信息化时代，日常的生产生活都会产生不同量级的数据，但这些蕴含重要意义的数据大多是纷繁复杂的。可视化作为解决此问题的重要手段，以直观、多维的结构关系呈现，通过视觉的方式让数字易于理解，并对其进行更深入的观察和分析。图表，是可视化的基本表现形式。常见的基础图表主要有以下几种类型：

柱状图：显示一段时间内的数据变化或显示各项之间的比较情况，主要使用颜色进行类型区分。

优点：直观展示各组数据差异性，强调个体与个体之间的比较。

缺点：不适合大量的数据集数据。

适用场景：数据集较小的一个维度数据的比较，或者数据单纯展示及排序数据展示。

折线图：折线图常常被用来观察某一维度的数据在一段时间内的规律和趋势。

优点： 直观反映数据变化趋势。

缺点：数据集太小时显示不直观。

适用场景：需要反映变化趋势和关联性的时间序列类数据及关联类数据。

饼图：饼图可展示多组数据，表现各组数据占总比情况。

优点： 直观显示各项占总体的占比，分布情况，强调整体与个体间的比较。

缺点：数据不精细，不适合分类较多的情况。

适用场景：一个维度各项指标（一般不超过5个项目）在总体中的占比及分布情况。

散点图：散点图极少出现在报表中，但它在数据分析中经常被用到。散点图通过坐标轴，表示两个变量之间的关系。绘制散点图的关键是大量数据点的分布，数据体量越大，散点图的分析结果越准确。

优点： 直观反映数据集中情况，对离散数据线性回归等曲线预测性的拟合辅助作用，展现两个变量之间的关系。

缺点：只有在数据量足够大时，散点图发挥作用。

适用场景：用于两个维度的数据比较，多在对离散数据进行预测时使用。

气泡图：在散点图的基础上以每个点不同的面积来标注数据值，气泡图赋予散点图比较数值大小的功能。

雷达图：可以在同一坐标系内展示多指标的分析比较情况。它是由一组坐标和多个同心圆组成的图表。雷达图分析法是综合评价中常用的一种方法，尤其适用于对多属性体系结构描述的对象作全局性以及整体性评价。

特点：适用于多维数据，且每个维度的数据是有序的。

适用场景：雷达图适用于四个或四个以上维度的多维数据，但数据维度最多不超过六个，数据点过多，各维度之间的区分就不太明显，辨别起来会有一定难度。劣势：解读雷达图需要一定的相关知识，增加了解读成本。使用过程中应尽量加上说明，以减轻解读负担。

堆积玫瑰图

优点：可在一个图表中集中反映多个维度方面的百分比构成数据，幅面小，信息量大，形式新颖，吸引注意力，够高级，够给力：）

缺点：非常见图表形式，多数人不易看懂。图形存在误导因素，同样的半径长度，越往外面积越大，但实际是以长度代表数值。

适用场合：多适用于商业杂志、财经报刊等媒体展示的信息图表，但在传统工作场合需谨慎使用，因为堆积玫瑰图因为其具备的一定复杂性，可能产生用力过猛和炫技之嫌。

地理图：地理图适用于一切和空间属性有关的数据分析。地理图一定需要用到坐标维度，可以是经纬度、也可以是地域名称。坐标粒度能细到具体的某条街道，也能宽到世界各国范围。

漏斗图：用于表示数据转化类关系，适用于业务流程规范、周期长、环节多的流程分析。通过漏斗各环节业务数据的比较，能够直观地发现和说明问题所在。

词云：词云主要显示词频，可用来做用户画像。

优势：图表外观酷炫、表现直观。劣势：使用场景过于单一。

此外，常见的可视化图表还有面积图、关系图、瀑布图、热力图、矩形数图等等。在这些可视化图表当中，有不少都可以通过Excel制作完成，但今天的数据可视化其作用除了基础的数据展示与分析，与此同时，我们对于可视化的效果呈现也提出了更高的要求。万博思图通过长期的可视化定制项目经验，积累了大量精美的可视化基础图表、3D图表以及满足不同展示需求的特殊图表。数据体量越来越庞大、意义越来越重要，因此，也只有应用场景更广泛、呈现效果更美观的可视化图表方可匹配数据价值。

