本文目錄一覽：
- 1、如何實現大數據可視化?
- 2、數據可視化一般方法
- 3、可視化數據大屏的制作方法？
- 4、后臺產品設計之數據可視化
- 5、數據可視化6步法
- 6、數據可視化的基本流程
如何實現大數據可視化?
數據可視化指的是，通過商業智能BI以圖形化手段為基礎，將復雜、抽象和難以理解的數據用圖表進行表達，清晰有效地傳達信息。數據可視化是商業智能BI數據分析的延伸，分析人員借助統計分析方法，將數據轉化為信息，然后進行可視化展現。
數據可視化-派可數據商業智能BI
經過數據可視化處理后，復雜的數據分析報告就轉化為了商業智能BI中簡潔明了的可視化報表，讓企業中財務、生產、運營、銷售等不同部門不同職務的員工，都能通過數據可視化獲取信息，促使企業更好地發展。
最后，分析人員還可以借助商業智能BI，分別制作PC、移動、大屏等不同終端的可視化報表，形成管理駕駛艙、業務分析、企業狀況、核心指標、監控預警等不同風格、功能的數據可視化，讓數據分析深入企業內核，以數據為核心驅動企業健康發展。
數據可視化工具
1、可視化工具的優點就是更加輕量化，可以通過模板完成簡單圖表的制作?？梢暬ぞ咭部梢约毞譃閮煞N，一種是免費和收費并行，這種可視化工具一般會有水印、功能、導入導出等方面的限制，付費解鎖全功能。
另一種就是開源的可視化工具，一般可以免費使用全部功能，也能制作復雜的數據可視化報表，但是通常需要編寫代碼來制作可視化圖表，對使用者的IT技術要求比較高。
2、商業智能BI功能比較完善，有豐富的組件模板，是一套完整的由數據倉庫、查詢報表、數據分析、數據可視化等組成的數據類技術解決方案。商業智能BI可以直連數據庫，將不同來源數據儲存到數據倉庫，也擁有ETL和數據模型等數據處理能力，對數據 以指標、標簽的形式分級分類。
數據可視化-派可數據商業智能BI
在商業智能BI中，數據可視化能分別為PC、移動端、大屏制作可視化報表，只需拖拉拽就能完成數據可視化分析，制作可視化報表，還擁有詳細的用戶權限設置功能保護數據安全。
派可數據官網
數據可視化一般方法
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了然。制作這類數據可視化圖形時，要用數學公式計算，來表達準確的尺度和比例。
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。
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，更便于用戶理解圖表要表達的主題。
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。
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。
這是一條來自#加米谷大數據-專注大數據人才培養#的小尾巴
可視化數據大屏的制作方法？
對于0基礎入門的小白而言，從空白畫布開始制作一張數據大屏十分困難，希望我接下來的案例流程分享，能帶給你一些幫助。
步入大數據時代，各行各業對數據價值的重視程度與日俱增，近年來，大屏廣泛被運用在各種領域，把關鍵數據集中展示在一塊屏幕上，用一種絢麗酷炫的方式呈現。
但判斷一個數據可視化大屏好壞的依據，絕不僅僅只是華麗酷炫的外表，而是需要兼備內容與形式，還要幫助人們去發現問題解決問題！
那么設計一個數據可視化大屏，要經歷哪幾個步驟？我將通過之前與煤礦安監局合作的真實案例，來詳細闡述這個問題。
一、可視化數據需要基于用戶業務場景
本項目的核心工作是煤礦風險統計界面的交互及視覺定義，系統展示載體為大屏。大屏展示系統的核心是對數據信息的處理及描述，最終以可視化的方式呈現給用戶，又稱為數據可視化。
