让可视化设计更清晰的方法有哪些

Ⅰ 如何将数据进行数据可视化展现

1、确认需求

在数据可视化设计前，分析人员要先完成业务需求的分析，将分析需求拆分成不同层级、不同主题的任务，捕捉其中业务的数据指标、标签，划分出不同优先级，为下一步取数做准备。

数据可视化-派可数据商业智能BI

此外，整个可视化图表页面中，色彩不宜太过丰富，颜色最好也不要太过鲜艳，把色彩对比强烈的颜色放到关键信息，用清晰的逻辑去呈现变化，突出重点部分，使用户产生更好地体验，这才是他们最希望看到的。

最后，回到数据分析本身，分析人员可以选择为制作完成的可视化图表附上自己从业务逻辑思考的信息，帮助用户更好地分辨图表展现的意义。

派可数据 商业智能BI可视化分析平台

Ⅱ 如何语言清晰的搭建数据可视化系统

图表设计

1. 图表基本类型

六种基本图表涵盖了大部分图表使用场景，也是做数据可视化最常用的图表类型：

• 柱状图 分类照片照片什么照片什么什么项目之间的比较

• 饼图 构成即部分占总体的比例

• 折线图 随时间变化的趋势

• 条形图 分类照片照片什么照片什么什么项目之间的比较

• 散点图 相关性或分布关系

• 地图 区域之间的分类照片照片什么照片什么什么比较

基本图表类型都有通用的样式，不过多的展开讲解我们更多的考虑如何选择常用图表来呈现数据，达到数据可视化的目标基本方法：



△ 扶贫项目

3. 动效设计

目前越来越多的可视化展示的数据都是实时的，所以动效在可视化项目中的应用越来越广泛，动效设计肩负着承载更多信息和丰富画面效果的重要作用。

a.信息承载

在可视化设计中经常遇到，非常多的数据信息需要展示在一个大屏幕上。遇到这种情况，需要对信息进行合并整理或通过动画的方式，在有限的屏幕空间里承载更多的信息，使信息更加聚合，同时使信息展示更加清晰，突出重点。

b.画面效果

增加细节及空间感，背景动效使画面更加丰富。单个图表的出场动画，使画面平衡而流畅。减少了图表在出现或数据变化时的生硬刻板。

数据可视化动画在设计上重要的原则是恰当的展示数据。动画要尽量的简单，复杂的动画会导致用户对数据的理解错。动画要使用户可预期，可使用多次重复动画，让用户看到动画从哪里开始到哪里停止。

Ⅲ 如何设计成功而有价值的数据可视化

[what]什么是数据可视化？

塔夫特所说，“图形表现数据。实际上比传统的统计分析法更加精确和有启发性。”对于广大的编辑、设计师、运营分析师、大数据研究者等等都需要从不同维度、不同层面、不同粒度的数据处理统计中，借助图表和信息图的方式为用户（只获得信息）、阅读者（消费信息）及管理者（利用信息进行管理和决策）呈现不同于表格式的分析结果。数据可视化技术综合运用计算机图形学、图像、人机交互等，将采集、清洗、转换、处理过的符合标准和规范的数据映射为可识别的图形、图像、动画甚至视频，并允许用户与数据可视化进行交互和分析。而任何形式的数据可视化都会由丰富的内容、引人注意的视觉效果、精细的制作三个要素组成，概括起来就是新颖而有趣、充实而高效、美感且悦目三个特征。

[why]为什么要进行数据可视化？

无论是哪种职业和应用场景，数据可视化都有一个共同的目的，那就是准确而高效、精简而全面地传递信息和知识。可视化能将不可见的数据现象转化为可见的图形符号，能将错综复杂、看起来没法解释和关联的数据，建立起联系和关联，发现规律和特征，获得更有商业价值的洞见和价值。并且利用合适的图表直截了当且清晰而直观地表达出来，实现数据自我解释、让数据说话的目的。而人类右脑记忆图像的速度比左脑记忆抽象的文字快100万倍。因此，数据可视化能够加深和强化受众对于数据的理解和记忆。