1、多选图表

按住Shift键或Ctrl键可以多选图表或对象；

2、全选图表

先选择一个图表，然后按Ctrl+A，可以全选图表。

注意：这种方式，也将选择所有的图形、图片等其他对象。

全选所有图表后，你可以批量移动、调整大小、对齐、分组、删除、复制、右键设置某些属性（尺寸、锁定等）：

3、对齐网格

按住Alt键不放，调整位置和尺寸，可快速对齐网格。

4、均匀分布

选择3个以上的图表，选择【格式】功能页签，点击“排列”功能组的“对齐”右侧下拉小三角，选择“横向分布”，即可实现横向的多个图表位置均匀分布。

另外：“对齐”这里，还能设置多个图表的左对齐、顶端对齐、纵向分布等。

同样的方法，还可以将多个图形、图片、控件等进行各种对齐。

5、重复格式化设置

当需要对多个图表重复相同的格式设置时，比如，将所有图表的外边框设置为“无”，可以先选择一个图表，将其边框设置为“无线条”，再选择下一个图表，按F4，并对剩下的图表重复F4操作，这样这些图表就都应用了相同的格式设置。

6、应用主题

应用Excel内置主题，可以一次性改变所有图表的格式。

当然，你还可以自定义主题，将设置好的图表样式保存为自己的主题。

7、复制图表

Ctrl+D可以快速复制图表。

或者选中图表，按住Ctrl键，直接拖拽，也可以快速复制图表。拖拽时，若同时按住Shift键，还能保持与被复制图表的对齐。

8、图表模板

对于已经精心调整好的图表，还可以保存为图表模板，下次，使用图表模板创建图表，将直接应用那些精心设置的图表格式。

9、使用方向键移动图表

选中图表，点击各方向键，可以在相应方向小幅度地移动图表，以便细微位置的调整。

10、锁定位置和大小

默认时，图表将随着单元格而改变位置和大小，通过对图标区的格式设置，在“属性”中可以选择“随着单元格改变位置，但不改变大小”，此时改变图表最左侧所在列的宽度，将改变图表位置，但改变其他图表所在列，并不会改变图表大小；也可以选择“不随单元格改变位置和大小”，这样，无论列宽如何调整，图表位置和大小均不变化。

11、不直接使用系统自带样式

系统自带样式均存在很多界面噪音，不要直接使用，需要去噪后再使用。

12、选择图表元素

当有些图表元素对应的图较小时，直接点击图中区域较难选中，比如这样的：

我们可以这样做：

选中图表，在【格式】功能页签中的“当前所选内容”组，点击下拉文本框，选择相应的数据系列；选中图表，在右侧的【设置图表区格式】中，点击“图表选项”右侧的下拉按钮，选择相应的数据系列；在图表中选中容易选择的图表元素，按住Ctrl键不放，再按上/下箭头进行元素切换，直到切换到相应数据系列的图表元素。

13、快速复制所有的格式

选择需要复制格式的图表，Ctrl+C，再选中复制目标图表，点击【开始】功能页签下的“粘贴”按钮。

更多Excel好文，请关注Excellive！喜欢的话就请点赞、收藏、分享吧！如果您有问题或建议，欢迎留言与大家一起分享！

如何更好地把销售工作人员的业绩状况展现出来？动态图表来展示业绩与其他对比情况是最好不过的，将每个月都可以单独的进行选项展示，下面就来学习一下这个Excel使用教程吧。

Excel使用教程第一、打开开发工具中的列表框窗体控件，右键，弹出控件格式中的数据区域，设置选择月份，然后在{单元格链接}指定一个空白单元格，系统它会给出一个数据，我们选择的内容是列表框中排列的第几项。

