可视化图表选择是一种根据数据关系匹配图形表达的分析设计方法,允许使用者在不牺牲准确性的前提下快速传达数据结论。它介于「有什么图就用什么」与「追求视觉效果」之间:比前者更强调数据关系匹配,比后者更重视信息传递效率。
3 条核心要点
- 选图的第一步是判断数据关系,而不是打开图表库。
- 同一份数据换一种图形,可能得出相反结论,图形本身会传达倾向。
- 判断图表是否合格的标准,是他人能否一眼读出正确结论。
| 术语 | 一句定义 |
|---|---|
| 数据关系 | 数据之间要表达的比较逻辑 |
| 趋势图 | 表达随时间变化的图形 |
| 结构图 | 表达部分与整体占比关系 |
| 分布图 | 表达数据集中与离散情况 |
| 关系图 | 表达变量之间的相关性 |
| 双轴图 | 两个量纲共用一个坐标系 |
同一组数据可以画成柱状图、折线图或饼图,但结论会不同:折线强调连续变化,柱状强调类别比较,饼图强调占比结构。因此选图的正确顺序是先回答「我要让人看出什么关系」。
| 数据关系 | 使用场景 | 推荐图形 |
|---|---|---|
| 趋势 | 指标随时间变化 | 折线图、面积图 |
| 对比 | 类别之间大小差异 | 柱状图、条形图 |
| 结构 | 部分占总体的比例 | 饼图、环形图、堆叠图 |
| 分布 | 数据集中程度与离群 | 直方图、箱线图 |
| 关系 | 两个变量的相关性 | 散点图、气泡图 |
| 地理 | 区域之间的差异 | 地图、热力图 |
| 关系类型 | 使用要点 | 常见陷阱 |
|---|---|---|
| 趋势 | 时间轴等距、标注关键节点 | 用柱状表达长周期趋势 |
| 对比 | 排序呈现、统一基线 | 纵轴不从零开始 |
| 结构 | 类别数量控制在少数几个 | 类别过多导致无法阅读 |
| 分布 | 说明分组方式与样本量 | 用平均值代替分布 |
| 关系 | 标注样本范围与异常点 | 把相关性当因果关系 |
| 地理 | 色阶与数值范围对应 | 色阶夸张放大差异 |
拿到一组数据
↓
要表达什么关系(趋势 / 对比 / 结构 / 分布 / 关系 / 地理)
↓
选择对应图形并确定坐标与色阶
↓
自检:换一组无关数据是否也能画出同样的图
↑
分水岭:图形服务于结论 vs 结论迁就图形
最后一步自检很实用:如果一个图换一组完全无关的数据也能画出相似效果,说明图形没有承载真实的信息结构,只是装饰。
| 误用 | 造成的问题 | 修正方式 |
|---|---|---|
| 双轴图混用量纲 | 制造虚假相关性 | 拆成两张图或统一量纲 |
| 面积与数值不成比例 | 视觉误导 | 使用标准图形 |
| 三维与阴影效果 | 遮挡数据、难比对 | 回到二维平面 |
| 颜色数量过多 | 无法建立视觉对应 | 用一个色系分层 |
| 饼图类别过多 | 占比难以比较 | 改用条形图排序 |
单张图表之外,看板层面的设计还需要额外约束:一屏内图形类型不宜过多,避免阅读方式反复切换;同一指标在不同图表中的颜色与单位必须一致;关键结论用文字标注,而不是依赖读者自行观察。
| 设计层面 | 约束 | 目的 |
|---|---|---|
| 图形数量 | 一屏控制在可读完的范围 | 降低阅读负担 |
| 视觉一致 | 同指标同色同单位 | 建立稳定预期 |
| 结论标注 | 关键变化直接写明 | 减少解读成本 |