[how] 如何实现可靠的数据可视化

数据可视化包括数据的采集、分析、治理、管理、挖掘在内的一系列复杂数据处理，然后由设计师设计一种表现形式，或许是二维图表、三维立体视图，不管是什么样的信息图，最后由前端工程师创建对应的可视化算法及前端渲染和展现的实现。如果仅仅是能够将数据转化成漂亮的图表，设计出固定维度、不同式样的图表来解释你的观点，并不说明这样的结局就足够好。这只是一个简单的开始，只是一个美好愿望的萌芽。如果要成功报告结果，将你所分析的度量和数据有效地转化为有商业价值的见解，使其能够为基于事实所做的决策提供支持，那么还需要做更多的功课。

色彩提升信息可视化的视觉效果。在信息可视化通过造型元素明确传达信息及叙述的基础上，把握好视觉元素中色彩的运用，使图形变得更加生动、有趣，信息表达得更加准确和直观。色彩可以帮助人们对信息进行深入分类，强调和淡化、生动而有趣的可视化作品的表现形式，常常给受众带来视觉效果上的享受。当然，视觉效果要将企业品牌的色调融合进去，和企业的品牌文化保持高度的一致，这是一个最基本的常识。比如，如果企业的品牌色调比较热衷红色，你设计的可视化效果，就要有意识地朝着这个基调靠拢。但没有必要吻合，因为红色的可视化效果，通常都包含警示的韵味，所以，红色适合做预警、提醒和突出信息的功能。

排版布局增强信息可视化的叙事性。我有酒，你有故事吗？排版布局四大基本原则：

（1）对比（Contrast）： 如果两个项不完全相同，就应当使之不同，而且应当是截然不同。

（2）重复（Repetition）：设计的某些方面在整个作品中重复。

（3）对齐（Alignment）：任何元素都不能在页面上随意安放。每一项都应当与页面上的某个内容存在某种视觉联系。

（4）亲密性（Proximity）：将相关的项组织在一起，使它们的物理位置相互靠近相关的项将被看作凝聚为一体的一个组。

动态增加信息可视化的视觉体验。在信息可视化的视觉表达中，动态地将相互分离的各种信息传播形式有机地融合在一起，进行有关联、有节奏的信息处理、传输和实现。最终的目的是，为了实现数据之间的联动，解释数据表现之间驱动和联系的关系。通过图表样式和色彩的运动，满足受众的视觉感受，同时将信息内容更加深刻而精简地传达给阅读者，使整个信息传达的过程更加轻松便捷。对于数据可视化有诸多工具，如：ECharts、iCharts、D3js、Flot、Raphaël等功能都十分强大，但对于非专业可视化而又经常与图表打交道的职场人士来说，一款轻便易学而又实用的可视化软件则显得十分重要。比如cognos、tebleue等。如果需要展现的数据结构不是特别复杂，而又要把数据展现的绚丽多彩，而且具有交互性，那么水晶易表是不二之选。

1．谁是你的阅读者？

无论你是否在做一份传统的报表还是新式的信息图，首先问问自己有哪些阅读者看到这份报告？他们对将要讨论的事项了解多少？他们需要什么？、还有，他们会如何利用你要展示的信息和数据呢？而我在 《一份靠谱的数据分析报告都有什么套路？》 里讲过，明确清晰的分析目标和方法会有多重要，因为只有明确分析目标，才能有一个良好的驱动过程。无论是目标驱动还是分析过程驱动，后续的数据分析工作和分析报告里所要呈现的全部内容事项都是紧紧围绕着这个目标主题而服务的。

2．规划数据可视化方案

数据可视化方案，是一定是能够解决用户特定问题的。既然是能够解决用户特定的问题，那么这样的高度，是在基于你在深入地理解了这些数据的现象和本质的基础之上。简单来说，就是你的可视化方案，不仅懂得并且能够很好地解释数据分析的结论、信息和知识。并且管理者能够沿着你规划的可视化路径能够迅速地找到和发现决策之道。

举例来说，当企业的业绩不达标时（企业的业绩是否达标，关系到企业最关键的利益和存亡。）可视化方案的设计路径应该是这样的：

Step1，从整体运营出发，明确有哪些关键因素会影响成交和业绩。

比如：有效名单、demo品质、客服服务、产品属性等，相应地去看这些关键因素对应的KPI的表现，对整体的业绩来讲，这些因素都会是驱动因素，这些因素对应的KPI都会是对STV有直接驱动和影响作用的。这些驱动数据的可视化是基础，也是寻找解决方案最终的出发点和落脚点。因为，这些数据的表现，是关乎运营成功与否的最直接视图。

