1. 數據可視化常用的五種方式及案例分析
概念藉助於圖形化的手段，清晰、快捷有效的傳達與溝通信息。從用戶的角度，數據可視化可以讓用戶快速抓住要點信息，讓關鍵的數據點從人類的眼睛快速通往心靈深處。 數據可視化一般會具備以下幾個特點：准確性、創新性 和 簡潔性。
常用五種可視化方法
下面從最常用和實用的維度總結了如下5種數據可視化方法，讓我們來一一看一下：
一、面積&尺寸可視化對同一類圖形（例如柱狀、圓環和蜘蛛圖等）的長度、高度或面積加以區別，來清晰的表達不同指標對應的指標值之間的對比。
這種方法會讓瀏覽者對數據及其之間的對比一目瞭然。製作這類數據可視化圖形時，要用數學公式計算，來表達准確的尺度和比例。
a: 天貓的店鋪動態評分天貓店鋪動態評分模塊右側的條狀圖按精確的比例清晰的表達了不同評分用戶的佔比。從下圖中我們第一眼就可以強烈的感知到5分動態評分的用戶占絕對的比例。
b: 聯邦預算圖如下圖，在美國聯邦預算剖面圖里，用不同高度的貨幣流清晰的表達了資金的來源去向，及每一項所佔金額的比重。
c: 公司黃頁-企業能力模型蜘蛛圖如下圖，通過蜘蛛圖的表現，公司綜合實力與同行平均水平的對比便一目瞭然。
二、顏色可視化
通過顏色的深淺來表達指標值的強弱和大小，是數據可視化設計的常用方法，用戶一眼看上去便可整體的看出哪一部分指標的數據值更突出。a: 點擊頻次熱力圖比如下面這張眼球熱力圖，通過顏色的差異，我們可以直觀的看到用戶的關注點。
b: 2013年美國失業率統計在圖中可以看到，通過對美國地圖以州為單位的劃分，用不同的顏色來代表不同的失業率等級范圍，整個的全美失業率狀況便盡收眼底了。
c: 美國手機用戶城市分布圖中紅點是用iPhone的人，綠點是用安卓的人。這兩張在微博上看到的圖，第一張是美國一個城市的一覽，第二張圖特寫了紐約的市中心，尤其是曼哈頓地區。我們可以看到在市中心和主幹道的人用iPhone居多，而用安卓的人都在郊區。這也引起了人們的熱議，有的說在美國富人都住郊區別墅，所以富人愛用安卓手機；有的反駁說曼哈頓地區的人幾乎都用iPhone，說明富人喜歡用iPhone手機。不管結論如何，都足以說明用戶都被這些圖所吸引，所以可視化的方式效果真的很直觀。
註：科學家統計了2年裡30億條含有地理數據的twitter推文，根據客戶端總結出來的數據。
三、圖形可視化在我們設計指標及數據時，使用有對應實際含義的圖形來結合呈現，會使數據圖表更加生動的被展現，更便於用戶理解圖表要表達的主題。
Examples:
a: iOS手機及平板分布如下圖所示，當展示使用不同類型的手機和平板用戶佔比時，直接用總的蘋果圖形為背景來劃分用戶比例，讓用戶第一眼就可以直觀的看到這些圖是在描述蘋果設備的，直觀而清晰。
b: 人人網用戶的網購調查下圖可以看出，該數據可視化的設計直接採用男性和女性的圖形，這樣的設計讓分類一目瞭然。再結合了顏色可視化（左面藍色右麵粉色），同時也採用了面積&尺寸可視化，不同的比例用不同長度的條形。這些可視化方法的組合使用，大大加強了數據的可理解性。
四、地域空間可視化當指標數據要表達的主題跟地域有關聯時，我們一般會選擇用地圖為大背景。
這樣用戶可以直觀的了解整體的數據情況，同時也可以根據地理位置快速的定位到某一地區來查看詳細數據。
a: 美國最好喝啤酒的產地分布下圖中，通過以美國地圖為大背景，清晰的記錄了不同州所產啤酒在1987-2007年間在美國啤酒節中獲得的獎牌累計總數。再輔以顏色可視化的方法，讓用戶清晰的看到美國哪些州更盛產好喝的啤酒。
