文档介绍：概念
借助于图形化的手段，清晰、快捷有效的传达与沟通信息。从用户的角度，数据可视化可以让用户快速抓住要点信息，让关键的数据点从人类的眼睛快速通往心灵深处。
数据可视化一般会具备以下几个特点：
准确性
创新性
简洁性
第一页，共67页。
意义
1、表达观点
人类是视觉动物，一张简单的数据可视化图表在传递大量信息的同时，能更加直观地阐述观点，为浏览者带来更深刻的印象。比如最为经典的就是1857年，南丁格尔设计的玫瑰图。她讲每月牺牲的战士数量以及死亡原因，列成一张图表，直观的表达了战争的可怕以及军队医疗条件的重要性。
这张图很简单，但是却真正直接客观的将各种数据展示在女王面前，从而为军队赢来更好的医疗条件。这是当时的数据可视化，也是真正的一图胜千言的代表。
第二页，共67页。
意义
2、发现联系
在错综复杂的数据中，很难发现不同维度和指标之间的关联关系，通过数据可视化的方式则可以轻松验证。
日本有一家啤酒厂，收集了近 30 年的气象资料，将其与当月的啤酒销售情况相联系，绘出了“啤酒气温曲线”。通过这个图表可观察出，在市场趋于饱和的情况下，气温成了决定啤酒销量升降的主要因素。于是，这家啤酒厂根据天气情况，合理安排生产，收到了良好效果。越来越多的企业开始重视公司自身数据的收集和处理，通过商业 BI 系统的帮助，在可视化的图表中，发现潜在的联系，以此优化、改进公司策略。
第三页，共67页。
具体的实施主要分为：获取数据、数据处理和可视化3步
1、获取数据
数据可视化的第一步，首先要拥有数据，数据来源主要有以下几种：
自有数据
公司运营过程中最直接的数据。比如成本数据，销售数据。对于互联网公司来说，注册用户的用户名、性别、年龄、消费记录等，这也是最关键、最核心的数据。
爬虫采集
互联网上有大量的资源，比如豆瓣上有最全的书、电影的数据，京东、淘宝上有丰富的商品数据，微博上有大家讨论最多的话题和微博，而这些数据常常难以直接批量获取，需要通过写程序的方式爬取数据。竞争对手的数据常常也可以通过爬虫抓取。
购买、合作、公共数据等
通过购买、合作的方式获取数据，统计局等机构的网站上也会有很多数据可供研究。
第四页，共67页。
2、数据处理
数据清洗
这一步需要清洗掉不合法的数据。需要根据具体的业务情况来判断哪些是不合法的数据。比如收集到的调研问卷中，回答自己是学生，同时是妈妈的群体；在实际的业务中，会有很多类似的逻辑矛盾的数据。
数据扩充
很多数据背后包含更加丰富的信息，比如可以通过用户注册的手机号，扩充到归属地、运营商，通过 IP 可以定位的 IP 所在城市，通过用户的 User Agent，可以扩充用户使用浏览器、操作系统、手机机型等信息。通过数据扩充，挖掘背后更多的联系。
数据的预处理
采集到的数据可能是百万千万甚至上亿的数量级，常见的可视化工具无法处理如此庞大的数据量，这一步则需要进行数据预处理，将数据聚合以及初步的统计，处理成可视化工具容易识别和处理的格式。
第五页，共67页。
一、面积&尺寸可视化
对同一类图形（例如柱状、圆环和蜘蛛图等）的长度、高度或面积加以区别，来清晰的表达不同指标对应的指标值之间的对比。这种方法会让浏览者对数据及其之间的对比一目了然。制作这类数据可视化图形时，要用数学公式计算，来表达准确的尺度和比例。
3、数据可视化
下面从最常用和实用的维度总结了五种数据可视化方法：
第六页，共67页。
一、面积&尺寸可视化
第七页，共67页。
一、面积&尺寸可视化
第八页，共67页。
二、颜色可视化
通过颜色的深浅来表达指标值的强弱和大小，是数据可视化设计的常用方法，用户一眼看上去便可整体的看出哪一部分指标的数据值更突出。
第九页，共67页。
二、颜色可视化
第十页，共67页。