Step2，对关键因素深入分析确定是什么因素导致了业绩没达成，发现和挖掘导致业绩未达标的根本原因和问题。

比如：

1、对比分析，逐一观测201601月-201612月全部关键因素对应的KPI的表现，对比成交业绩最高的月份和成交业绩最差月份的关键因素对应的KPI差异在哪里，能够快速定位出哪些方面、哪些因素导致业绩未达标。然后能够有针对性地驱动和帮助业务部门去改善。

2、追踪对成交和业绩有驱动和改善的行动方案的落地和实施进度，存在什么样的问题，是否存在行动方案的执行不力影响了业绩达标。

Step3，针对这些问题因素，有的放矢地去做改善和探索提升业绩之道。

否则，设计再商业绚丽的可视化图表，如果不能快速地得到信息和商业决策建议和方案就毫无意义。可视化仅仅成了虚假和欺骗，华丽而不务实的结果。基于准备好的全部的这些问题所得出的答案，就要开始定制你的数据可视化方案以满足每个决策者的特定要求。数据可视化始终都应该是为其受众专门定制的，这样的报告里只应包括受众需要知道的信息，且应将这些信息置于和他们有关并对他们有意义的背景下。

3．给数据可视化一个清晰的标题。

当你的报告像一份报纸、杂志的新闻一样。从这个标题，就能给阅读者强烈的冲击。一个清晰的标题是能够很好地阐释报告和故事的主题，是对整个报告和故事概括的信息。当然，并不是鼓励运营分析人员去做“标题党”。好的标题，既不要模棱两可，也不要画蛇添足，只要解释清楚图表即可。这有助于帮受众直接进入主题。这样能让读者大致浏览文件，并能快速抓住核心所在。尽量让你的标题突出。

4．将数据可视化和你的策略、方案联系起来

如果数据可视化的目的在于介绍能解决具体的、可衡量的、可执行的、有相关性和时效性问题的数据，那就在开场白里加上这些问题。稍后再和你的策略连接起来以理清这些数据的定位，因此，读者便能立刻明白可视化数据的相关性和价值。最终，他们便能更好地参与进来，并能够更明智地利用这些信息。数据可视化，最终时为了企业良好的运营而服务的，这是它的商业价值。如果你不关注企业的战略和行动方案，很难建立起具有联动价值的信息图。比如，企业执行的行动方案，通常是为了达成和实现企业的战略目标，通过这样的手段实现精益管理和精益运营。所以，可视化的解决方案要能够做到，行动方案对战略目标的驱动效果、个体、团队对部门整体指标、KPI的驱动和影响效果。只有建立起来具有联系的信息视图，才会获得有价值的数据可视化。

5．明智地选择你的展示图表。

不管使用哪一类图表，bar图、折线图、雷达图等等，每一种图表都有它自身的优点和局限性。你无法找到完美的可视化图表。但你可以通过尝试混合展现方式让可视化表现再人性化一点点。所以的可视化效果，都应该尽可能简单精准地传达讯息。这就意味着：不论有多新潮、多好看或者多绚丽，这都不是设计数据可视化的初衷。诚然，我们在持续地并且永不满足地追求数据之美。但最佳的平衡点在于，用合适的数据可视化开阐释恰到好处的信息和知识的价值之美。

• 只用有关联能传达重要信息的且为你的受众所需要的图形。

•无需填满页面的所有空白——太多杂乱的内容只会干扰对重要信息的接收，会让人太难记住，又太容易忽略。

• 恰当运用色彩，增加信息深度。同时要注意有些色彩具备潜在含义。举例来说，红色被认为是代表警告或危险的颜色。适合预警额。

• 不要使用太多不同类的图表、表格和图形。如果需要对比各种图表，要确保你阐述数据时使用的是同类的图表，这样才能便于互相比较。

6．在恰当处备注文字说明

文字说明有助于用语言解释数据，并能在情境化图表的同时增加内容的深度。数字和表格或许仅能提供快照，而文字说明则让人对关键处了解更多，加以评论并强调其内涵。引导观看者去思考图形的主题，而不是方法论、图形设计、图形生成或其他东西。