五、概念可視化通過將抽象的指標數據轉換成我們熟悉的容易感知的數據時，用戶便更容易理解圖形要表達的意義。
a: 廁所貼士下圖是廁所里貼在牆上的節省紙張的環保貼士，用了概念轉換的方法，讓用戶清晰的感受到員工們一年的用紙量之多。
如果只是描述擦手紙的量及堆積可達高度，我們還沒有什麼顯性化概念。但當用戶看到用紙的堆積高度比世界最高建築還高、同時需砍伐500多顆樹時，想必用戶的節省紙張甚至禁用紙張的情懷便油然而生了。所以可見用概念轉換的方法是多麼的重要和有效。
b: Flickr雲存儲空間達1TB的可視化描述Flickr對雲存儲空間升至1TB確實是讓人開心的事情，但相信很多人對這一數量級所代表的含義並不清晰。
所以Flickr在宣傳這一新的升級產品時，採用了概念可視化的方案。從下圖可以看出，用戶可以動態的選擇照片的大小，之後Flickr會採用動態交互的方式計算和顯示出1TB能容納多少張對應大小的圖片。這樣一來，用戶便有了清晰的概念，知道這1TB是什麼量級的容量了。
注意事項在總結了常見維度的數據可視化方法和範例之後，要再次總體強調下做數據可視化設計時的注意事項，總結了三點如下：
1）設計的方案至少適用於兩個層次：一是能夠整體展示大的圖形輪廓，讓用戶能夠快速的了解圖表所要表達的整體概念；之後再以合適的方式對局部的詳細數據加以呈現（如滑鼠hover展示）。
2）做數據可視化時，上述的五個方法經常是混合用的，尤其是做一些復雜圖形和多維度數據的展示時。
3）做出的可視化圖表一定要易於理解，在顯性化的基礎上越美觀越好，切忌華而不實。
總結：作為設計師，除了掌握方法來有針對性的設計之外，還要在平時多留心積累素材，同時培養自己的創造力和專業素養，保持一顆好奇心，才能真正的設計出樣式精美又實用的數據可視化圖表。
2. 常見的數據可視化方法有哪些
1、時態
時態可視化是數據以線性的方式展示。最為關鍵的是時態數據可視化有一個起點和一個終點。時態可視化的一個例子可以是連接的散點圖，顯示諸如某些區域的溫度信息。
2、多維
可以通過使用常用的多維方法來展示目前二維或高維度的數據。多維的展示使得效果更加多元化，滿足企業的需求。
3、分層
分層方法用於呈現多組數據。這些數據可視化通常展示的是大群體裡面的小群體。分層數據可視化的例子包括一個樹形圖，可以顯示語言組。
4、網路
在網路中展示數據間的關系，它是一種常見的展示大數據量的方法，結構較為復雜。
3. 大數據 分類型數據可視化方法研究報告
大數據：分類型數據可視化方法研究報告
數據可視化可以將海量數據通過圖形、表格等形式直觀反映給大眾。降低數據讀取門檻，可以讓企業通過形象化方式對自身產品進行營銷。
一、數據可視化原理
數據化可視原理是綜合運用計算機圖形學、圖像、人機交互等技術，將採集或模擬的數據映射為可識別的圖形、圖像、視頻或者動畫，並允許用戶對數據進行交互分析的理論方法和技術。
數據可視化可以將不可見的現象轉換為可見的圖形符號，並從中發現規律從而獲取知識。在實際應用中，它可以針對復雜和大規模的數據，還原增強數據中的全局結構和具體細節。
二、 可視化方法
1. 數據採集：數據是可視化對象，可以通過儀器采樣，調查記錄、模擬計算等方式採集。在可視化解決方案中，了解數據來源採集方法和數據屬性，才能有的放矢解決問題。
2. 數據處理和變換：原始數據含有噪音和誤差同時數據模式和特徵往往被隱藏。通過去噪、數據清洗、提取特徵等變換為用戶可理解模式。