然而，若脫離真實用戶需求及使用場景，沒有依據的盲目設計，數據最終的呈現也無法滿足真實業務需求。
我們以用戶需求為設計核心，幫助客戶重新梳理出業務目標用戶，圍繞用戶分析數據需求以及數據之間的展示層級關系，最終將需求落地到頁面， 合理地將風險統計數據在大屏上實現可視化，把相對復雜、抽象的數據以目標用戶更易懂的方式呈現出來。
01、目標用戶分析
用戶角色不同，對同一產品的需求也會有差異，通過需求溝通以及訪談，我們最終確定產品核心用戶分為各級領導、監控作業人員兩類，并對兩類用戶的需求進行了差異化分析。
02、功能需求點分析
從原版界面信息以及與客戶的溝通中我們得出，在大量冗雜數據中查看需求，容易造成互相干擾以及認知的困惑，我們根據用戶需求以及場景關聯分析對頁面信息進行了重新的歸類以及分級。
03、原版問題點分析
通過需求調研并配合快速走查，我們歸納出原版界面的問題點，有效指導后續設計，在后續設計過程中針對性地進行優化、規避以及反復驗證，有效的指導整個設計流程。
原版大屏界面設計問題點如下：
二、重新定義數據呈現方式
結合大屏使用環境，我們對頁面配色進行了重新定義，保留用戶對風險等級的顏色認知習慣，對原始等級配色進行微調，以保證色相之間的和諧度。
界面展示空間為室內，日常燈光采光均勻，界面以暗色白字為主色調可以在突出數據的展示的同時增加科技感，各風險數據圖表也更醒目。
數據的展示應該服務于內容、服務于需求，我們在設計中弱化了形式化的設計，以內容優先。
同時好的設計也需要考慮技術的可實施性，設計中我們要應該更多地考慮降低實現成本，抓住重點，最終我們采用了扁平化的圖表處理，兼顧了實現成本與加載效率。
原版的數據圖表把所有信息同時堆疊在界面中，大而全的做法看似能讓觀者看到更多信息，其實無形中加大了觀者的閱讀成本，需要用戶自行比對不同圖表中相關信息的關聯。
同時除了一級風險，其他風險等級的城市排行是沒有辦法查看的，進而喪失了排行數據查看的意義。
根據展示的數據類型和客戶數據查看需求，我們進行了重新的數據圖選型，將原來圖表用型錯誤、數據混亂的信息也重新整合，最終選定餅圖、條形圖以分別查看查看“構成型”數據和“比較型”數據（排行）。
三、總結一下
在其他領域，大屏數據可視化技術同樣也扮演著舉足輕重的角色，在大屏的設計思維上也必然需要更有前瞻性的擴展，設計者需要從不同場景出發，滿足用戶多元的需求。
以上，望有幫助。
后臺產品設計之數據可視化
這是《后臺產品設計指南》系列文章的 第13篇 內容，更多精彩可以點擊下方鏈接查看。
后臺產品設計指南
把復雜、抽象的數據通過可視的方式以人們更易理解的形式展示出來的一系列手段叫做數據可視化。數據可視化在后臺產品中的應用主要包括和數據圖表數據大屏和兩部分，本文會和大家介紹一下數據可視化的產品設計規范。
數據圖表一般出現在后臺產品中的首頁、統計模塊。后面提到的數據大屏實際上也是不同數據圖表的組合，因為比較特殊所以單獨進行介紹。
后臺的首頁可以是簡單的歡迎頁面，但這樣做會比較浪費首頁這個黃金位置。更合適的做法是根據用戶的角色和身份設計不同的內容，展示用戶當前的待辦、平臺的關鍵數據、數據預警，用圖表的形式展示會更加直觀。用戶一進入首頁就能看到核心內容，可以知道當前的宏觀情況，接下來要做哪些事情。
至于統計模塊則是平臺管理層決策的利器，除了展示基礎的數據報表、圖表，還需要結合平臺業務，相關政策等信息給到用戶決策的輔助信息。下面和大家介紹一下常用的數據圖表類型。
柱狀圖
柱狀圖一般用來表達某種分類下的數據的大小，分類可以是單個也可以是多個。比如某地2021年不同月份的最大值。
橫向的柱狀圖也叫條形圖，和柱狀圖的使用場景比較類似。條形圖更適用于類別名稱比較長的數據展示，使用柱狀圖會出現數據展示不全的情況。
折線圖
折線圖一般用來反映數據一段時間內的變化趨勢。比如最近10年的考研報名人數。