• 避免歪曲数据原本的意图。

• 让庞大的数据集连贯一致。

• 吸引读者将不同的数据片段进行比对和比较，突出重点和优劣。

• 主旨要相当明确：描述、挖掘、作表、可视化自我解读。

Ⅳ 可视化设计的5个步骤

如您所见， 信息可视化  可以产生令人难以置信的美丽图像，高效的传达信息。下面的图像是现已解散的安然集团的通信组织图。

作者/版权所有者：Kitware Inc.版权条款和许可：CC BY-ND 2.0

        Ben Shneiderman说： “可视化的目的是洞察力，而不是图片。”

        那么，可视化是否有设计诀窍呢？Riccardo Mazza在他的书“Introction to Information Visualization”中，为我们提供了一种信息可视化的5步设计法，我们一起来看看吧。

整个设计过程很简单，一旦你审查了这个过程，它应该是常识：

1、定义问题

2、定义要表示的数据

3、定义表示数据所需的维度

4、定义数据的结构

5、定义可视化所需的交互

1.定义问题

与任何用户体验工作一样; 第一步是定义信息可视化将解决的问题。这通常需要一些 用户研究  来回答问题; “我的用户需要什么呢？”、“他们将如何使用它？”

您可能正试图向用户解释某些内容，或者您可能正试图让他们建立新的联系或观察;为了将问题定义清楚，您还应考虑用户群特有的任何特定因素，比如：他们的教育水平或数据处理能力如何？他们过去的数据有什么样的经验？这将指导输出的复杂程度，并阐明用户的整体需求。

2.定义要表示的数据

有三种主要类型的数据可以通过信息可视化来表示，它们的映射方式可能会有很大差异- 因此，在开始设计之前，在您的脑海中清楚地了解数据，您将使用哪些数据？

1、 定量数据  - 这是数值类的数据。

2、 有 序数据  - 非数值的，但具有内在顺序的 数据 。（例如，想想一周中的几天。）

3、 分类数据  - 既没有数字也没有内在顺序的数据。（例如商业名称或地名）。

3.定义表示数据所需的维度

必须仔细考虑数据集的维度或属性的数量，因为它将在很大程度上确定哪些数据可用于进行信息可视化。数据中表示的维度越多- 理解信息可视化就越混乱。因此值得注意的是，具有大量维度的数据可能更适合使用高度交互式表示，不适合静态图形展示。可以根据要研究的相关维度的数量将分析分成四种类型：

1、 单变量分析  - 针对自变量研究单个因变量

2、双变量 分析  - 其中两个因变量针对自变量进行研究

3、三变量 分析  - 其中三个因变量针对自变量进行研究

4、 多变量分析  - 针对自变量研究三个以上的因变量

 

作者/版权所有者：Chire。版权条款和许可：CC BY-SA 3.0

多变量分析的图像，其中数据点之间的关系很多且相关。

4.定义数据的结构

这是关于检查数据集如何相互关联的全部内容，常见的关系结构包括：

1、 线性关系  - 数据可以以线性格式显示，例如表格，向量等。

2、 时间关系  - 数据随着时间的推移而变化

3、 空间关系  - 与现实世界相关的数据（例如地图数据或办公室平面图）这有时也被称为地理关系

4、 分层关系  - 与定义的层次结构中的位置 相关的 数据（从办公室管理结构到简单的流程图）

5、 网络关系  - 数据与同一数据中的其他实体相关

   

作者/版权所有者：Nathanael Crawford。版权条款和许可：CC BY-SA 3.0

以上示出了分层网络模型的示例。

5.从可视化中定义所需的交互

设计过程的最后一部分要求您了解用户信息可视化所需的交互级别。有三类互动：

1、 静态模型  - 这些模型按“原样”显示，例如您保存在汽车中的道路地图集中的地图。用户无法修改它们。

2、 可转换模型  - 这些模型使用户能够转换或修改数据。它们可以允许用户改变用于分析的参数或者为数据集选择不同形式的 视觉映射 。

3、 可操作模型  - 数据有时候是高度关联的，通过操作部分数据图形，可以获得关联数据的变化，从而产生新的见解是一种常见的互操作方法。例如：我们可以通过DataFocus快捷创建图形的联动操作。

