什么是数据可视化？图表类型、原则和例子

什么是数据可视化？

数据可视化是用图形来表达数据：图表、地图、看板，让人能快速、准确地看出规律、趋势、对比和异常。好的可视化一眼回答一个问题；同样的数字放在表格里，读的人得自己去算。

它介于分析和沟通之间。分析人员用它探索（「是不是有按周的规律？」），团队用它解释（「改价之后注册量下降了」）。

为什么重要

汇总统计会掩盖数据的形状。安斯库姆四重奏是四组小数据，均值、方差和相关系数都一样，画出来却完全不同：一组是直线，一组是曲线，一组被一个离群点带偏，一组几乎竖成一列外加一个极端值。先把数据画出来，才会发现平均数在误导你。

哪种图回答哪种问题

人是怎样读图的

Cleveland 和 McGill（1984）做实验测试了人从不同视觉编码中读取数值的准确度，从准到不准依次是：

1. 同一刻度上的位置（同一坐标轴上的柱、点、线）
2. 不对齐刻度上的位置（多个小图并排）
3. 长度、方向、角度
4. 面积
5. 体积、曲率
6. 颜色的饱和度和色相

由此得出的做法很直接：能用柱和线就别用饼图、气泡和 3D；颜色用来突出重点，而不是表达精确数值；要比较的东西放在同一个坐标轴上。

示例：饼图和排序柱状图

示例数据：某网站一个月 12,000 次会话的渠道分布。

画成七块的饼图时，外链引荐（15%）和付费搜索（12%）看起来差不多大，邮件和 AI 来源只剩细条，得对照图例才知道是谁。换成按会话数排序的横向柱状图，并在柱子末端直接标数值，排名、差距和长尾一目了然，也不需要图例。数据完全一样，后一张图几秒钟就能读准。

好图的原则

• 一张图只讲一件事。把结论写成标题：「自然搜索带来三分之一的会话」，而不是「各渠道会话数」。
• 柱状图从 0 开始。折线图可以放大局部，柱状图不行。
• 能直接标注就不用图例。
• 少用颜色。背景信息用灰色，重点用一种强调色。
• 给出参照：上一周期、目标或基准。
• 在时间序列上标注事件，比如发版和活动。
• 少用双坐标轴图，除非两条线确实讲同一件事，否则容易让人误读出相关性。

常见错误

• 截断柱状图的纵轴，3% 的差异看起来像翻了一倍。
• 加 3D 效果，长度和面积都会失真。
• 有顺序的数据用彩虹色。
• 一张折线图塞太多条线，像一盘面条。
• 用累计图掩盖最近的下滑。
• 基数很小时报百分比变化（从 1 到 3 就是「+200%」）。

常用工具

日常图表用电子表格（Excel、WPS、Google 表格）就够了；BI 工具（Looker Studio、Power BI、Tableau、帆软等）能做交互和共享；代码库（matplotlib、ggplot2、ECharts、D3）可以完全自定义。统计和分析产品自带的图表针对自身数据，回答流量和产品问题通常最快。

在 TapCub 里做可视化

TapCub 的报表都是「上面图表、下面明细表」，上面这些原则同样适用：用对比时间段给出参照，用图表标注标出发版和活动，再分享看板或定时发送邮件报告。怎样把图表串成一个结论，见数据叙事。

资料来源

• Cleveland, W. S. and McGill, R. (1984). Graphical Perception: Theory, Experimentation, and Application to the Development of Graphical Methods. Journal of the American Statistical Association, 79(387), 531–554.
• Anscombe, F. J. (1973). Graphs in Statistical Analysis. The American Statistician, 27(1), 17–21.
• Tufte, E. R. (1983). The Visual Display of Quantitative Information. Graphics Press.