这是任何成功的数据驱动分析策略必不可少的最后一步。
“通过将信息可视化，我们把它变成一幅你可以用眼睛探索的风景。一种信息地图。当你迷失在信息中时，信息地图是有用的。”
——大卫·麦坎德利斯
信不信由你，我们人类一直是数据驱动的物种。从我们出生的那一天起，我们每个人都在通过我们的五种感官体验这个世界，从各种事件中学习，理解每件事的因果，并根据我们在这个过程结束时得出的结论采取行动。
如果你从数据科学的角度来看，我们的大脑就像一台强大的分析机器，它不断地存储着我们的感官从每一个小小的生活经历中捕捉到的信息。接下来，它通过识别重要的信息来清理这个庞大的信息库，丢弃不重要的信息。然后，它运行各种算法和模型来分析这些信息，以破译一些见解。基于这些来自以往经验的见解，它创造了一个未来结果的心理形象。
一旦我们在脑海中清晰地表达和想象了整个经历，我们就会立即有一种冲动，想与他人分享由此产生的知识。为什么?因为集体知识可以帮助我们缩短学习曲线，更快地进步。因为一张图片胜过千言万语，我们发现通过各种视觉效果最容易传达我们的思想。
这应该会给你一个高层的理解什么数据分析和数据可视化，让我正式地给你们定义一下。数据分析可以定义为收集、建模和分析数据以提取见解以支持决策的系统过程。而数据可视化可以定义为图形表示吗数据和信息的表达，以理解行为，趋势，模式,和离群值。为了帮助你完全掌握这个主题，在这个博客中，我们将封面以下几点:
如果你曾经见过柱状图或饼状图(我很确定你见过)，那么你已经见证了工作中的数据可视化。这些视觉效果就像隐喻一样，在我们体内产生情感反应，帮助我们快速消化信息。一旦我们消化了信息，我们就有动力采取某种形式的行动，这实际上是数据分析的最终目标。
想想上次你在黄金时段观看新闻主播谈论你所在城市的房价。你很可能在他们旁边看到了一个图表，显示了去年和今年价格的两条趋势线，也可能是未来的预测。如果今年的趋势线高于去年，这取决于你属于市场的哪一方，买方或卖方，你要么有动力卖出，要么担心不得不重新调整你的财务状况。不管怎样，这些趋势线让你采取了一些行动。
如果实现得当，可视化数据会培养一种习惯，从而为成功创造一个可靠的秘诀。方法如下:
- 促进信息消费
通过图表、图形和地图对数据进行精心设计的可视化表示，使信息消费者能够将点连接起来，并识别多维数据集之间有价值的联系。它在观众的脑海中创造了一个故事，成为进一步探索感兴趣的话题的基础。随着信息消费者习惯了这个过程，他们越来越容易理解视觉效果，这增强了他们以更快的速度消费更多信息的能力。 - 它有利于模式识别和离群值检测
一旦信息消费者熟悉了数据可视化，诸如接近性、相似性、封闭性、封闭性、连续性和连接性等视觉感知原则就会发挥作用。这些原则帮助他们识别模式和异常值或元素，哪些是信号，哪些是噪音。需要充分的背景和明确传达的目标和目的来区分异常值和噪音。 - 它培养了一种数据驱动决策的文化
随着数据消费者认识到更多的模式和异常值，他们可以更好地创建直接影响最终结果的更健全的策略。随之而来的成功进一步增加了对数据驱动决策的信心，实践最终成为思维过程的一部分。虽然经验可以建立更好的直觉，但数据驱动的思维模式会寻找确凿的证据来支持这种直觉，从而进一步增强决策的信心;这也使得向他人解释研究结果和得出的见解变得更加容易。
我们人类很擅长识别聪明的设计。我们所需要的只是像设计师一样思考，用数据讲述具有视觉吸引力的故事。以下是作者的一些基本原则科尔·纳斯鲍默·克纳弗里克她在《用数据讲故事》一书中建议，每个数据可视化人员都需要记住:
- 良好的数据可视化具有清晰的视觉信息层次
我们可以做出特定的设计选择，自然地引导人类的眼睛穿过图形，而我们却没有意识到这一点。例如，在图表标题中使用特定的关键字是首先吸引注意力的，其次是轴的标签，颜色的强度可以区分前景中的重要内容和背景中的辅助信息。 - 它并不过于复杂
如果你的数据可视化看起来很复杂，观众就不太可能花时间去理解它。为了避免你的视觉效果和交流看起来过于复杂，使用一致且易于阅读的字体，保持足够的空白空间以使其看起来干净，选择更少的单词和简单的语言，并倾向于更简单的图表。这并不意味着你应该过度简化事情，更确切地说，不要把事情弄得过于复杂。 - 它很美观
研究表明，更美观的设计不仅被认为更容易使用，而且更容易接受和更频繁地使用。当设计更美观时，观众会对我们的视觉效果更有耐心，从而增加我们获得信息的机会。巧妙地使用颜色，注意对齐和周到地使用留白是保持美观的好方法。
当你想到数据可视化时，条形图和饼状图可能是第一个出现在你脑海中的图像。这是可以理解的，因为它们是最常用的。然而，它们只是冰山一角。图表、表格、图形、地图、信息图和仪表板是常见的数据可视化类型。其中有更具体的例子，如面积图，条形图，盒须图，散点图，地图，热图，直方图，树状图等。
每种图表类型都有不同的用例。通常，创建数据可视化最困难的部分可能是确定哪种图表类型最适合手头的任务。为了帮助你，我们写了一篇博客25 .独特而智能的数据可视化我们Dundas数据可视化的人都是他们的粉丝，还有他们的用例。
理解数据可视化的最好方法是亲眼看到它。要体验各种实际的数据可视化示例，请查看Dundas BI示例仪表板页面。如果你对原著故事也感兴趣，我鼓励你去读数据可视化的简史。
这就是你开始使用数据可视化所需要知道的一切。既然您已经掌握了成功的数据驱动分析策略的最后一步的基本知识，那么学习第一步将是一个好主意:收集商业智能需求——在构建仪表板之前要做什么。
作者简介
Tejas Shah是一名计算机科学专业的数据科学专业毕业生，也是一名对数据驱动叙事充满热情的营销人员。他撰写的内容具有教育意义，并为商业智能和分析领域提供了新的视角。
关注我们
支持