导读
一家商铺,经理每天看起来忙忙碌碌的。老板想了解店面的经营情况。如果你是经理,你会怎么告诉老板经营状况?如果老板发现商铺总体都是盈利的,可是最近几月一直在赔钱,你又该如何跟老板解释原因,如何找到问题的根源?
带着这些问题,我们来聊一聊数据可视化:了解数据可视化的目的,和数据可视化逐渐发展过程中划分出的派系,帮助“商铺老板”决定什么时候做可视化,开展可视化工作的时候,选用什么样的可视化工具更能满足我们的要求。
1数据可视化的目的
我们认为,数据可视化的目的有两个:一是更好地分享和传达数据信息,而是通过设计之美有效地缩短信息的传达。
还是以这家商铺为例。经理可以告诉商铺老板,商铺的人流量、购买情况、会员信息,员工信息等相关数据,以及商铺雇佣了2名员工,营业额是200万元。这些信息只能让商铺老板了解经理做了什么,但是做得好不好,好的程度,他都感受不到。
如果经理告诉老板,我比去年同期少雇佣1名员工,卖出的值是去年同期的2倍。跟上个月比,雇佣的人数没变,卖出去的金额还比上个月多20万。汇报到这里,老板会记得这位经理做得好。
可是老板很忙的,然后老板很快就忘记了你做的事情。如果想让老板印象深刻,该怎么做?这个时候就用到数据可视化。数据可视化是用更直观和易于理解的,进行信息分享和沟通的方式,通过图表等设计方式,缩短信息的表达,同时给老板深刻的印象。下面我们就对比文字描述和数据可视化两种方式来做展示。
如图1和图2所示,是这家商铺近期的销量和人均贡献的柱图,直观显示本月、上月和同期销量值。通过柱子的长度对比,我们可以看到销量值在本月、上月和同期存倍数差异。
再如图3和图4所示,成本销量趋势图非常直观的揭示出,整体利润的下降是成本持续增高导致的。以上的图形都简洁明了的说明了数字的含义。一图胜千言,一图解疑惑。正因为如此,数据可视化成为了一种趋势。可视化的数据成为了人与人,人与数据,人与业务之间进行沟通的最便捷方式。
2数据可视化的派系
在说派系之前,我们先说说数据可视化的演变趋势。
最早时候,数据可视化只单纯为了更有趣的表现数据,无修饰,非常抽象。在演变过程中,图表在内容呈现上,开始更加重视展示,数字内容的可阅读性和可对比性,但依然属于对数字内容的定量展示。我们把在此之前的阶段,都定义为数据呈现阶段。
再后来,数据可视化的中心转移了——从呈现转移到了分析,关注重点不再局限在数字内容的定量展示,而转向了图形描述的数字内容可以给我们传达什么信息。自此,数据可视化开始承担呈现和传达两个核心功能。我们进入了数据分析阶段。
在数据可视化的发展进程中,呈现和分析分别被强化发展。根据需求侧重点不同,分别出现了数据可视化呈现派系和数据可视化分析派系。但无论哪个派系,数据可视化要做的都是分享和传达数据信息。
“根据需求侧重点不同,分别出现了数据可视化呈现派系和数据可视化分析派系。但无论哪个派系,数据可视化要做的都是分享和传达数据信息。”
数据可视化呈现派系,更加关注的是数据内容呈现的视觉冲击力,往往采用Unity、H5等技术手段实现。数据可视化呈现派系的代表有海云,数字冰雹等。
数据可视化分析派系,更加重视数据内容图形化后如何向自己的数据提出问题,促进数据发现,更多采用Flex、Excel可视化引擎等,也在逐步向H5过渡。数据可视化分析派系的代表有永洪BI、Tableau等。
谈到永洪BI,这里做一些介绍。永洪BI是永洪科技打造的一款数据可视化分析工具,整体架构为敏捷,探索式和高性能服务。底层,永洪BI自己研发的MPP数据集市,可以解决海量数据的存储和计算性能问题,达到对百亿数据的秒级响应。中间模型层,永洪BI采用轻量级建模,可视化建模,实现跨库、跨源数据连接,应对客户多种需求,不用担心时间成本,让用户敢于、勇于进行探索尝试。前端可视化拖拽分析,支撑强大的统计分析和多维分析功能,灵活易用又功能强大。
因此,永洪BI带有的敏捷、高性能、自服务和深度探索挖掘等属性,都保证了永洪BI是一款优秀的大数据可视化分析工具。
当然,数据可视化只是一个开始,我们还需要让分析报告既能看又能动,不光看的到数据,还可以交互式分析,每一次的交互过程都在眨眼间完成。通过逐级递进,层层深入挖掘,我们还可以能从中发现问题,找到答案,并付诸行动。
孔子曰... ...
引用菲尔·西蒙(Phil Simon)在《视觉组织》一书中的一部分内容与观点:“与以往相比,现在的专业人员更多地被要求基于数据进行论述或作出决定”,“在商界中,一种以数据为导向的新思维方式无所不在”。我们需要和数据对话,向数据发出问题,在和数据的交互中探索未知的新东西。大数据是产生新洞见的一个强力支撑。但如何支持?数据可视化给大数据的各种实践落地提供了检验依据。大数据的真正影响力因数据可视化而得以释放。“数据可视化是将大数据带入主流社会所必不可少的一部分”。