作者/版权所有者：DataFocus  版权条款和许可：CC BY-SA 3.0

  小贴士： 设计信息可视化的过程可能与您的最终输出并不直接相关，但可以使您更加明智地决定何种表示形式最适合您的用户。通过充分了解用户的需求，以及他们需要展示的数据、数据中的关系和模型类型，信息可视化设计师可以提供充分满足这些需求的可视化作品。

Ⅳ 数据可视化的方法有哪些

数据可视化就是将数据分析的结果用图表的形式展现出来。

可以实现数据可视化的工具有：Excel、报表、BI

图表的展现形式有：柱状图、条形图、折线图、饼图、雷达图、地图、漏斗图、仪表板图、散点图、桑基图、词云和矩形树图等各种各种图形。

以下展示几张通过观远数据BI平台做的数据可视化大屏：

Ⅵ 数据可视化6步法

数据可视化6步法

在当前互联网，各种数据可视化图表层出不穷，本文尝试对数据可视化的方法进行归纳，整理成6步法。
一般的数据图表都可以拆分成最基本的两类元素: 所描述的事物及这个事物的数值，我们暂且将其分别定义为指标和指标值。比如一个性别分布中，男性占比30%，女性占比70%，那么指标就是男性、女性，指标值对应为30%、70%。
1. 将指标值图形化
一个指标值就是一个数据，将数据的大小以图形的方式表现。比如用柱形图的长度或高度表现数据大小，这也是最常用的可视化形式。
传统的柱形图、饼图有可能会带来审美疲劳，可尝试从图形的视觉样式上进行一些创新，常用的方法就是将图形与指标的含义关联起来。
比如Google Zeitgeist在展现top10的搜索词时，展示的就是“搜索”形状的柱形，图形与指标的含义相吻合，同时也做了立体的视觉变化：

2. 将指标图形化
一般用与指标含义相近的icon来表现，使用场景也比较多，如下：

3.将指标关系图形化
当存在多个指标时，挖掘指标之间的关系，并将其图形化表达，可提升图表的可视化深度。常见有以下两种方式：
借助已有的场景来表现
联想自然或社会中有无场景与指标关系类似，然后借助此场景来表现。
比如网络统计流量研究院操作系统的分布，首先分为windows、mac还有其他操作系统，windows又包含xp、2003等多种子系统。
根据这种关系联想，发现宇宙星系中也有类似的关系： 宇宙中有很多星系，我们最为熟悉的是太阳系，太阳系中又包括各个行星， 因此整体借用宇宙星系的场景，将熟知的windows比喻成太阳系，将xp、window7等比喻成太阳系中的行星，将mac和其他系统比喻成其他星系，表现如下：

构建场景来表现
指标之间往往具有一些关联特征，如从简单到复杂、从低级到高级、从前到后等等。如无法找到已存在的对应场景，也可构建场景。
比如网络统计流量研究院中的学历分布，指标分别是小学、初中、高中、本科等等，它们之间是一种越爬越高，从低等级到高等级的关系，那么，这种关系可以通过构建一个台阶去表现，如下：

支付宝新出的个人年度账单中，在描述付款最多的三项时，构建了一个领奖台的形式：

小结：
根据之前3步，可将指标、指标值和指标关系分别进行图形化处理。
以最简单的性别分布为例，可以得到一个线性的可视化过程，如下：

以上图示为供参考的线性化过程，实际可视化思考中，将哪类元素进行图形化或者图形化前后的顺序可能均有不同，需根据具体情况处理。
4. 将时间和空间可视化时间
通过时间的维度来查看指标值的变化情况，一般通过增加时间轴的形式，也就是常见的趋势图。
空间
当图表存在地域信息并且需要突出表现的时候，可用地图将空间可视化，地图作为主背景呈现所有信息点。
Google Zeitgeist在2010和2012年的年度热门回顾中，都是以地图为主要载体（同时也结合了时间），来呈现热门事件：