柱狀圖和折線圖有些類似，柱狀圖適合數據較少時的分析，折線圖適合連續時間內較多數據的分析。
餅圖
餅圖一般用來表達不同類型的數據的占比情況。比如某公司不同部門的業績占比。餅圖也有一些特殊的展現形式，比如玫瑰圖，理解起來需要一定的成本。
散點圖
散點圖一般用來變現兩組數據之間的是否存在某種關聯，這個關系可能是線性相關，也可能是正相關或者其他類型。比如員工工作年限和薪資的對應關系。
雷達圖
雷達圖一般用來對不同指標進行對比分析。比如騰訊公司產品經理的能力雷達圖。
熱力圖
熱力地圖用高亮的形式表達數據的集中區域。比如國內國慶假期游客的分布情況。
關系圖
關系圖一般用來表示實物之間的相互聯系。比如下圖中圍繞李白展開的關系圖。
漏斗圖
漏斗圖一般用來表達不同業務環節的價值轉化情況。比如電商行業客戶訪問、注冊、下單、付費的轉化數據。
其他諸如K線圖、?；鶊D、盒須圖等類型使用的場景不多，這里就不做展開，感興趣的讀者可以自行研究。
數據大屏是以大屏為主要載體的數據可視化設計。數據大屏是數據的最后應用環節，與數據怎么收集、清洗、處理，是否使用數倉技術沒有必然的聯系。
數據大屏設計流程
1.了解業務流程
數據大屏一般是用來做信息展示、數據分析和監控預警，無論是哪一種都需要對業務有充分的理解，否則設計出來的大屏只能是空中樓閣。
2.提煉數據指標
每個行業的數據指標是不同的，比如電商消費的核心數據就是GMV；購買人數，訂單數，最受歡迎品牌就是次要數據。大屏因為空間限制可以展示的內容有限，一定要優先展示核心數據。
3.確定分析維度
同一個數據指標有不同的分析維度，比如電商GMV可以統計平臺的累計金額，也可以按照月份統計新增金額，還可以按照商品類型來統計數據。
4.確定圖表類型
這個步驟需要使用到前面提到的圖表，根據業務數據里選擇合理的圖表類型。選擇圖表時既要考慮用戶能直觀地理解，又要考慮開發實現的可行性。
5.了解大屏參數
在正式輸出設計稿之前，需要提前了解現場環境中信號源電腦的分辨率以及大屏的相關參數，如果沒有提前了解做出來的效果很容易出問題，再返工會浪費很多成本。
6.頁面設計稿
設計師按照一定的規范根據要展現的內容輸出設計稿。大屏產品不能貪圖炫技，而忽視了本質，即大屏是為了高效地展示信息，提供決策輔助。
7.程序開發實現
這個過程包括前端樣式的實現和數據的接入，實際上數據的接入在前期就可以先行了。有一些效果開發很難實現，這個時候可以設計師配合提供切圖實現。開發完成后需要內部驗收測試，除了關注樣式還需要驗證數據的準確性。
大屏適配
數據大屏的展示可以使拼接屏，也可以使一塊完整的大屏。數據大屏的本質是把電腦屏幕通過有線信號投放到大屏上，兩者的內容是一致的。
一般情況下我們需要了解大屏的類型和分辨率，選擇合適的設計稿尺寸。如果 大屏和電腦比例一致 ，可以按照大屏的分辨率來做設計稿，然后再進行開發實現；或者是使用等比例縮小的分辨率尺寸來做設計稿，再導出2倍圖和開發實現。如果 大屏和電腦比例不一致 ，這個時候需要優先保證大屏上的展示效果，電腦上和大屏上會出現一定的誤差。
數據大屏實現后，一定要到現場進行調試，避免出現突發情況。數據大屏的設計稿和開發適配不需要產品經理過多地關注，只需要關注最終的質量即可。
注意事項
1.數據大屏上一定要有主次，不能貪多，也不需要炫技；
2.數據大屏的字體大小和PC上有區別，需要重點關注；
3.需要根據行業、應用場景等因素選擇合適的配色方案；
4.合理地使用動效可以增強大屏的品質和空間感。
數據可視化在后臺產品中應用非常廣泛，先了解數據可視化的應用場景和設計規范才能設計出實用的可視化產品。
在寫作過程中，如果有意見或者想法，歡迎有興趣的讀者添加我的微信一起交流探索，共同進步。
數據可視化6步法
數據可視化6步法