Excel使用教程第二、复制表头一份，然后使用引用函数“OFFSET”，具体公式：“=OFFSET(A3,$H$1,0)”继续填充。

Excel使用教程第三、选择引用区域插入图表。

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

大家好，上周介绍完饼图之后，您有没有亲自动手尝试一下呢？

今天小数要带大家熟悉的是散点图，本文图表生成所用工具仍然是大众熟知的Excel。

说到散点图，它既能用来呈现数据点的分布，表现两个元素的相关性，也能像折线图一样表示时间推移下的发展趋势。可以说是最灵活多变的图表类型。

大数据时代，人们更关注数据之间的相关关系而非因果关系。那么如何考量各变量之间的相关关系呢？散点图就是一种最直观简单的形式。

散点图的特点？

适用于展现两个或三个变量之间的关系

数据量越大，散点图发挥的作用越好

需要关注离群点（异常点）对整体的影响

普通散点图与可视化

在实际应用中使用频率最多的是二维散点图和三维散点图，而三维散点图又与气泡图有密切关系，我们后面会提到。

二维散点图的制作相对简单，无需特殊设置。可视化方面其实也还是咱们的老套路，这里再通过一个例子带大家简单过一遍。

小数收集了某餐馆服务满意度与排队时间相关的15组数据，导入Excel ，直接生成散点图如下：

可视化操作步骤：

背景颜色应用（还是以 DataHunter 的 logo 绿为主哦~）

字体颜色、数据点颜色调整

淡化坐标网格线

插入趋势线。这是散点图的特色，为了分析两个变量之间的关系，我们通常会引入趋势线，Excel中目前给我们提供了线性、指数、线性预测、双周期移动平均等多种类型选择。

现实操作中判断两个变量之间的关系类型，还需要引入回归分析等方法，我在这里只是作为可视化的一个简单举例，所以就直接插入了线性趋势线。

优化后如下图所示：

曲线图

在Excel 的散点图分类中，我们还可以看到一类变体的散点图——曲线图。它经常被用来表示某个变量随时间变量变化的趋势，与折线图的功能类似。

我将自己最近30天的步行数作为数据源，然后生成曲线图。

这里不再赘述可视化过程，与普通散点图基本相同（通过线条填充半透明处理、背景渐变填充、日期格式和坐标轴调整等）

气泡图

气泡图与散点图最直观的区别为：散点图中的数据点长得都一样，气泡图中的气泡却大小不同。因为气泡图在原先散点图的基础上引入了第三个值来控制气泡的大小。

举个例子，我将某校30名学生的期末成绩与其对应的出勤率作为x值和y值，并引入“去图书馆的时间”作为z值，默认生成气泡图如下：

气泡挤在一起了，怎么办呢？

调整坐标轴，将出勤率和分数的最小值和最大值进行修改，调整相应颜色，然后再插入趋势线，就得到了下图：

可以看出，除了出勤率与分数之间有简单的正相关关系外，分数越高的同学，去图书馆的时间也相对较高（气泡普遍更大）。

最后再强调一下：散点图实际应用中更适合大范围的数据，本篇文章中的举例只是为了说明问题，所以数据量都不大。

小结

散点图适用于研究大规模数据中两个变量之间的相关关系

气泡图可用于研究展示三个变量之间的关系

曲线图作为一种特殊的散点图，适用于研究连续变量的变化趋势。

题外话：其实看到这些散点图，总让小数想起一款大圆吃小圆的网页游戏，当初我也是沉溺其中，无法自拔，它的页面如下图，游戏规则挺有意思的，感兴趣的小伙伴可以去体验一下~

最后，基础图表篇的可视化系列文章很快就要结束啦，下个系列大家想了解点啥呢？留言给小数，你想要的内容，统统给你！

文不如表，表不如图，一图胜千言。但有一个前提，那就是：标准。

Excel版商业图表

Excel中有多种图表可供选择，但常常无法选出我们真正需要的，这里给出从简单图表到专业图表的“三条黄金规则”，从此便可以把几乎任何数据转换为专业的商业图表。

三条黄金规则是：

方向(Orientation)：是否在显示与时间相关的数据？意图(Task)：想要传达什么信息？形状(Shape)：想要对什么类型的数据进行可视化？

下面详细讲解每一步的操作细节。

第一步:判断作图方向

黄金规则一：时间用横向图，类别用纵向图。大部分商业图表可归为横向或纵向两大类。所以首先确定应该从什么方向来显示数据。是横向还是纵向。先从最常见的商业图表开始，例如柱状图和条形图，折线图和区域图，点图以及针形图，瀑布图，差异图等。有了合适图才能做出决策。