5. 将数据进行概念转换
先看下生活中的概念转换，当我们需要喝水时，通常会说：给我来一杯水；而不会说：给我来30ml的水。在这里，30ml是一个实际数据，但是难以感知，所以用一杯的概念来转换。
同样在数据可视化，有时需要对数据进行概念转换，可加深用户对数据的感知。常用方法有对比和比喻：
对比：
下图是一个介绍中国烟民数量的图表：如果只看左半部分中国烟民的数量：32000000，知道数据量级很大，但具体有多大却很难感知；直到看到右半部分：中国烟民数量超过了美国人口总和，这样一对比，对数据的感知就加深了。

比喻
下图是一个介绍雅虎邮箱处理数据量的图表，大意是每小时处理的电子邮件大小有1.2TB，相当于644245094张打印的纸。
这又是一个很大的数据，但到底有多大？ 在这里用了一个比喻的手法：644245094张纸，如果把每一张纸首尾对接，可以绕地球4圈多。到这里，能较深刻感受到雅虎邮箱处理的数据量之大，为地球节省了很多纸张。
更进一步地，还将这个比喻进行了图形化表现。

6.让图表“动”起来
数据图形化完成后，可结合实际情况，将其变为动态化和可操控性的图表，用户在操控过程中能更好地感知数据的变化过程，提升体验。
实现动态化通常以下两种方式： 交互和动画。
交互
交互包括鼠标浮动、点击、多图表时的联动响应等等，如下是网络统计流量研究院的时间分布图，采用左图右表的联动形式，左图中，鼠标浮动则显示对应数据，点击则切换选择：

动画
包括增加入场动画、交互过程的动画、播放动画等等。
入场动画：即在页面载入后，给图表一个“生长”的过程，取代“数据载入中”这样的提示文字。
交互动画：用户发生交互行为后，通过动画形式给以及时反馈。
播放动画：一般来是提供播放功能，像看视频一样，让用户能够完整看到数据随时间变化的过程。下图是Gapminder在描述多维数据时，提供随时间播放的功能，可以直观感受到所有数据的变化。

总结
数据可视化形式多样，思考过程也不尽相同。以上6步法，是基于“数据”层面（区别于信息可视化），梳理思考过程，总结设计方法，为后续可视化提供可借鉴的思路。

Ⅶ 如何实现大数据可视化

数据可视化指的是，通过商业智能BI以图形化手段为基础，将复杂、抽象和难以理解的数据用图表进行表达，清晰有效地传达信息。数据可视化是商业智能BI数据分析的延伸，分析人员借助统计分析方法，将数据转化为信息，然后进行可视化展现。

数据可视化-派可数据商业智能BI

在商业智能BI中，数据可视化能分别为PC、移动端、大屏制作可视化报表，只需拖拉拽就能完成数据可视化分析，制作可视化报表，还拥有详细的用户权限设置功能保护数据安全。

派可数据官网

Ⅷ 数据可视化常用的五种方式及案例分析

概念借助于图形化的手段，清晰、快捷有效的传达与沟通信息。从用户的角度，数据可视化可以让用户快速抓住要点信息，让关键的数据点从人类的眼睛快速通往心灵深处。 数据可视化一般会具备以下几个特点：准确性、创新性 和 简洁性。
常用五种可视化方法
下面从最常用和实用的维度总结了如下5种数据可视化方法，让我们来一一看一下：
一、面积&尺寸可视化对同一类图形（例如柱状、圆环和蜘蛛图等）的长度、高度或面积加以区别，来清晰的表达不同指标对应的指标值之间的对比。
这种方法会让浏览者对数据及其之间的对比一目了然。制作这类数据可视化图形时，要用数学公式计算，来表达准确的尺度和比例。
a: 天猫的店铺动态评分天猫店铺动态评分模块右侧的条状图按精确的比例清晰的表达了不同评分用户的占比。从下图中我们第一眼就可以强烈的感知到5分动态评分的用户占绝对的比例。

b: 联邦预算图如下图，在美国联邦预算剖面图里，用不同高度的货币流清晰的表达了资金的来源去向，及每一项所占金额的比重。

c: 公司黄页-企业能力模型蜘蛛图如下图，通过蜘蛛图的表现，公司综合实力与同行平均水平的对比便一目了然。

二、颜色可视化
通过颜色的深浅来表达指标值的强弱和大小，是数据可视化设计的常用方法，用户一眼看上去便可整体的看出哪一部分指标的数据值更突出。a: 点击频次热力图比如下面这张眼球热力图，通过颜色的差异，我们可以直观的看到用户的关注点。