在當前互聯網，各種數據可視化圖表層出不窮，本文嘗試對數據可視化的方法進行歸納，整理成6步法。
一般的數據圖表都可以拆分成最基本的兩類元素: 所描述的事物及這個事物的數值，我們暫且將其分別定義為指標和指標值。比如一個性別分布中，男性占比30%，女性占比70%，那么指標就是男性、女性，指標值對應為30%、70%。
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，挖掘指標之間的關系，并將其圖形化表達，可提升圖表的可視化深度。常見有以下兩種方式：
借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，然后借助此場景來表現。
比如百度統計流量研究院操作系統的分布，首先分為windows、mac還有其他操作系統，windows又包含xp、2003等多種子系統。
根據這種關系聯想，發現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， 因此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等比喻成太陽系中的行星，將mac和其他系統比喻成其他星系，表現如下：
構建場景來表現
指標之間往往具有一些關聯特征，如從簡單到復雜、從低級到高級、從前到后等等。如無法找到已存在的對應場景，也可構建場景。
比如百度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，它們之間是一種越爬越高，從低等級到高等級的關系，那么，這種關系可以通過構建一個臺階去表現，如下：
支付寶新出的個人年度賬單中，在描述付款最多的三項時，構建了一個領獎臺的形式：
小結：
根據之前3步，可將指標、指標值和指標關系分別進行圖形化處理。
以最簡單的性別分布為例，可以得到一個線性的可視化過程，如下：
以上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后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并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：給我來一杯水；而不會說：給我來30ml的水。在這里，30ml是一個實際數據，但是難以感知，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，可加深用戶對數據的感知。常用方法有對比和比喻：
對比：
下圖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，知道數據量級很大，但具體有多大卻很難感知；直到看到右半部分：中國煙民數量超過了美國人口總和，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的圖表，大意是每小時處理的電子郵件大小有1.2TB，相當于644245094張打印的紙。
這又是一個很大的數據，但到底有多大？ 在這里用了一個比喻的手法：644245094張紙，如果把每一張紙首尾對接，可以繞地球4圈多。到這里，能較深刻感受到雅虎郵箱處理的數據量之大，為地球節省了很多紙張。
更進一步地，還將這個比喻進行了圖形化表現。
6.讓圖表“動”起來
數據圖形化完成后，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
交互包括鼠標浮動、點擊、多圖表時的聯動響應等等，如下是百度統計流量研究院的時間分布圖，采用左圖右表的聯動形式，左圖中，鼠標浮動則顯示對應數據，點擊則切換選擇：
動畫
