很多人認為數(shù)據(jù)可視化非常簡單，無非是輸入幾組數(shù)據(jù)，生成簡單的條形圖、直線圖等等。然而，這未免有點管中窺豹。其實數(shù)據(jù)可視化大致可分為信息可視化、科學可視化和可視化分析三大類，剛才提到的簡單圖表只是信息可視化中最常見的幾種。一旦數(shù)據(jù)量增大，可視化目標改變，可視化系統(tǒng)的復雜度可能就會超出我們的想象。

　　本篇文章就來講講數(shù)據(jù)可視化的基本流程。

　　可視化流程的基本步驟，就好像一個特殊的流水線，主要步驟之間彼此相互作用、相互影響?？梢暬鞒痰幕静襟E，用文字表達就是：確定數(shù)據(jù)可視化的主題——數(shù)據(jù)采集——數(shù)據(jù)處理和變換——根據(jù)數(shù)據(jù)關(guān)系可視化映射——可視化呈現(xiàn)。

　　可視化流程的第一步：確定數(shù)據(jù)可視化的主題，即確定需要可視化的數(shù)據(jù)是圍繞什么主題或者目的來組織的。

　　在可視化過程中的步驟之中，第一步是相對來說較容易的一步。

　　業(yè)務運營中的具體場景和遇到的實際問題，公司層面的某個戰(zhàn)略意圖，都是確定數(shù)據(jù)可視化主題的來源和依據(jù)。簡而言之，一個具體問題或某項業(yè)務、戰(zhàn)略目標的提出，其實就可以對應一個數(shù)據(jù)可視化的主題。

　　比如，銀行分析不同城市用戶的儲蓄率、儲蓄金額，電商平臺進行雙十一的實時交易情況的大屏直播，物流公司分析包裹的流向、承運量和運輸時效，向政府機構(gòu)或投資人展示公司的經(jīng)營現(xiàn)狀等，都可以確定相應的數(shù)據(jù)主題。

　　可視化流程第二步：數(shù)據(jù)的采集。

　　俗話說“巧婦難為無米之炊”，數(shù)據(jù)采集的方法和質(zhì)量，很大程度上就決定了數(shù)據(jù)可視化的最終效果。

　　數(shù)據(jù)采集的分類方法有很多，從數(shù)據(jù)的來源來看，可以分為內(nèi)部數(shù)據(jù)采集和外部數(shù)據(jù)采集。

　　1.內(nèi)部數(shù)據(jù)采集：

　　指的是采集企業(yè)內(nèi)部經(jīng)營活動的數(shù)據(jù)，通常數(shù)據(jù)來源于業(yè)務數(shù)據(jù)庫，如訂單的交易情況。如果要分析用戶的行為數(shù)據(jù)、APP的使用情況，還需要一部分行為日志數(shù)據(jù)，這個時候就需要用「埋點」這種方法來進行APP或Web的數(shù)據(jù)采集。

　　2.外部數(shù)據(jù)采集：

　　指的數(shù)通過一些方法獲取企業(yè)外部的一些數(shù)據(jù)，具體目的包括，獲取競品的數(shù)據(jù)、獲取官方機構(gòu)官網(wǎng)公布的一些行業(yè)數(shù)據(jù)等。獲取外部數(shù)據(jù)，通常采用的數(shù)據(jù)采集方法為「網(wǎng)絡爬蟲」。

　　以上的兩類數(shù)據(jù)采集方法得來的數(shù)據(jù)，都是二手數(shù)據(jù)。通過調(diào)查和實驗采集數(shù)據(jù)，屬于一手數(shù)據(jù)，在市場調(diào)研和科學研究實驗中比較常用，不在此次探討范圍之內(nèi)。

　　數(shù)據(jù)可視化第三步：數(shù)據(jù)處理和變換。

　　數(shù)據(jù)處理和數(shù)據(jù)變換，是進行數(shù)據(jù)可視化的前提條件，包括數(shù)據(jù)預處理和數(shù)據(jù)挖掘兩個過程。

　　一方面，通過前期的數(shù)據(jù)采集得到的數(shù)據(jù)，不可避免的含有噪聲和誤差，數(shù)據(jù)質(zhì)量較低；另一方面，數(shù)據(jù)的特征、模式往往隱藏在海量的數(shù)據(jù)中，需要進一步的數(shù)據(jù)挖掘才能提取出來。

　　常見的數(shù)據(jù)質(zhì)量問題包括：

　　1.數(shù)據(jù)收集錯誤，遺漏了數(shù)據(jù)對象，或者包含了本不應包含的其他數(shù)據(jù)對象。

　　2.數(shù)據(jù)中的離群點，即不同于數(shù)據(jù)集中其他大部分數(shù)據(jù)對象特征的數(shù)據(jù)對象。

　　3.存在遺漏值，數(shù)據(jù)對象的一個或多個屬性值缺失，導致數(shù)據(jù)收集不全。

　　4.數(shù)據(jù)不一致，收集到的數(shù)據(jù)明顯不合常理，或者多個屬性值之間互相矛盾。例如，體重是負數(shù)，或者所填的郵政編碼和城市之間并沒有對應關(guān)系。