b: 2013年美国失业率统计在图中可以看到，通过对美国地图以州为单位的划分，用不同的颜色来代表不同的失业率等级范围，整个的全美失业率状况便尽收眼底了。

c: 美国手机用户城市分布图中红点是用iPhone的人，绿点是用安卓的人。这两张在微博上看到的图，第一张是美国一个城市的一览，第二张图特写了纽约的市中心，尤其是曼哈顿地区。我们可以看到在市中心和主干道的人用iPhone居多，而用安卓的人都在郊区。这也引起了人们的热议，有的说在美国富人都住郊区别墅，所以富人爱用安卓手机；有的反驳说曼哈顿地区的人几乎都用iPhone，说明富人喜欢用iPhone手机。不管结论如何，都足以说明用户都被这些图所吸引，所以可视化的方式效果真的很直观。

注：科学家统计了2年里30亿条含有地理数据的twitter推文，根据客户端总结出来的数据。
三、图形可视化在我们设计指标及数据时，使用有对应实际含义的图形来结合呈现，会使数据图表更加生动的被展现，更便于用户理解图表要表达的主题。
Examples:
a: iOS手机及平板分布如下图所示，当展示使用不同类型的手机和平板用户占比时，直接用总的苹果图形为背景来划分用户比例，让用户第一眼就可以直观的看到这些图是在描述苹果设备的，直观而清晰。

b: 人人网用户的网购调查下图可以看出，该数据可视化的设计直接采用男性和女性的图形，这样的设计让分类一目了然。再结合了颜色可视化（左面蓝色右面粉色），同时也采用了面积&尺寸可视化，不同的比例用不同长度的条形。这些可视化方法的组合使用，大大加强了数据的可理解性。

四、地域空间可视化当指标数据要表达的主题跟地域有关联时，我们一般会选择用地图为大背景。
这样用户可以直观的了解整体的数据情况，同时也可以根据地理位置快速的定位到某一地区来查看详细数据。
a: 美国最好喝啤酒的产地分布下图中，通过以美国地图为大背景，清晰的记录了不同州所产啤酒在1987-2007年间在美国啤酒节中获得的奖牌累计总数。再辅以颜色可视化的方法，让用户清晰的看到美国哪些州更盛产好喝的啤酒。

五、概念可视化通过将抽象的指标数据转换成我们熟悉的容易感知的数据时，用户便更容易理解图形要表达的意义。
a: 厕所贴士下图是厕所里贴在墙上的节省纸张的环保贴士，用了概念转换的方法，让用户清晰的感受到员工们一年的用纸量之多。
如果只是描述擦手纸的量及堆积可达高度，我们还没有什么显性化概念。但当用户看到用纸的堆积高度比世界最高建筑还高、同时需砍伐500多颗树时，想必用户的节省纸张甚至禁用纸张的情怀便油然而生了。所以可见用概念转换的方法是多么的重要和有效。

b: Flickr云存储空间达1TB的可视化描述Flickr对云存储空间升至1TB确实是让人开心的事情，但相信很多人对这一数量级所代表的含义并不清晰。
所以Flickr在宣传这一新的升级产品时，采用了概念可视化的方案。从下图可以看出，用户可以动态的选择照片的大小，之后Flickr会采用动态交互的方式计算和显示出1TB能容纳多少张对应大小的图片。这样一来，用户便有了清晰的概念，知道这1TB是什么量级的容量了。

注意事项在总结了常见维度的数据可视化方法和范例之后，要再次总体强调下做数据可视化设计时的注意事项，总结了三点如下：
1）设计的方案至少适用于两个层次：一是能够整体展示大的图形轮廓，让用户能够快速的了解图表所要表达的整体概念；之后再以合适的方式对局部的详细数据加以呈现（如鼠标hover展示）。
2）做数据可视化时，上述的五个方法经常是混合用的，尤其是做一些复杂图形和多维度数据的展示时。
3）做出的可视化图表一定要易于理解，在显性化的基础上越美观越好，切忌华而不实。
总结：作为设计师，除了掌握方法来有针对性的设计之外，还要在平时多留心积累素材，同时培养自己的创造力和专业素养，保持一颗好奇心，才能真正的设计出样式精美又实用的数据可视化图表。