3. 可視化映射(核心)：將數據的數值、空間坐標、不同位置數據間的聯系等映射為可視化視覺通道的不同元素如標記、位置、形狀、大小和顏色等。最終讓用戶通過可視化洞察數據和數據背後隱含的現象和規律。
4. 用戶感知：用戶感知從數據可視化結果中提取信息、知識和靈感。數據可視化可用於從數據中探索新的假設，也可嚴重相關假設與數據是否吻合，還可幫助專家向公眾展示數據中的信息。
用戶感知可以在任何時期反作用於數據的採集、處理變換以及映射過程中，如下圖所示：
三、具體操作
1. 將指標值圖形化
一個指標值就是一個數據，將數據的大小以圖形的方式表現。比如用柱形圖的長度或高度表現數據大小，這也是最常用的可視化形式。
傳統的柱形圖、餅圖有可能會帶來審美疲勞，可嘗試從圖形的視覺樣式上進行一些創新，常用的方法就是將圖形與指標的含義關聯起來。
比如 Google Zeitgeist 在展現 top10 的搜索詞時，展示的就是「搜索」形狀的柱形，圖形與指標的含義相吻合，同時也做了立體的視覺變化：
2. 將指標圖形化
一般用在與指標含義相近的 icon 來表現，使用場景也比較多，如下：
3. 將指標關系圖形化
當存在多個指標時，為了挖掘指標之間的關系並將其進行圖形化表達，可提升圖表的可視化深度。常見有以下兩種方式：
藉助已有的場景來表現
聯想自然或社會中有無場景與指標關系類似，然後藉助此場景來表現。
比如網路統計流量研究院操作系統的分布(上圖)，首先分為 windows、mac 還有其他操作系統， windows 又包含 xp、2003、7等多種子系統。
宇宙星系中也有類似的關系：宇宙中有很多星系，我們最為熟悉的是太陽系，太陽系中又包括各個行星。根據這種關系聯想，圖表整體借用宇宙星系的場景，將熟知的Windows比喻成太陽系，將XP、Window7等系統比喻成太陽系中的行星，將Mac和其他系統比喻成其他星系。
構建場景來表現
指標之間往往具有一些關聯特徵，如從簡單到復雜、從低級到高級、從前到後等等。如無法找到已存在的對應場景，也可構建場景。
比如網路統計流量研究院中的學歷分布：指標分別是小學、初中、高中、本科等等。
各個類目之間是一種階梯式的關系，因此，平台就設計了一個階梯式的圖直觀的反映出了數據呈階梯式遞進的趨勢。
再比如：支付寶年初出的個人年度賬單中，在描述付款最多的三項時設計了一個類似頒獎台的樣式也很出彩：(然而並沒有覺得我在哪個類目買買買付款最多有什麼驕傲的)
下方圖示為供參考的線性化過程，實際可視化思考中，將哪類元素進行圖形化或者圖形化前後的順序可能均有不同，需根據具體情況處理。
4. 將時間和空間可視化
時間
通過時間的維度來查看指標值的變化情況，一般通過增加時間軸的形式，也就是常見的趨勢圖。
空間
當圖表存在地域信息並且需要突出表現的時候，可用地圖將空間可視化，地圖作為主背景呈現所有信息點。
Google Zeitgeist 在 2010 和 2012 年的年度熱門回顧中，都是以地圖為主要載體(同時也結合了時間)，來呈現熱門事件：
5. 將數據進行概念轉換
先看下生活中的概念轉換，當我們需要喝水時，通常會說給我來杯水而不是給我來500ml 的水。要注意來(一)杯水，是具象的，並不是用量化的數據來形容。在這里，500ml就是一個具體的數據，但是它難以被感知，所以用(一)杯的概念來轉換。
