工作中我們常常會遇到各種各樣的資料,為了分析這些資料,往往會將其視覺化。資料視覺化的第一步就是選擇合適的圖表。

怎麼做圖表?從Excel時代起,大家固有的思維就是按:有幾個「分類」,分幾個「系列」去填充資料。選擇能直觀展現結果的圖表來展現。這個過程其實是先有大致的資料分析結果,後用圖表來表達,我們稱之為視覺化1.0。而且,對於這種傳統圖表的展示形式,資料分析統計的人員來說往往會存在這樣一些問題:

a.視覺化效果取決於工具所提供的有限的圖表類型

工具提供的圖表類型是有限的,而分析的需求是無限的。設想一旦分析的結果是多維的,手中的圖表就那麼幾個,那資料視覺化就很受局限。

b.理解 「分類」/ 「系列」等一系列人為定義的屬性,本身就有很大的使用難度

這個小編深有體會,每次用excel做圖表,我都不懂何為分類,何為系列,各種抓瞎點擊。雖然excel 2013版本之後能自動出圖表,但維度一多,免不了各種調試。其實「分類」,「系列」等概念,對於初步接觸分析的使用者來說,還是要花點時間深入理解的。

c.不知道用什麼圖表,為了做圖而做圖

從大部分想要資料分析的使用者調研來看,有59%的使用者表明「採用什麼圖表分析展示資料,是使用者面臨的最大問題。

所以,現如今資料分析盛行且極有可能在未來成為必備技能的時代,圖表更應該輔助分析,在龐大、雜亂無序的資料中講信息精簡出來,伴隨分析思路,幫助探索式分析,我們稱之為視覺化2.0時代。

市面上的視覺化工具大多是1.0,能輔助分析思路,視覺化展現圖表的工具並不多,tableau是先驅。而最新出來的FineBI 5.0版本,除了探索式資料分析的體驗,帶有資料探勘屬性,可動態展現的特性,也同樣值得推薦。

FineBI V5.0的視覺化分析是基於著名的圖形語法(The Grammar Of Graphics)設計,由此提供了無限的圖表推薦,不限制屬性映射效果以及全新的分析功能。

它取消了圖表類型的概念,以「形狀」和對應的「顏色」,「大小」,「提示」,「標籤」等屬性(除支持自由設定之外還支持與欄位綁定動態展現)進行圖表類型替代,這樣一來FineBI也就擺脫圖表類型對視覺化效果的限制,從而達到無限制圖表類型的展現能力。

智慧圖表推薦展現

FineBI能夠根據使用者拖入的欄位(維度類型/個數、指標個數、資料週期性)進行智慧圖表類型推薦,用最適合的形態進行當前的資料統計呈現。

舉個簡單的例子,你拿到一串資料,比方說講「月份」「銷量「兩個維度拖到面板匯總,就會自動選擇用柱形圖來展現。

如上圖所示,從此以後再也不用糾結用餅圖做好還是用折線圖做好了。

FineBI可視化效果:

分析性圖表

圖表是追隨於資料分析思路的。

比如「分面展示」其實是提供了一種將多項指標並列分析的資料觀察視角。比如我想同時觀察溫度和襯衫銷售的資料趨勢,這個時候就可以使用分面分析來進行資料統計觀察。通過分面,可以分析不同指標的相關性,從而發現資料的潛在關聯。

列舉一個簡單的例子,我們使用分面展示模式來觀察不同學歷對加班時長和收入的影響(非實際資料):

不同年份的銷量與增長值之間的關聯(非實際資料):

Dashboard——構建資料分析故事

通常我們在做一些資料報告性質的場景下,需要利用資料創造出吸引人的、信息量大的、有說服力的故事。而FineBI除了提供無限的圖表分析之外,儀錶板還可供使用者進行靈活地資料圖表佈局分析,輕鬆構建出你的資料圖表思維邏輯,讓你擁有獨到的洞察性資料見解,進而達到有效溝通或者資料彙報的目的。

地產銷售視覺化資料分析故事

——銷售額逐年逐月上漲
——各市房地產銷售額均較高
——高層賣的好,銷售面積遙遙領先
——住宅的銷售在各年份都處於領先地位

多角度銷售視覺化資料分析故事

——何時何地應該出售什麼?兒童服裝、女士服飾、男士服飾?
——哪種品類銷量最好?
——哪個區域銷量最好?
——哪個門店銷量最好
——哪個品牌銷量最好
——哪一天銷量最好?

圖表自我調整

除了豐富的圖表呈現心態之外,FineBI中提供四種圖表內部的自我調整模式,包括:

標準適應:內置演算法,當橫縱向資料較多時,圖表內部自動生成對應方向的滾動軸。

整體適應:橫縱向填充滿當前展示元件。

寬度適應:橫向填充滿資料,縱向根據資料情況,判斷是否出現內部滾動軸。

高度適應:縱向填充滿資料,橫向根據資料情況,判斷是否出現內部滾動軸。

四種適應模式,滿足使用者dashboard設計時,不同的佈局需求。同時,FineBI還支持使用者手動調整坐標軸元素寬度,滿足更多的自定義展示需求。

動態圖表呈現

除了靜態的圖表展現之外,FineBI還支持使用者增加圖表注釋以及閃爍動畫,可由使用者自由定義條件進行動態展示,打破了傳統圖表靜態呆板的呈現形式,讓使用者體驗更加生動的資料圖表展現效果。

大數據圖表性能

此外,FineBI提供的圖表大數據模式,依靠前端性能,可支撐百萬以上資料量的圖表展示。

資料分析人員的新利器——資料探勘

FineBI這個資料分析工具,目前支持時間序列演算法、聚類演算法、分類演算法等三類資料探勘方法,還支持和R語言的集成。

如果你想預測未來的銷售額,你想智慧的給使用者群分類,或者你想知道簡訊發給哪個使用者獲得的反饋可能性比較大,這些在FineBI中都將會成為現實。


此外,FineBI還將時間序列演算法和聚類演算法,和圖表分析相結合,也就是大家不止可以實現預測和聚類,更進一步,只需要簡單的拖拖拽著就可以立即看到預測和聚類的結果,讓資料探勘不止於能用,更要易用。

最後

由於篇幅限制,本文所講的圖表只是FineBI工具的冰山一角。其本質既是一個資料分析視覺化工具,又是可以協助企業資料分析的工具。感興趣的同學們可以到FineBI官網激活試用(中文簡體版,個人免費),進行深入了解!希望這款BI工具能夠幫助大家提高日常工作中的資料分析效率。

文章標籤

創作者介紹
創作者 leohope 的頭像
leohope

帆軟大師兄

leohope 發表在 痞客邦 留言(0) 人氣()