　　5.重復值的存在，數(shù)據(jù)集中包含完全重復或幾乎重復的數(shù)據(jù)。

　　正是因為有以上問題的存在，直接拿采集的數(shù)據(jù)進行分析or可視化，得出的結(jié)論往往會誤導用戶做出錯誤的決策。因此，對采集到的原始數(shù)據(jù)進行數(shù)據(jù)清洗和規(guī)范化，是數(shù)據(jù)可視化流程中不可缺少的一環(huán)。

　　數(shù)據(jù)可視化的顯示空間通常是二維的，比如電腦屏幕、大屏顯示器等，3D圖形繪制技術(shù)解決了在二維平面顯示三維物體的問題。

　　但是在大數(shù)據(jù)時代，我們所采集到的數(shù)據(jù)通常具有4V特性：Volume（大量）、Variety（多樣）、Velocity（高速）、Value（價值）。如何從高維、海量、多樣化的數(shù)據(jù)中，挖掘有價值的信息來支持決策，除了需要對數(shù)據(jù)進行清洗、去除噪聲之外，還需要依據(jù)業(yè)務目的對數(shù)據(jù)進行二次處理。

　　常用的數(shù)據(jù)處理方法包括：降維、數(shù)據(jù)聚類和切分、抽樣等統(tǒng)計學和機器學習中的方法。

　　數(shù)據(jù)可視化第四步：根據(jù)數(shù)據(jù)關(guān)系可視化映射。

　　對數(shù)據(jù)進行清洗、去噪，并按照業(yè)務目的進行數(shù)據(jù)處理之后，接下來就到了可視化映射環(huán)節(jié)?？梢暬成涫钦麄€數(shù)據(jù)可視化流程的核心，是指將處理后的數(shù)據(jù)信息映射成可視化元素的過程。

　　可視化元素由3部分組成：可視化空間+標記+視覺通道

　　可視化空間

　　數(shù)據(jù)可視化的顯示空間，通常是二維。三維物體的可視化，通過圖形繪制技術(shù)，解決了在二維平面顯示的問題，如3D環(huán)形圖、3D地圖等。

　　標記，是數(shù)據(jù)屬性到可視化幾何圖形元素的映射，用來代表數(shù)據(jù)屬性的歸類。

　　根據(jù)空間自由度的差別，標記可以分為點、線、面、體，分別具有零自由度、一維、二維、三維自由度。如我們常見的散點圖、折線圖、矩形樹圖、三維柱狀圖，分別采用了點、線、面、體這四種不同類型的標記。

　　視覺通道

　　數(shù)據(jù)屬性的值到標記的視覺呈現(xiàn)參數(shù)的映射，叫做視覺通道，通常用于展示數(shù)據(jù)屬性的定量信息。

　　常用的視覺通道包括：標記的位置、大小(長度、面積、體積。。。)、形狀(三角形、圓、立方體。。。)、方向、顏色(色調(diào)、飽和度、亮度、透明度。。。)等。

　　數(shù)據(jù)可視化第五步：可視化呈現(xiàn)。

　　這個階段主要包括兩個方面：一是進行可視化布局的設計，二是數(shù)據(jù)圖形化的呈現(xiàn)。

　　頁面布局

　　可視化設計的頁面布局，要遵循以下三個原則：

　　（1）聚焦

　　設計者應該通過適當?shù)呐虐娌季?，將用戶的注意力集中到可視化結(jié)果中最重要的區(qū)域，從而將重要的數(shù)據(jù)信息凸顯出來，抓住用戶的注意力，提升用戶信息解讀的效率。

　?。?）平衡

　　要合理的利用可視化的設計空間，在確保重要信息位于可視化空間視覺中心的情況下，保證整個頁面的不同元素在空間位置上處于平衡，提升設計美感。

　?。?）簡潔

　　在可視化整體布局中，要突出重點，避免過于復雜或影響數(shù)據(jù)呈現(xiàn)效果的冗余元素。

　　圖表制作

　　影響圖表呈現(xiàn)效果的，主要有兩個影響因素，一個是數(shù)據(jù)層面的，一個是非數(shù)據(jù)層面的。

　?。?）數(shù)據(jù)層面

　　若數(shù)據(jù)中存在極端值或過多分類項等，會極大影響可視化的效果呈現(xiàn)，如柱形圖中柱形條的高度、氣泡圖中氣泡的大小、餅圖中的分類項太多等。

　　對于數(shù)據(jù)本身造成的可視化效果不佳的情況，我們是不是就束手無策了呢？當然不是，在以往的可視化過程中，本人雖然也踩了很多坑，但是對于如何解決這類問題也積累了一些經(jīng)驗，下次專題分享。

　　（2）非數(shù)據(jù)層面

　　非數(shù)據(jù)層面，但是影響圖表呈現(xiàn)效果的因素，通常在設計過程中就可以解決。

　　比如圖表的背景顏色、網(wǎng)格線的深淺有無、外邊框等等，這類元素是輔助用戶理解圖表的次要元素，但如果不加處理全部放出，視覺上就不夠聚焦，干擾到你真正想展示的數(shù)據(jù)信息。

　　因此，對于此類非數(shù)據(jù)層面，但是影響圖表視覺呈現(xiàn)的元素，應該盡量隱藏和弱化。