同樣在數據可視化，有時需要對數據進行概念轉換。這是為了加深用戶對數據的感知，常用方法有對比和比喻。感知就是一個將數據由抽象轉化為具象的過程。
對比
比如下圖就是一個介紹中國煙民數量的圖表。如果只看左半部分中國煙民的數量：32000000(個十百千萬十萬百萬千萬億…)好吧數據量級很大，不論是數零還是數逗號都很容易數錯，而且具體這個數字有多大仍然很難感知。讓我們目光向右移動，來看右半部分：中國煙民數量超過了美國人口總和，太恐怖了。這樣一對比，對數據的感知就加深了。
比喻
下圖是一個介紹雅虎郵箱處理數據量大小的圖表，大概就是說它每小時處理的電子郵件有近1.2TB，相當於644245094 張列印的紙。
上面這個翻譯很無聊是不是，但這並不是問題的重點，這個數它到底有多大呢?文案中用了一個比喻的手法：大意就是將這些郵件列印出來首尾相連可以繞地球4圈。嗯，比香飄飄奶瓶還多3圈。到這里，我相信大家肯定能初步感受到雅虎郵箱每天處理的數據量有多大了吧，而且還沒有被列印出來，為地球節省了很多紙(假裝環保)。
6.讓圖表「動」起來
數據圖形化完成後，可結合實際情況，將其變為動態化和可操控性的圖表，用戶在操控過程中能更好地感知數據的變化過程，提升體驗。
實現動態化通常以下兩種方式： 交互和動畫。
交互
交互包括滑鼠浮動、點擊、多圖表時的聯動響應等等。下面是網路統計流量研究院的時間分布圖，該分布圖採用左圖右表的聯動形式，左圖中滑鼠浮動則顯示對應數據，點擊則可以切換選擇：
動畫
動畫包括入場動畫、交互過程的動畫和播放動畫等等。
入場動畫：即在頁面載入後，給圖表一個「生長」的過程，取代「數據載入中」這樣的提示文字。
交互動畫：用戶發生交互行為後，通過動畫形式給以及時反饋。
播放動畫：通俗的來說就是提供播放功能，讓用戶能夠完整看到數據隨時間變化的過程。下圖是 Gapminder 在描述多維數據時，提供隨時間播放的功能，可以直觀感受到所有數據的變化。
4. 鍙瑙嗗寲sp娉曟槸浠涔堟剰鎬
鍙瑙嗗寲SP娉曟槸涓縐嶇敤浜庢暟鎹鍒嗘瀽鍜屽彲瑙嗗寲鐨勬妧鏈鏂規硶錛屽畠鍙浠ュ府鍔╃敤鎴峰彲瑙嗗寲銆佺悊瑙ｅ拰鍒嗘瀽鏁版嵁銆係P鏄鈥淪treamline-Based-Power娉曗濓紙鍩轟簬嫻佺嚎鐨勫己搴﹀彲瑙嗗寲鏂規硶錛夌殑緙╁啓錛岃ユ柟娉曚富瑕佺敤浜庡彲瑙嗗寲嫻佷綋鍜屾皵浣撶殑寮哄害銆侀熷害絳変俊鎮銆傝繖縐嶆妧鏈鍙浠ュ湪涓夌淮絀洪棿涓鏋勫緩嫻佺嚎錛屽苟閫氳繃棰滆壊銆佺汗鐞嗙瓑琛ㄨ揪鏁版嵁淇℃伅錛岃╃敤鎴鋒洿鐩磋傚湴浜嗚В鏁版嵁鐨勬湰璐ㄣ
鍙瑙嗗寲SP娉曡騫挎硾搴旂敤浜庡悇涓棰嗗煙錛屽傚伐紼嬨佹皵璞°佸尰瀛︺佸湴璐ㄧ瓑錛岀敤浜庡彲瑙嗗寲鍜屽垎鏋愭祦浣撶殑妯℃嫙鏁版嵁銆備緥濡傦紝宸ョ▼棰嗗煙涓錛屽彲瑙嗗寲SP娉曞彲浠ュ府鍔╁伐紼嬪笀瑙傚療姘存祦鎴栨皵嫻佸湪綆￠亾銆佹車絳夎懼囧唴閮ㄧ殑嫻佸姩鐘跺喌錛屽苟浼樺寲緋葷粺璁捐°傚湪鍖誨﹂嗗煙錛岃ユ妧鏈鍙浠ョ敤浜庡彲瑙嗗寲蹇冭剰銆佽綆＄瓑鍣ㄥ畼鐨勬祦鍔ㄦ儏鍐碉紝甯鍔╁尰鐢熻繘琛岃瘖鏂鍜屾不鐤楄″垝鐨勫埗瀹氥
闅忕潃鏁版嵁閲忕殑涓嶆柇澧為暱鍜屼漢浠瀵逛簬鏁版嵁鍒嗘瀽鐨勯渶奼備笉鏂鎻愰珮錛屽彲瑙嗗寲SP娉曚篃灝嗕笉鏂鍙戝睍鍜屽畬鍠勩傛湭鏉ョ殑鍙瑙嗗寲SP鎶鏈灝嗘洿鍔犳敞閲嶆暟鎹鐨勫彲瑙嗗寲鏁堟灉鍜岀敤鎴蜂氦浜掓э紝鍚屾椂涔熷皢鏇村姞鏅鴻兘鍖栥佽嚜閫傚簲鍖栵紝鑳藉熸洿濂藉湴婊¤凍鐢ㄦ埛鐨勯渶奼傘傚悓鏃訛紝璇ユ妧鏈涔熷皢涓庝漢宸ユ櫤鑳姐佽櫄鎷熺幇瀹炵瓑鎶鏈緇撳悎錛屼負鐢ㄦ埛甯︽潵鏇村姞涓板瘜鐨勬暟鎹浣撻獙銆