隨著時代的發展，越來越多的數據量堆積，然而這些密密麻麻的數據的可讀性較差並且毫無重點，而數據可視化更加直觀有意義，更能幫助數據更易被人們理解和接受。
因此運用恰當的圖表實現數據可視化非常重要，本文歸結圖表的特點，匯總出一張思維導圖，幫助大家更快地選擇展現數據特點的圖表類型。
圖表類型-思維指南
接下來我將依次介紹常用圖表類型，分析其適用場景和局限，從而幫助大家通過圖表更加直觀的傳遞所表達的信息。
柱狀圖
柱狀圖
展示多個分類的數據變化和同類別各變量之間的比較情況。
適用：對比分類數據。
局限：分類過多則無法展示數據特點。
相似圖表：1）堆積柱狀圖。比較同類別各變量和不同類別變量總和差異。
2）百分比堆積柱狀圖。適合展示同類別的每個變量的比例。
條形圖
條形圖
類似柱狀圖，只不過兩根軸對調了一下。適用：類別名稱過長，將有大量空白位置標示每個類別的名稱。
局限：分類過多則無法展示數據特點 。
相似圖表：1）堆積條形圖。比較同類別各變量和不同類別變量總和差異。
2）百分比堆積條形圖。適合展示同類別的每個變量的比例。
3）雙向柱狀圖。比較同類別的正反向數值差異。
折線圖
折線圖
展示數據隨時間或有序類別的波動情況的趨勢變化。適用：有序的類別，比如時間。
局限：無序的類別無法展示數據特點。
相似圖表：1）面積圖。用面積展示數值大小。展示數量隨時間變化的趨勢。
2）堆積面積圖。同類別各變量和不同類別變量總和差異。
3）百分比堆積面積圖。比較同類別的各個變量的比例差異。
柱線圖
柱線圖
結合柱狀圖和折線圖在同一個圖表展現數據。
適用：要同時展現兩個項目數據的特點。
局限：有柱狀圖和折線圖兩者的缺陷。
散點圖
散點圖
用於發現各變量之間的關係。
適用：存在大量數據點，結果更精准，比如回歸分析。
局限：數據量小的時候會比較混亂。
相似圖表：1）氣泡圖。用氣泡代替散點圖的數值點，面積大小代表數值大小。
餅圖
餅圖
用來展示各類別佔比，比如男女比例。
適用：瞭解數據的分布情況。
缺陷：分類過多，則扇形越小，無法展現圖表。
相似圖表：1）環形圖。挖空的餅圖，中間區域可以展現數據或者文本信息。
2）玫瑰餅圖。對比不同類別的數值大小。
3）旭日圖。展示父子層級的不同類別數據的佔比。
地圖
地圖
用顏色的深淺來展示區域範圍的數值大小。適合：展現呈面狀但屬分散分布的數據，比如人口密度等。
局限：數據分布和地理區域大小的不對稱。通常大量數據會集中在地理區域範圍小的人口密集區，容易造成用戶對數據的誤解。
相似圖表：1）氣泡地圖。用氣泡大小展現數據量大小。
2）點狀地圖。用描點展現數據在區域的分布情況。
3）軌跡地圖。展現運動軌跡。
熱力圖
熱力圖
以特殊高亮的形式顯示訪客熱衷的頁面區域和訪客所在的地理區域的圖示。
適合：可以直觀清楚地看到頁面上每一個區域的訪客興趣焦點。
局限：不適用於數值字段是匯總值，需要連續數值數據分布。
矩形樹圖
矩形樹圖
展現同一層級的不同分類的佔比情況，還可以同一個分類下子級的佔比情況，比如商品品類等。
適用：展示父子層級佔比的樹形數據。
缺陷：不適合展現不同層級的數據，比如組織架構圖，每個分類不適合放在一起看佔比情況。
指標卡
指標卡
突出顯示一兩個關鍵的數據結果，比如同比環比。
適合：展示最終結果和關鍵數據。
缺陷：沒有分類對比，只展示單一數據。
詞雲
詞雲
展現文本信息，對出現頻率較高的「關鍵詞」予以視覺上的突出,比如用戶畫像的標籤。
適合：在大量文本中提取關鍵詞。
局限：不適用於數據太少或數據區分度不大的文本。
儀錶盤
儀表盤
展現某個指標的完成情況。
適合：展示項目進度。
局限：只適合展現數據的累計情況，不適用於數據的分布特徵等。
雷達圖
雷達圖
將多個分類的數據量映射到坐標軸上，對比某項目不同屬性的特點。
適用：瞭解同類別的不同屬性的綜合情況，以及比較不同類別的相同屬性差異。
局限：分類過多或變量過多，會比較混亂。
漏斗圖
漏斗圖
用梯形面積表示某個環節業務量與上一個環節之間的差異。
適用：有固定流程並且環節較多的分析，可以直觀地顯示轉化率和流失率。
局限：無序的類別或者沒有流程關係的變量。
瀑布圖
瀑布圖
採用絕對值與相對值結合的方式，展示各成分分布構成情況，比如各項生活開支的佔比情況。
適合：展示數據的累計變化過程。
局限：各類別數據差別太大則難以比較。
桑葚圖
桑葚圖
一種特定類型的流程圖，圖中延伸的分支的寬度對應數據流量的大小，起始流量總和始終與結束流量總和保持平衡。比如能量流動等。適合：用來表示數據的流向。
局限：不適用於邊的起始流量和結束流量不同的場景。比如使用手機的品牌變化。
相似圖表：1）和弦圖。展現矩陣中數據間相互關係和流量變化。數據節點如果過多則不適用。
箱線圖
箱線圖
是利用數據中的五個統計量：最小值、第一四分位數、中位數、第三四分位數與最大值來描述數據的一種方法。
適用：用來展示一組數據分散情況，特別用於對幾個樣本的比較。
局限：對於大數據量，反應的形狀信息更加模糊。
本文作者：安琪Angela
責任編輯：BFA 簡報小聚 編輯部
簡報小聚 #30 2018 年 1 月聚會
1 月 25 日｜職場對話的秘密
BFA 簡報小聚是一個以簡報溝通為主題的交流聚會，每次聚會由「主題分享」與「自由交流」兩個環節組成。「主題分享」將由三位講者 (Before, After, Pro Speaker) 依次帶來 20 分鐘的簡報溝通故事、經驗或技巧分享。
而在下個月的聚會，Before Speaker 將在與三位駐場簡報人一對一交流 #邏輯結構 #視覺設計 #訊息溝通 後再次登台，成為 After Speaker。我們希望通過定期的聚會讓每一位參與的夥伴們都能看到簡報溝通力提升後，帶來的改變力量。
歡迎各領域朋友一起來聽三位講者分享簡報溝通經驗及技巧，並與現場的職場人士交流，渡過不同體驗的夜晚。