包括增加入場動畫、交互過程的動畫、播放動畫等等。
入場動畫：即在頁面載入后，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：用戶發生交互行為后，通過動畫形式給以及時反饋。
播放動畫：一般來是提供播放功能，像看視頻一樣，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。
總結
數據可視化形式多樣，思考過程也不盡相同。以上6步法，是基于“數據”層面（區別于信息可視化），梳理思考過程，總結設計方法，為后續可視化提供可借鑒的思路。
數據可視化的基本流程
作者 | 向倩文
來源 | 數據產品手記
大多數人對數據可視化的第一印象，可能就是各種圖形，比如Excel圖表模塊中的柱狀圖、條形圖、折線圖、餅圖、散點圖等等，就不一一列舉了。以上所述，只是數據可視化的具體體現，但是數據可視化卻不止于此。
數據可視化不是簡單的視覺映射，而是一個以數據流向為主線的一個完整流程，主要包括數據采集、數據處理和變換、可視化映射、用戶交互和用戶感知。一個完整的可視化過程，可以看成數據流經過一系列處理模塊并得到轉化的過程，用戶通過可視化交互從可視化映射后的結果中獲取知識和靈感。
圖1 可視化的基本流程圖
可視化主流程的各模塊之間，并不僅僅是單純的線性連接，而是任意兩個模塊之間都存在聯系。例如，數據采集、數據處理和變換、可視化編碼和人機交互方式的不同，都會產生新的可視化結果，用戶通過對新的可視化結果的感知，從而又會有新的知識和靈感的產生。
下面，對數據可視化主流程中的幾個關鍵步驟進行說明。
01
數據采集
數據采集是數據分析和可視化的第一步，俗話說“巧婦難為無米之炊”，數據采集的方法和質量，很大程度上就決定了數據可視化的最終效果。
數據采集的分類方法有很多，從數據的來源來看，可以分為內部數據采集和外部數據采集。
1.內部數據采集：
指的是采集企業內部經營活動的數據，通常數據來源于業務數據庫，如訂單的交易情況。如果要分析用戶的行為數據、APP的使用情況，還需要一部分行為日志數據，這個時候就需要用「埋點」這種方法來進行APP或Web的數據采集。
2.外部數據采集：
指的數通過一些方法獲取企業外部的一些數據，具體目的包括，獲取競品的數據、獲取官方機構官網公布的一些行業數據等。獲取外部數據，通常采用的數據采集方法為「網絡爬蟲」。
以上的兩類數據采集方法得來的數據，都是二手數據。通過調查和實驗采集數據，屬于一手數據，在市場調研和科學研究實驗中比較常用，不在此次探討范圍之內。
02
數據處理和變換
數據處理和數據變換，是進行數據可視化的前提條件，包括數據預處理和數據挖掘兩個過程。
一方面，通過前期的數據采集得到的數據，不可避免的含有噪聲和誤差，數據質量較低；另一方面，數據的特征、模式往往隱藏在海量的數據中，需要進一步的數據挖掘才能提取出來。
常見的數據質量問題包括：
1.數據收集錯誤，遺漏了數據對象，或者包含了本不應包含的其他數據對象。
2.數據中的離群點，即不同于數據集中其他大部分數據對象特征的數據對象。
3.存在遺漏值，數據對象的一個或多個屬性值缺失，導致數據收集不全。
4.數據不一致，收集到的數據明顯不合常理，或者多個屬性值之間互相矛盾。例如，體重是負數，或者所填的郵政編碼和城市之間并沒有對應關系。
5.重復值的存在，數據集中包含完全重復或幾乎重復的數據。
正是因為有以上問題的存在，直接拿采集的數據進行分析or可視化，得出的結論往往會誤導用戶做出錯誤的決策。因此，對采集到的原始數據進行數據清洗和規范化，是數據可視化流程中不可缺少的一環。
數據可視化的顯示空間通常是二維的，比如電腦屏幕、大屏顯示器等，3D圖形繪制技術解決了在二維平面顯示三維物體的問題。
