第1章 数据可视化概述
可视化不是"把图画好看"，而是用图形替人完成一次高效的比较与推理。
本章学习目标
- 能说出数据可视化的定义、作用与常见类型
- 能描述"数据 → 编码 → 图形 → 解读"的完整流程
- 能判断一张可视化作品的好坏（准确性、有效性、美观性）
- 能列举数据可视化在各行业的典型应用
本章导览
核心内容
1.1
什么是数据可视化
数据可视化是把抽象的数据映射为图形元素（位置、长度、颜色、面积等），让人借助视觉系统快速发现规律、比较差异、识别异常的过程。
它的价值在于<b>降低认知成本</b>：一页表格里 200 行数据很难看出趋势，换成一条折线，趋势一秒可读。
1.1.1
定义与价值
- 记录与呈现：把数据结果表达出来（报表、大屏）
- 探索与发现：在分析过程中找异常、找关系（散点图、热力图）
- 解释与说服：把结论讲给人听（汇报、报告插图）
判断一个可视化是否成立的最低标准：不误导。图形比例必须与数据比例一致，坐标轴不能随意截断。
1.1.2
可视化的三个层次
| 层次 | 目标 | 典型产物 |
|---|---|---|
| 描述性可视化 | 发生了什么 | 日报、周报、运营大屏 |
| 诊断性可视化 | 为什么发生 | 漏斗分析、对比分析、下钻看板 |
| 预测性可视化 | 可能发生什么 | 预测曲线与置信区间 |
1.2
可视化的流程
一张能用的图，背后是五步：明确问题 → 准备数据 → 选择图形 → 编码绘制 → 检查解读。跳过第一步是最常见的错误——先想清楚"要回答什么问题"，再决定画什么。
1.2.1
五步流程
| 步骤 | 关键动作 | 常见失误 |
|---|---|---|
| ① 明确问题 | 写出一句话结论/问题 | 没有目标，堆一堆图 |
| ② 准备数据 | 清洗、聚合、对齐口径 | 口径不一致导致图与结论矛盾 |
| ③ 选择图形 | 按"关系类型"选图 | 用饼图展示 12 个分类 |
| ④ 编码绘制 | 坐标、颜色、标注 | 彩虹色、3D 效果 |
| ⑤ 检查解读 | 自问"这张图想说什么" | 图能看懂但讲不出结论 |
💡 先写标题再画图：标题应当是一句结论（如"7 月华东区订单量环比下降 12%"），这会强制你想清楚要证明什么。
1.3
好的可视化与坏的可视化
评价一张图，按三个维度依次检查：<b>准确</b>（不误导）→ <b>有效</b>（能快速读出结论）→ <b>美观</b>（排版与配色克制）。三者顺序不能颠倒。
1.3.1
三个维度与典型反例
| 维度 | 检查点 | 反例 |
|---|---|---|
| 准确 | 坐标轴是否从 0 开始、面积/角度是否与数值成比例 | 截断 y 轴夸大增长 |
| 有效 | 是否一眼能看出主要结论、是否有多余元素 | 12 个分类的饼图 |
| 美观 | 配色是否克制、文字是否清晰、留白是否足够 | 3D 饼图 + 彩虹色 + 阴影 |
记住一句话：减少不承载信息的墨水（数据墨水比）。网格线、边框、立体效果、装饰图标，能删就删。
本章小结
本章建立对数据可视化的整体认知：它解决的是降低认知成本的问题，分描述性、诊断性、预测性三个层次；一张图要经过"明确问题 → 准备数据 → 选择图形 → 编码绘制 → 检查解读"五步，评价标准按"准确 → 有效 → 美观"的顺序检查。
思考与练习 先自己做，再点开答案
01
数据可视化的核心目的是什么？
查看参考答案
把抽象数据映射为视觉元素，降低人的认知成本，帮助快速比较、发现规律与异常，并有效传达结论。它服务于"看清"与"讲清"，而不是单纯让页面好看。
02
为什么"先写标题再画图"是个好习惯？
查看参考答案
标题必须是一句结论，这会强制你想清楚要回答什么问题、比较什么对象，从而直接决定选哪种图、需要哪些字段，避免堆一堆无结论的图。
03
举一个"准确但不好看"和"好看但不准确"的例子。
查看参考答案
准确但不好看：默认样式的折线图，无标题、图例挤在一起，但坐标从 0 开始、比例正确。
好看但不准确：3D 饼图，视觉上"厚度"让人误判占比，且角度与数值不成比例。