枯燥数据转化为可读的可视化图表

数据可视化的一个很大的魅力，就是把大量枯燥乏味的数据，转变为生动可“阅读”的可视化图表，使决策者可以更有效地利用数据做判断。而将数据转化成可视化图表/形，其实一个数据可视化工具就能完成，碍于工具太多，按照使用场景，暂且将已成熟应用的分为三个层次：

数据可视化第一层：数据报告、信息图

这里统称信息图。信息图是把数据、信息或知识的数据可视化，必须要有一个清楚准确的解释或表达甚为复杂且大量的信息。

代表人物是新闻界的David McCandless（大卫. 麦克坎德雷斯），曾为《英国卫报》、《连线》、《独立报》等刊物撰稿。常以简洁精美的图像展现复杂抽象资讯，并将不同的数据组合，展现其中的联系。他在TED上曾讲过：

可视化并不局限于数字，概念也同样适用，比如政治倾向图谱。我试图将各种政治倾向融入到图表中，并展示其如何从政府渗透到社会、文化中，对家庭和个人产生影响，继而又反过来影响政治。

信息图的制作：

利用PPT自带的图表，可以制作简洁直观的数据图表，但附上人文花鸟就需要美工设计；

PS+AI+icon，前期规划好表达思路、展示内容、所需素材，之后便大刀阔斧动工组件了。图表的细节，如柱状图的长短依据数据大概等比例量一下。

这一类对数据的维度数量要求都不高，运用的大多是结果数据，侧重点也在于展示。

数据可视化第二层：实际数据应用

应用类的数据可视化正如上面所说的，将一堆几百到即使几百万不等的数据展示、分析。对于企业，因为这些数据本身是自己生产经营过程中产生的，能反映历史的状况，总结发展之道，对目前的问题或者未来下一步的决策起到辅助作用。

这样的工具excel能解决，报表工具能解决，BI也能解决，具体细化到什么样的场景不是这里的重点，大家可以在下面评论交流。

通常的制作流程是：导入数据（excel）/连接数据库（本地/服务器）——选择图表（组合）——设定分析维度——美化展示。

数据可视化第三层：据挖掘、数据连接、关系传递

这个可以理解为从海量数据中挖掘关系。

大致思路：原始数据经过一连串收集、提取、清洗、整理等预处理过程，形成高质量的数据。然后按照需要对数据贴标签分类或者预测，如果要从大量复杂的数据中提取有价值且不易发现的信息还要数据建模。（细节可能各有不同）

比较适用的是一写高级的数据分析挖掘工具以及开源图表控件，如R，如D3。

用R做可视化，比较容易做出漂亮的可视化图表，推荐书籍R Graphics Cookbook，书中有150多个recipes，足够应付大多类型的数据。

D3做图可以定制，美观图图表的丰富性秒杀大多图表控件，但要求的水平有一丢丢高。

最后，再次引用David McCandless的话“炫酷的可视化对于把思想传递给大众又是至关重要的”，切勿一味追求美感，本末倒置。