在大数据分析领域中很多数据都会以图形图表的形式展示出来,这样非常的直观,数据一目了然,小编为大家带来的可视化数据分析图表模板就是个不错的样式,包括可视化图形图表区和数据编辑区两部分,将数据填写好后就可以在图形区展示出来了,精美的配色方案,看起来很协调。
模板特色
修改数据后,图表自动更新
所有内容皆可修改
数据单独成页,方便套用
制作流程
第一步:确定分析的主题
第二步:围绕数据分析的思路展开探索性分析
第三步:确定分析的重要指标
第四步:围绕指标的展现选择图表
第五步:设计可视化分析报告
4种可视化常用的数据分析图表制作方法
需要说明的是,这次演示的图表几乎都是用Tableau 制作的「因自身学习的原因」,不再是Excel制作的图表。其中有部分图,仍旧能用Excel制作,有部分已经不适合使用Excel制作了。
01 树状图(TreeMap)
功能&应用场景
主要功能用于可视化整体与部分关系,以区块表示部分层级(不同区块用颜色区分),用矩形面积表示大小关系。
缺点
以面积表示大小,当数值相近时人眼难以辨别,当然可通过填充数值弥补。
02 漏斗图(FunnelPlot)
应用场景
适用于关键业务环节数据比较, 将各环节串联起来构成漏斗,量化流程内环节,追踪各环节转化率。转化是漏斗图主要表达信息。
电商类:访问 -> 注册 -> 购物车 -> 下单 -> 付款;
营销推广:展现 -> 点击 -> 访问 -> 咨询 -> 下单 -> 付款;
CRM:潜在客户阶段 -> 意向客户阶段 -> 谈判阶段 -> 成交签约。
以上只是常见漏斗,实际各种业务流程都可构建漏斗。
缺点
漏斗图在实际分析中并不常见,但在PPT中用作信息描述却明显优于干巴巴的数字追踪流程较困难,而企业是结果导向的,我们更在意整个流程的转化率,有时不会深究细节; 有时候我们更关心某环节转化率在时间维度上的变化。
漏斗图 vs 行为路径分析
漏斗图要区分于行为分析路径图,行为分析路往往是你对用户的访问路径未知,而漏斗图则是基于已知关键流程构建。
样式变种:将面积形式变种为柱形图样式,显得更加清晰。
03 雷达图(RadarChart)
应用场景
雷达图主要用于静态的多维对比,它直观地呈现几个观察对象在多个指标上对比情况。
缺点
能表达的静态数据信息有限,线条不宜超过5条,指标不宜超过8个。
注意事项
雷达图中的指标必须是正向且可以比较的,也就是指标代表越好,且当指标差异较大时,需要进行标准化,消除单位影响。
指标必须是相同表征含义:如都是越大代表越好,或越小代表越好;
雷达图的数据必须进行标准化;
雷达图是静态数据很量,不可能有时间维度。
制作过程: 数据如图
数据源-第一个指标要重复一列,作为环形的起点和终点;在Tableau中要进行透视表操作;
生成路径: CASE [数据透视表字段名称]
WHEN '认证两分钟回复率' then 1
WHEN '认证数' then 2
WHEN '消息两分钟内回复率' then 3
WHEN '消息回复率' then 4
WHEN '回复消息数' then 5
WHEN '质检得分' then 6
ELSE 7
END
生成弧度: IF [路径]=7 THEN pi()/2 ELSE PI()/2 - ([路径]-1)*2*PI()/6 END
生成X = [数据透视表字段值]*COS([弧度])、Y = [数据透视表字段值]*SIN([弧度])
04 箱线图/盒须图(Box plot)
箱线图是利用五个统计量: 最小值、第1分位数、第2分位数、第3分位数、最大值 来描述数据的图形。
应用场景
主要用于观察数据分布:观察分布&异常值&偏态等
箱线图可直观明了地观察数据的分布情况,对不同数据批的数据分布进行对比;
箱线图可直观明了地识别数据批中的异常值;
箱线图可初步判断数据批中的偏态和尾重; 异常值出现于一侧的概率越大,中位数也越偏离上下四分位数的中心位置; 异常值集中在较小值一侧,则分布呈现左偏态;异常值集中在较大值一侧,则分布呈现右偏态。
软件评论 您的评论需要经过审核才能显示
网友评论