AIU人工智能学院：数据科学、人工智能从业者的在线学院。

数据科学（Python/R/Julia）数据分析、机器学习、深度学习

作者 | Destiny
来源 | 木东居士

0x00 前言

可视化系列七天之旅完结篇，将通过一个Dashboard的实战设计，来解构数据可视化过程中的关键步骤，从而呈现可视化设计的基本思路和完整链路。

在可视化系列开篇文章中，对数据可视化过程有做详细的介绍，其关键步骤总结为如下4点：

• 确定数据可视化的主题；
• 提炼可视化主题的数据；
• 根据数据关系确定图表；
• 进行可视化布局及设计；
  

那么本篇，将以生鲜电商为例，设计一个体现生鲜电商APP实时销售情况的数据看板。

0x01 数据分析

1.确定数据主题

如前言所述，本篇数据可视化的实战，是对【生鲜电商的实时销售数据】，进行可视化呈现。

那么，本次可视化数据的组织，将围绕着销售额来进行组织。

数据可视化之旅(七)：可视化设计实战-数据大屏" style="border: 0px; max-width: 100%; margin-right: auto; margin-left: auto; display: block;">

2.数据提炼

• KPI指标：
• 目标销售额、实际销售额、销售额完成率；
• 流量指标：
• 今日浏览量趋势、今日访客数趋势；
• 转化指标：
• 访问-下单-支付等环节的转化率；
• 交易指标：
• 今日下单订单数、今日下单用户数、订单均价；
• 用户数据：
• 近30天活跃用户数趋势、今日新老用户构成；
• 商品指标：
• 销售额品类分布、销售额城市分布、热销商品TOP10；
• 数据监控：
• 近30天销售额涨跌趋势；
  

数据可视化之旅(七)：可视化设计实战-数据大屏" style="border: 0px; max-width: 100%; margin-right: auto; margin-left: auto; display: block;">

注：对于电商分析中的核心指标，没有统一的标准答案。相同的数据主题，对于不同的企业、企业的不同发展阶段、查看数据人群职位的差异，大家关注的具体指标不同，因此，此处的数据提炼，不作为公共的参考标准。在实际工作中，大家可根据企业的经营发展现状、数据分析结果的受众，来组织需要进行可视化的数据指标及维度。

0x02 图表选型

1.数据关系

根据数据间的关系选择合适的图表，是保证数据可视化效果的关键。

数据间的关系，大体可以分为如下7种：

数据可视化之旅(七)：可视化设计实战-数据大屏" style="border: 0px; max-width: 100%; margin-right: auto; margin-left: auto; display: block;">

2.图表选择

根据上文中对数据主题的数据提炼，在表格中模拟了部分数据的样本格式，具体如下：

数据可视化之旅(七)：可视化设计实战-数据大屏" style="border: 0px; max-width: 100%; margin-right: auto; margin-left: auto; display: block;">

根据以上提炼的数据集的格式，以及数据之间的关系，确定了如下的可供选择的图表类型：

数据可视化之旅(七)：可视化设计实战-数据大屏" style="border: 0px; max-width: 100%; margin-right: auto; margin-left: auto; display: block;">

在以上的数据中，我最关注的指标是：今日目标销售额、实际销售额、销售额完成率这3项指标。

0x03 可视化设计

在确定了数据产品某个具体页面的数据指标，业务指标的重要性和关注度，以及数据展现的逻辑思路和层次结构之后，此时就需要通过可视化设计，来传达数据信息的重点，进行数据的可视化表达。

可视化设计包括两个方面：一是「页面布局」，二是「图表制作」。

1. 页面布局

页面布局，要遵循三个原则：聚焦、平衡、简洁。

简单来说，在进行可视化排版布局的时候，要重点突出；合理利用可视化的设计空间，保证页面元素的对称和平衡；此外，还需要删减或弱化影响数据呈现效果的冗余元素。

以下分别来介绍下PC和移动端可视化设计的常见布局方式：

PC端

• 顶部tab导航式布局
  

数据可视化之旅(七)：可视化设计实战-数据大屏" style="border: 0px; max-width: 100%; margin-right: auto; margin-left: auto; display: block;">

这种「顶部tab导航式」的页面布局，适用于按主题组织的数据可视化展示。例如，电商业务的数据分析指标，可以分为【流量】、【交易】、【商品】、【商户】、【会员】、【财务】、【行业】等不同主题，就可以采用此种页面布局方式。

• 瀑布流平铺方式布局
  

数据可视化之旅(七)：可视化设计实战-数据大屏" style="border: 0px; max-width: 100%; margin-right: auto; margin-left: auto; display: block;">

「瀑布流式布局」，是一种最简单的方式，直接将想要展示的所有内容以平铺的方式展示在一个大的页面中，随着屏幕的下滑，可以依次浏览数据的情况。因此，图形的展示区域相对较大、扩展性较好，当需要加新的数据可视化内容时，只需再新增一个小的横向数据panel即可。而且，对于瀑布流式布局而言，通常也会和顶部导航配合使用，方便用户更快的定位到对应主题或指标。

• 卡片式布局
  

数据可视化之旅(七)：可视化设计实战-数据大屏" style="border: 0px; max-width: 100%; margin-right: auto; margin-left: auto; display: block;">

