编辑导读：随着“数智化”时代的到来,我们生活中的方方面面都离不开数据,而你真的了解数据吗？本文作者将为大家重新解读数据的概念和价值，以及数据的价值是如何在“数智化”时代下一步一步得到运用与升华的，一起来看看~

一、前言

上几期文章中，我们已经了解到“数据”是一个庞大的体系（如下图所示），并用了菜市场的例子，为大家讲解数据来源的含义；用买菜的例子，为大家讲解数据采集的步骤；用洗菜、择菜的例子，为大家讲解数据清洗的方法…

而今天小陈主要给大家讲解，我们学会做菜以后，怎样把烹饪方法简单易懂的传授给他人，即数据可视化的过程。

二、可视化图表的选用原则（参考麦肯锡系列书目——《用图表说话》）

先上图表选取原则干货（见下图），下面我们再针对每个表格的使用进行逐一讲解！

图片来源——公众号【高端商务报告】

1. 成分类

（1）饼类

一般情况下，我们会选择饼图来呈现成分的对比关系。而饼图使用也存在下面这些“潜规则”

a.遵循阅读习惯，饼图成分重要性需要呈顺时针顺序

在阅读饼图时，人们都会下意识的从12点钟方向，顺时针读下去。所以，为了迎合人们的阅读习惯，我们需要将数据的占比大小、重要性按照顺时针方向切片展示。

b.切片数量不要超过7个，如果饼图类别很细，对于受众而言，对比起来是非常困难的。所以，当你发现切片数量将超过6个时，将其余不那么重要的分支整合归为“其他”项。

c.尽量避免使用立体饼图，除非你真的有信心避免视觉错觉。

如下图所示，从受众的角度看这张立体饼图，是不是很难分清楚两个占比最小的扇形究竟谁大谁小？而如果我们采用“俯视”的视角看这张饼图，就会好区分很多！

2. 项类对比

首先，我们需要明确项类对比的含义是什么，以及它指的对比维度是什么？一般来说，常见的维度对比无外乎数据大小、占比这两类。而就图表类型而言，项类对比最常用图表类型为条形图，下面我们来谈一谈条形图使用的原则。

（1）符合尝试的默认排序（从大到小、从高到低、从好到差）,除非你需要遵循其他逻辑排序

一般来说，人们看条形图比较想要获取的是头部项类对比讯息，没有人会特别注意尾部项类的占比和对比。所以为了迎合人们的阅读习惯，我们需要按照从大到小、从高到低、从好到差的默认条形图排序实现绘制。

当然，遵循其他特定的逻辑排序也是可取的。例如，某公司对比业内竞争者市场占比时，特意按照进入市场的时间长短进行条形图排序。如下所示，是按照品牌逻辑对条形图进行展示。

（2）条形图间隔<条形图本身宽度

麦肯锡条形图的分类间距一般设置为本身宽度的20%-50%；而经济学人的分类间距则为50%-80%，保洁等大型公司的报表中也呈现10%-30%不等。如下所示，是经济学人一篇文章中的散点图和条形图。

虽然，间距不一，但不难发现，业内几乎没有分类间距>条形宽度本身的。

3. 时间序列、频率分布

时间序列，顾名思义，就是一条时间线下数据类别、变量的变化；而频率分布可能会稍微难懂一点，但我相信看到下面这个例子，你就不陌生了！

相信大家大学上《概率论》的时候，都看过这个函数！概率密度函数，没错，他就表示了频率分布!

时间序列、频率分布制图时，通常选取柱形图、折线图两类，而这两类值间应该怎样进行选取呢？

在麦肯锡的《用图表说话》一书中，建议以8个时间点为区分界限，当时间点>8时，采用折线图，减少视觉对比疲劳，当时间点<8时，选取柱形图。以下是柱状图、折线图两种图表的使用规则。

其次，柱状图和折线图的选择还和数据特征有关，当你想凸显特定时间段内产量、销量等数据指标的时间序列变化，用柱状图比较合适，因为它还能够凸显程度、数量；而折线图则更注重变化、变化趋势，在表现数据发展趋势和时间序列预测分析中较为常用。

（1）柱形图

a.柱形图间隔<柱形图本身宽度

这一点其实和条形图类似，此处就不做赘述了

b.堆积柱状图使用有度，避免对比混乱

堆积柱状图适用于对比多个项目、类别的成分关系，是表达成分对比关系的重要方式。

但需要特别注意，百分比堆积图尽量不要对比每个类项超出3个细分成分，否则会带来对比混乱。如下所示，堆积柱状图的类项已然超过3个，对比起来就会很混乱。

（2）折线图

a.趋势线要突出（颜色、粗细等）

折线图是以上图表中，最能够直观展示上升、下降、波动、维持原状趋势的图表，它侧重于勾勒变化和变化趋势，用于表达数据的发展趋势。

但，趋势线作为折线图中的主体，一定要突出。而这个突出，可以是颜色上的突出，使用红色等重点色；也可以是粗细上的突出，比如，我们一定要注意到折线图趋势线比网格线、刻度线粗！

4. 相关性

相关性分析中，我们常使用散点图直观地显示变量间的相关强度、相关方向，并用于探索性数据分析，做出拟合曲线和回归方程，对未来趋势进行探索性预测。

（1）散点、气泡图

a.散点、气泡大小需要直观

人都是视觉动物，而图表需要做到就是把人的视觉利用到极致！散点图、气泡图中，每一个散点、气泡就代表着一个样本个体，而散点、气泡的大小就能只管的展示出该样本的大小。所以，我们在制作图表时，需要充分利用这一点，用散点、气泡大小直观的展示样本间的关系。

三、结语

以上，就是本期可视化图表选取原则的全部内容！我们【这篇文章把数据讲透了】系列到这里也就完结了！撒花！！

接下来，你想看哪方面的文章呢？

#相关阅读#

这篇文章把数据讲透了（一）：数据来源

这篇文章把数据讲透了（二）：数据采集

这篇文章把数据讲透了（三）：数据清洗

这篇文章把数据讲透了（四）：数据挖掘

这篇文章把数据讲透了（五）：数据可视化（上）

这篇文章把数据讲透了（五）：数据可视化（中）

本文由 @小陈同学ing. 原创发布于人人都是产品经理，未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议。