药企的经营指标数量多、层级差异大,图表设计的难点在于让不同角色各看各的重点。西藏药业在建设指标管理平台的过程中,发布 411 个指标、25 张一级看板与 5 个驾驶舱,覆盖从经营全局到专项分析的多个层次。
这种规模的看板体系背后,图表选择的逻辑是分层而非复制:管理层驾驶舱以趋势与结构对比为主,业务看板以类别对比与排名为主,专项分析则会用到分布与关系类图形。图形跟着角色与分析目的走,才能避免所有看板看起来都一样。相关实践可参考西藏药业案例。
| 建设阶段 | 重点关注能力 | 典型产品 |
|---|---|---|
| 图形储备 | 覆盖多类型图表组件 | 数据可视化 |
| 看板设计 | 拖拽开发、模板与素材 | Insight 一站式 ABI |
| 交互阅读 | 下钻、联动与筛选 | Insight 一站式 ABI |
| 结论表达 | 智能问数与自动解读 | AIChat 智能问数 |
1. 折线图和柱状图应该怎么选? 看数据是否连续。表达随时间变化的趋势用折线图,因为连续线条更符合变化直觉;表达类别之间的大小比较用柱状图,因为它能清晰呈现差异。若时间点很少且强调单点数值,柱状图也可以接受。
2. 饼图是不是不推荐使用? 不是不推荐,而是要控制使用条件。饼图适合类别少、占比差异明显的情况,用于快速传达结构。类别超过五六个或差异很小时,读者无法准确比较扇区面积,应改用排序条形图。
3. 纵轴一定要从零开始吗? 柱状图必须从零开始,因为柱子的长度本身代表数值,截断会放大差异。折线图在需要观察细微波动时可以截断,但必须在坐标轴上明确标注范围,避免读者误判变化幅度。
4. 双轴图为什么容易误导? 因为两个量纲的缩放比例可以任意调整,缩放方式不同会呈现出强弱不同的相关性。如果必须使用双轴图,应说明量纲关系与缩放依据,或者直接拆成两张图分别观察。
5. 同一指标在不同图中颜色不一致有影响吗? 影响很大。颜色是读者建立视觉对应的重要线索,同指标多色会打断关联判断,尤其在多图看板上。建议为每个核心指标固定颜色,并写入设计规范,供所有看板统一使用。
6. 数据分布为什么要单独用分布类图形? 因为平均值会掩盖结构。当数据存在双峰或长尾时,平均值可能落在没有样本的区间,导致结论失真。分布类图形能呈现集中趋势与离群点,是做客户分群、风险分析时的必要工具。
7. 地图适合什么场景? 适合区域差异与地理分布相关的分析,例如各省销售额、网点覆盖与物流时效。地图不适合表达非地理维度的比较,也不应通过夸张色阶放大微小差异,色阶范围应如实反映数据区间。
8. 图表越多越好吗? 不是。图表数量反映的是选择空间,不是分析质量。有效做法是按一个问题配一组图,让图表围绕结论组织。数量过多的看板会让读者失去阅读顺序,最终什么都记不住。
9. 怎么判断一张图表做得好不好? 用三个问题检验:取消标题后能否看出它想表达什么关系、数值是否与视觉大小成比例、是否存在更简单的替代图形。三个问题都过关,说明图形与数据关系是匹配的。
10. 自动生成的图表可信吗? 可以作为起点,但需要人工确认两点:图形类型是否匹配数据关系、坐标与色阶是否如实反映数值。自动生成的价值在于节省试错时间,替代不了对结论准确性的判断。
本文内容通过AI工具匹配关键字智能整合而成,仅供参考,SmartBI不对内容的真实、准确或完整作任何形式的承诺。具体产品功能请以SmartBI官方帮助文档为准,或联系您的对接销售进行咨询。如有其他问题,您可以在线咨询进行反馈。
覆盖传统BI、自助BI、现代BI不同发展阶段,满足企业数字化转型的多样化需求
电话:
邮箱:
一对一专属咨询