但是在大數據時代，我們所采集到的數據通常具有4V特性：Volume（大量）、Variety（多樣）、Velocity（高速）、Value（價值）。如何從高維、海量、多樣化的數據中，挖掘有價值的信息來支持決策，除了需要對數據進行清洗、去除噪聲之外，還需要依據業務目的對數據進行二次處理。
常用的數據處理方法包括：降維、數據聚類和切分、抽樣等統計學和機器學習中的方法。
03
可視化映射
對數據進行清洗、去噪，并按照業務目的進行數據處理之后，接下來就到了可視化映射環節?？梢暬成涫钦麄€數據可視化流程的核心，是指將處理后的數據信息映射成可視化元素的過程。
可視化元素由3部分組成：可視化空間+標記+視覺通道
1.可視化空間
數據可視化的顯示空間，通常是二維。三維物體的可視化，通過圖形繪制技術，解決了在二維平面顯示的問題，如3D環形圖、3D地圖等。
圖2 可視化空間示例
2.標記
標記，是數據屬性到可視化幾何圖形元素的映射，用來代表數據屬性的歸類。
根據空間自由度的差別，標記可以分為點、線、面、體，分別具有零自由度、一維、二維、三維自由度。如我們常見的散點圖、折線圖、矩形樹圖、三維柱狀圖，分別采用了點、線、面、體這四種不同類型的標記。
圖3 標記類型示例
3.視覺通道
數據屬性的值到標記的視覺呈現參數的映射，叫做視覺通道，通常用于展示數據屬性的定量信息。
常用的視覺通道包括：標記的位置、大?。ㄩL度、面積、體積...）、形狀（三角形、圓、立方體...）、方向、顏色（色調、飽和度、亮度、透明度...）等。
圖3中的四個圖形示例，就很好的利用了位置、大小、顏色等視覺通道來進行數據信息的可視化呈現。
「標記」、「視覺通道」是可視化編碼元素的兩個方面，兩者的結合，可以完整的將數據信息進行可視化表達，從而完成可視化映射這一過程。
關于可視化編碼元素的優先級，以及如何根據數據的特征選擇合適的可視化表達，下次會專題來分享下。
04
人機交互
可視化的目的，是為了反映數據的數值、特征和模式，以更加直觀、易于理解的方式，將數據背后的信息呈現給目標用戶，輔助其作出正確的決策。
但是通常，我們面對的數據是復雜的，數據所蘊含的信息是豐富的。
如果在可視化圖形中，將所有的信息不經過組織和篩選，全部機械的擺放出來，不僅會讓整個頁面顯得特別臃腫和混亂，缺乏美感；而且模糊了重點，分散用戶的注意力，降低用戶單位時間獲取信息的能力。
常見的交互方式包括：
1.滾動和縮放：當數據在當前分辨率的設備上無法完整展示時，滾動和縮放是一種非常有效的交互方式，比如地圖、折線圖的信息細節等。但是，滾動與縮放的具體效果，除了與頁面布局有關系外，還與具體的顯示設備有關。
2.顏色映射的控制：一些可視化的開源工具，會提供調色板，如D3。用戶可以根據自己的喜好，去進行可視化圖形顏色的配置。這個在自助分析等平臺型工具中，會相對多一點，但是對一些自研的可視化產品中，一般有專業的設計師來負責這項工作，從而使可視化的視覺傳達具有美感。
3.數據映射方式的控制：這個是指用戶對數據可視化映射元素的選擇，一般一個數據集，是具有多組特征的，提供靈活的數據映射方式給用戶，可以方便用戶按照自己感興趣的維度去探索數據背后的信息。這個在常用的可視化分析工具中都有提供，如tableau、PowerBI等。
4.數據細節層次控制：比如隱藏數據細節，hover或點擊才出現。
05
用戶感知
可視化的結果，只有被用戶感知之后，才可以轉化為知識和靈感。
用戶在感知過程，除了被動接受可視化的圖形之外，還通過與可視化各模塊之間的交互，主動獲取信息。
如何讓用戶更好的感知可視化的結果，將結果轉化為有價值的信息用來指導決策，這個里面涉及到的影響因素太多了，心理學、統計學、人機交互等多個學科的知識。
學習之路漫漫，一直在路上， 我們會持續分享數據可視化領域的知識，記得持續follow我們喲！
留言0