兼容的 Web 浏览器中渲染 3D 图形。WebGL 程序由用 JavaScript 编写的控制代码和用 OpenGL 着色语言（GLSL）编写的着色器代码构成，这种语言类似于 C 或 C++，可在 GPU 上执行。

比如滚动报表图。传统的决策报表块是静态的，列表不会滚动，数据必须一次性展现，在大屏中效果不够酷炫，无法自动获取最新的数据，除非编写大量的js代码，对一般人来说就只能望洋兴叹。

而插件安装后，可以用图表的形式展现报表，通过设置数据集，显示成类似报表块列表，零代码获取数据库信息并配置自动更新时间，支持通过字段名称配置表头，支持自定义颜色配置等多种丰富的配置项，这样制作的决策报表效果也更酷炫。

数据大屏

大屏展现作为数据可视化的一个典型使用场景，涵盖的知识太多。一个完整的大屏项目从开始调研到实施交付可能需要开发工程师、项目经理、视觉工程师、UI工程师、硬件工程师等等众多专业人员的参与。

于数据大屏设计美学：大屏做成这样，领导不重用你都难！数据大屏的具体制作：4步教你玩转可视化大屏设计｜内附实际操作

-----------------

最后，12月28日晚上20：00，帆软将在知乎上举办 “如何成为企业需要的数据分析人才” Live 直播，教大家如何找到数据职业生涯的破局点，欢迎大家参加！

超级圈，连接一切可能

前天给大家介绍了一款APP叫Chartistic，可以生成图表作为图片。当时有人留言问，有没有一款软件，能够导入数据生成分析图表呢？

圈姐看到大家的需求后，立马在各大渠道找了老半天，居然发现了这个免费的无敌神器：

Power BI

先让我哭三秒钟，因为这款神器，真的是太！屌！了！

微软Excel出了许多可视化插件，最后干脆整了个合集版的Power BI。Power BI 可以将数据进行转换、分析和可视化的工具，还具备共享、建立数据模型等逆天功能哟~

官方下载：https://powerbi.microsoft/zh-cn/

产品介绍

Power BI 的逻辑很简单，直接导入你的Excel图表，然后通过简单的数据配置，便可以生成一份颜值逆天的图表~

准备图表：首先将你需要做成图表的Excel表格准备好，然后导入到 Power BI 里面。

导入：点击「获取数据」，再点击「Excel」

可视化处理：打开后，在右侧可选择相对应的选项和图表类型，进行数据的可视化处理。