「卡片式布局」在PC端是一种被高频使用的布局，通过将页面切分为多个小的功能卡片，保证数据可以在一屏内展示，同时在视觉上，也会给人一种对称、平衡的美感。

移动端

移动端常见的页面布局方式有如下4种：「瀑布流平铺」布局、「名片+导航」布局、「轮播+Tab」布局、「九宫格」布局，具体示例如下。

数据可视化之旅(七)：可视化设计实战-数据大屏" style="border: 0px; max-width: 100%; margin-right: auto; margin-left: auto; display: block;">

以上移动端四种布局方式的适用场景如下：

布局方式适用场景瀑布流平铺由于是通过不断下滑屏幕来展示数据，因此，此种布局适合于数据指标较少，且数据未做分层的情况下使用。

随着数据指标的增多，迅速定位到某一指标的难度加大，此时可变更布局或者增加搜索功能来帮助用户快速查找到自己关注的指标。名片+导航这种布局方式，通常一级页面是按照业务线或者业务主题来划分，每个名片代表一个独立的业务或主题，在一级菜单来总览各项业务的整体情况。

若想继续探索具体业务的数据细节，则通过继续按钮，进入下一页的单一业务或主题的数据展示页。轮播+tab数据内容的分层是二元的，即整体概览和各项具体业务的数据指标。

比如，公司的业务经营多元化，一方面需要查看集团的整体经营情况，又需要查看各条业务线的经营状况，可以采用此种布局方式。九宫格九宫格式的布局，适用于平台型数据产品或者作为集成各种专项分析的入口。

每一个入口，对应不同的数据主题，这种布局方式下的不同主题可以独立并行开发，且专项分析页面的数据可视化布局，灵活性较大，可根据实际需要进行选择。

2.图表制作

图表制作过程，主要考虑两个方面的影响因素：一个是数据层面的，一个是非数据层面的。

（1）数据层面

数据中存在极端值或过多分类项等，会极大影响可视化的效果呈现，如柱形图中柱形条的高度、气泡图中气泡的大小、饼图中的分类项太多等。

（2）非数据层面

如图表的配色、页面或图表的背景颜色、网格线的深浅有无、外边框等等，这类元素是辅助用户理解图表的次要元素，但如果处理不当，视觉上就不够聚焦，重点不突出。

3.实战设计

此次的【生鲜电商的实时销售看板】，我选择用卡片式布局来设计，具体呈现如下：

数据可视化之旅(七)：可视化设计实战-数据大屏" style="border: 0px; max-width: 100%; margin-right: auto; margin-left: auto; display: block;">

注：实战设计中的图表，部分由excel绘制完成，部分由sketch完成，地图部分采用的是echart组件。

0xFF 总结

在对实际业务场景中的数据进行可视化时，要严格遵循可视化过程的四个步骤：

• 确定数据可视化的主题；
• 提炼可视化主题的数据；
• 根据数据关系确定图表；
• 进行可视化布局及设计；
  

前两个步骤的，是进行数据需求的分析和提炼，后两个步骤，是进行数据可视化的具体呈现，二者是相辅相成的关系。好的数据分析思路和逻辑，决定了数据可视化价值的大小，恰当的图表选择和可视化设计，能够让图形更好的传达数据蕴含的最准确的信息。

于此同时，在数据可视化的过程中，也需记住以下原则：

• 数据至上。
• 数据图表的主要作用是为了更加准确、直观的传达信息，不要用图表来炫技，图表的选择要根据数据关系和数据集特征来决定，不要片面的追求图表的美观，舍本逐末。
• 突出重点。
• 不要试图在一张图或一个页面中表达所有的数据信息，过于繁杂的数据会让图表失去重点，过于沉重。
• 逻辑严密。
• 数据可视化是以业务逻辑为主线串起来的，数据的提炼和图表的选择都要贴合业务、准确的反映业务，而不应该随意的堆砌图表。
• 图表严谨。
• 图表的作用是为了真实、准确的反映数据背后蕴藏的现象或规律，在进行可视化的过程中，图表应实事求是的反映真实数据，切忌不严谨的做法给用户误导。
  

数据可视化之旅(七)：可视化设计实战-数据大屏" style="border: 0px; max-width: 100%; margin-right: auto; margin-left: auto; display: block;">

数据可视化，就我看来，除了数据分析的能力、图表选型的套路外，更多的是实践以及实践中的经验总结。

之前在评论区也看到一些朋友，提到想了解一下可视化的实现工具和技术。之前也和居士讨论过这个问题，当数据提炼、分析、图表选型确定了之后，用什么来画图和实现，可供选择的工具还是挺多的。

比如使用频率较高的可视化工具Excel、tableau，第三方的开源图表echart、Highchart、D3、AntV，抑或是用Python、R中的绘图库来进行数据可视化，你只要按照数据格式来组织数据就可以制作出对应的图表。工具型的东西，还是需要自己去实操，才会真正掌握。

”无他，但手熟尔 “与大家共勉，希望大家一起在可视化的路上，多多实践，分享彼此的经验心得。

关注“AIU人工智能实验室”，回复“录播”获取更多人工智能精选直播视频！

完 谢谢观看