数据可视化是以图形格式呈现信息，通常是图表，或者是图形表示。它们使决策者能够直观地进行分析并一目了然地得出结论。数据可视化可以在相对少量的屏幕空间中传达大量信息。在大数据时代，数据可视化工具和技术对于分析大量信息和做出数据驱动的决策至关重要。

 

数据可视化是一种视觉艺术形式，可以激发我们的兴趣；如果我们看到图表，会很快识别趋势和异常值，并且消化吸收。随着“大数据时代”进入高速发展阶段，可视化越来越成为理解每天生成的数万亿行数据的关键工具。数据可视化通过将数据整理成更易于理解的形式来帮助讲故事，突出趋势和异常值。一个好的数据可视化讲述了一个故事，消除了数据中的噪音，突出了有用的信息。

 

营销人员经常处理大量数据，数据可视化帮助更有效地传达数据。它使用视觉元素讲述数据中的故事，同时使其更具吸引力和易于访问。营销人员可以使用数据可视化让社交媒体上的文章、电子书、报告和演示文稿等内容更具吸引力；识别趋势、模式和异常值；加强论点或意见；做出明智的决策，等等。

 

数据可视化的流程大致如下：

1. 确立关键目标

在开始可视化任何数据之前，先问自己三个问题，这是为了让数据可视化专注于一个特定的目标：

想通过可视化实现什么？

受众是谁？

哪些数据点与受众相关？

 

2. 选择正确的数据可视化方式

选择一种数据可视化方式，以最佳方式传达该信息。有不同类型的数据可视化，每一种都有特定的目的：

信息图表：给出一个主题的概述

折线图：比较、显示变化或揭示关系

流程图：绘制流程，连接想法并确定根本原因

地图：显示地理位置数据

选择错误的可视化方式会误导读者、造成混淆并传播错误信息。

 

3. 添加文本环境

数据可视化需要在交流中发挥作用，需要体现出数据的意义。所以必须将数据可视化置于一定的文本环境中，让受众能够了解数据的价值，更好地理解数据。

 

4. 加入颜色和字体

有策略地使用颜色和字体可以帮助强调要点，说明进展，分类信息，区分数据点。在进行比较时，选择单一颜色（带有渐变变化）以显示连续数据和对比色。还可以使用粗体颜色突出显示特定数据点。

 

5. 去除冗余信息

添加任何设计元素之前，问问自己它是否增加了任何价值。

 

6. 避免数据失真

在尝试设计有效的数据可视化时，重要的是确保不会扭曲数据并错误地呈现数据。从图表的类型和大小到使用的颜色和形状，需要仔细研究各个方面才能准确地呈现数据。

 

数据可视化工具为数据分析人员提供了一种更简单的方法来创建大型数据集的可视化表示，在处理包含数十万或数百万个数据点的数据集时，让创建可视化的过程实现自动化。

 

市场上优秀的数据可视化工具有一些共同点。首先是它们的易用性，例如具有出色的文档和教程，并且以用户感觉直观的方式设计。其次是处理大量数据的能力，例如在单个可视化产品中处理多组数据。优秀的可视化工具还可以输出一系列不同的图表、图形和地图类型。最后则是成本，如果工具的报价较高，它必须提供更好的支持、更好的功能和更好的整体价值。

 

案例

流行病历史的数据可视化

Nicholas LePan发表的名为 Visualizing the History of Pandemics 的信息图，讲述了人类历史上所有已知流行病的故事，包括疾病名称、死亡人数和疫情发生的大致日期。虽然每种疾病的确切受害者人数尚有疑问，但人们仍然可以从这张图表中了解到，在人类的整个历史中都经历了哪些超级传染病。 该信息图的统计数据显示，一些疾病会随着人口的增长而扩大。疾病 3D 插图与来自 CDC、WHO、BBC、维基百科、历史记录、大英百科全书和约翰霍普金斯大学的研究数据相结合。插图根据记录的死亡人数进行缩放，以便读者轻松获取数据信息。