时间型：横向图

时间型分析使用水平方向图表，如下:

构成型：纵向图

包括构成型在内的非时间型情况使用垂直方向图表，如下:

时间型：水平方向图表如果数据类别是年份、季度、月份、周、天或者时间值，那就使用这类时间型图表。时间总是从左到右表示，禁止从上到下，这是符合常人理解的基本原则。当然可以对其他类别数据也使用水平方向图表，但可能会带来的问题是多标签及X轴水平标签间隔过密等。除非只是表示少量类别数据，否则应该尽量遵守本规则。如下所示：

构成型：垂直方向图表对离散数据对象（如：类别及构成型的产品、客户、账户等）使用垂直方向图表。如：垂直条形图、垂直点图、垂直瀑布图或垂直泡图等。相对于水平方向图表，垂直方向图表有两大优势：

可以更容易显示数据类别标签。可以嵌入到表格数据中，从而建立“表格-图表”融合式报表。

如下所示：

其他图表方向图表还有不容易用方向来划分的，如：饼图、雷达图等；再有就是表示多维度信息的图表类型，如：散点图或气泡图等。以下是常见按方向划分的图表类型及使用场景：

只要可能，应尽量避免使用圆形（多极）图表，如：饼图、环形图以及雷达图。除非类别很少（2~3个），可以考虑使用饼图。

第二步 明确表达意图

黄金规则二：选择合适的图表表达信息。大多数BI/报表/可视化工具都会提供大量图表可供选择。所以必须提前深刻理解并遇见读者在阅读时可能产生的分析行为及思维来选择。这就要充分考虑想要传达的意图。例如：想简单传达一种时间趋势，或是比较不同产品的销售额，或者表达实际与预算的差异，同比增长，特定产品对整体的影响等。这里给出一个常规参考：构成分析(类别比较)构成分析是最基础的分析类型，读者通过直观观察图表数值来比较不同类别。如下：

这种类别比较通常遵循以下规则：

找到特定数值(如：找到特定产品的销售额)比较不同类别的值排序(根据值建立不同类别的排列顺序)高亮显示数据 (如：异常值、特别值等)

每当按此显示类别时，要重点考虑类别的顺序问题。通常需要按值大小排序，一些特别的情况会按照类别重要度、自然顺序排列。注意尽量不要按照字母顺序排列，除非是手机通讯录可以例外。时间序列 (趋势)分析时间序列（趋势）分析与构成分析类似，只是用时间型数据表示类别（如：年份、季度、月份、周、日期或时间）。依据不同情形，读者将视下面不同的图表为特定的分析类型：1. 找到特定值(如：最后一个月的销售额)2. 比较两个值3. 观察数据趋势 (如：线性增长，季节性趋势等)如下所示：

部分-整体比较

如果需要评估部分与整体的关系(如：爆款产品占全部产品的销售额).这种分析有利于迅速发现每种组成部分相对于整体的重要性。使用条形图即可(当然，如果类别很少也可以使用饼图)，如下：

差异分析

差异分析是商业报表的基础。理解距离目标或预算的差异以及相对增长率是几乎所有企业的核心需求。使用“加减”图来显示这些差异（基于构成或时间的均如此），如下：

使用“综合差异”图来显示实际值与差异，也正是因为实际值与差异同时显示，人们可以同时获悉不同差异的显著性以及差异相对实际的幅度，如下：

提示：差异图是成功的商业报告的核心要素。应该始终关注变化与差异。(分析其实就是从差异中发现问题)

贡献度分析

贡献度分析是部分-整体分析的一种特殊情况，其又可分为两种：（1）差异贡献度以及（2）类别贡献度。对于贡献度分析，使用瀑布图。贡献度分析通常回答的商务问题是：为什么总体发生变化，以及怎样的变化。下面是4个典型的例子：

上述四个案例分别从不同角度给出了诠释，至少我们看到瀑布图绝不是只有一种，也绝不是只有一种语义。

提示：瀑布图是贡献度分析的最佳可视化选择。

相关性分析

相关性分析用来评估两个变量是否有相关性，还可用来定位异常点。通常使用散点图进行相关性分析，如下所示：

注意：两个变量之间存在相关性并不意味着他们构成因果关系。

组合分析

对于3个变量的组合式分析（如：产品、客户、供应商、工厂等），使用气泡图：

第三步 选择恰当形状

黄金规则三：同类图表中选择最佳的图形。

一旦确定了正确的图表和可视化方案，接下来做出最后一步：在这类图表中具体用哪种形式呢？人们常常不严谨考虑要表达的是什么数据，如果用柱形图，也总是使用默认形式的柱状图。其实应该针对不同的值类型选择不同的形式，这通常称之为：同类图表选型。如下所示：

例如：表示价格的柱形图比表示收益的柱形图要细。这是很符合直觉的：收益通常比价格要大很多，而表示收益率则可用针形图（就是常说的“棒棒糖”图）。考虑到收益率是一个比率，没有任何单位，所以其图形使用没有宽度的针形。思考下无宽度的针形表示比率，细的表示价格，正常的表示销售额或收益。当读者看到商业报告的图形时，不用看标签就是在看的是什么，这就是专业级报告。这尤其适用于那些不断重复的过程，如月度报告中。

提示：拒绝千篇一律地默认一种柱形图，根据不同的KPI值类型使用不同的柱状类型。

与柱形图的同类图表选型类似，还可以使用相同的模式应对实际、预算、预测、去年同期。如：

有关如何有效的表达，参考IBCS（国际商务交流标准）获得更多信息。

商业图表的一致性至关重要！

如果商业报告里只有一个图表也就不存在一致性的问题了，问题就在于通常一份商业报告中含有很多商业图表，才能充分传达信息给到读者。通常一份商业报告由多页构成，一个BI仪表板也很能是多屏的，这就导致一致性问题变得非常重要。正如红绿灯总是同样的颜色和形状表示始终如一的含义一样，商业报告中的元素也必须是一致的。也就是说，应该使用同样的形状、颜色、模式等来表示始终如一的含义。

提示：正如红绿灯的同样颜色和形状总是意味着同样的含义，商业报告、仪表板也应该保证这种一致性。

如何强调某个值或趋势

人类视觉认知心理学已经印证，图表本身其实已经确定了人们理解图表的方式，不同的图表形状将传达不同的信息。例如有些图表适合强调单个值，而有些则适合显示趋势，如下所示：

虽然从此图也能看出趋势，不过每个柱形的高度以及清晰的间隔则更容易引导我们去比价这些值（例如比较七月和八月）。当时间区间不多且能图形显示可充分容纳列和X轴各类别标签时可采用此图。

此图的线性趋向明显地反映了趋势，即使各个标记点也标识了不同的单个值。此图相对于能够显示单值的不同，更容易引导理解值的变化趋势。

此图已经没有能支撑单值比较的明显迹象，想要比较相邻月份的值差异变得很难。现在只剩下一条能够反映趋势的线。

提示：使用柱形进行值的比较，使用线形揭示变化趋势。

因此，不同的形状从视觉认知上直接影响人们的感知。从纵向的柱形到渐渐水平线形，如下：

还是不知道如何进行选择？这里有两个技巧可以参考：

如果单值重要性更高，选择上述靠左的图形 (如：年度或月度销售额) 以及当你希望读者来比较彼此的值时(如：月度环比)。需要注意的是图形外观上应该足够大，至少能显示出所有列和X轴各类别标签。如果宏观趋势更重要，选择上述靠右的图形。另外，如果没有足够的空间显示列或X轴各类别标签，应尽量选择线形图。

小结

图，以酷炫吸引眼球，但大道至简，商业需要的是在瞬间获取价值，而不是淹没在信息中。这些图在Excel中没见过对吗？那他们都是Excel做的，而且我们只需要有限的几种商务图表就可以表示几乎所有商业标准信息(而不是追求酷炫，何况这也已经很酷炫了)。

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。

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。

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。