数据可视化是指通过使用常见图形（如图表、统计图、信息图甚至动画）来表示数据。 这些信息视觉显示以一种易于理解的方式展现复杂的数据关系和数据驱动洞察。

数据可视化可以用于多种目的，需要注意的是，并非只对数据团队有用。 管理部门也可以利用数据可视化来表示组织结构和层级，数据分析师和数据科学家可以利用数据可视化发现和解释模式和趋势。哈佛商业评论  (链接在 IBM 外部）将数据可视化归入四种关键用途：创意生产、创意说明、视觉发现和日常数据可视化。 下文将深入探讨这些用途：

创意生产

数据可视化常用于在团队中激励创意生产。 它们常常在项目开始时的头脑风暴或 设计思维 会议中用来支持不同观点的汇总，并突出显示集体共同担心的问题。 虽然这些可视化通常未经精心制作，但有助于奠定项目基础，以确保团队就要为关键利益相关者解决的问题方面达成一致。

创意说明

在创意说明方面，数据可视化可帮助传达想法，例如策略或流程。 它常用于学习环境，例如教程、认证课程、卓越中心，但也可以用于表示组织结构或流程，促进负责特定任务的相关个体之间的沟通。 项目经理经常使用甘特图和瀑布图描述 工作流程。数据建模 还使用抽象来表示和更好地理解企业信息系统中的数据流，让开发人员、业务分析师、数据架构师、业务分析师和其他利益相关方可以更轻松地查看和理解数据库或数据仓库中数据之间的关系。

视觉发现

视觉发现和日常数据可视化与数据团队关系更密切。 视觉发现帮助数据分析师、数据科学家和其他数据专业人士识别数据集中的模式和趋势，日常数据可视化支持发现新洞察后的后续叙述。

数据可视化

数据可视化是数据科学流程中的关键步骤，可帮助团队和个人更有效地向同事和决策制定者传达数据。 管理报告系统的团队通常利用定义的模板视图来监视性能。 但是，数据可视化不仅限于性能仪表板。 例如,  文本挖掘 分析师可以使用词云来捕捉该非结构化数据中的关键概念、趋势和隐藏关系。 他们还可以利用图结构来说明知识图谱中实体之间的关系。 有多种方法可以表示不同类型的数据，请务必记住，这是一个应该超越核心分析团队的专长。

最早的数据可视化形式可以追溯到十七世纪之前的埃及人，当时广泛用于辅助导航。 随着时间的推移，人们将数据可视化用于更广泛的领域，例如经济、社会、健康领域。 或许最著名的文献是 Edward Tufte 发布的 《量化信息的视觉显示》(链接位于 IBM 外部），其中描述了个人可以利用数据可视化以更高效的方式呈现数据。 多年来，这本书备受推崇，尤其是公司开始使用仪表板实时报告绩效指标。 仪表板是十分有效的数据可视化工具，可以跟踪和呈现来自多个数据源的数据，方便用户了解团队的具体行为对绩效的影响。 仪表板包括常见的可视化方法，例如：

• 表格：由行和列组成，用于比较变量 。 表格以结构化方式展示大量信息，但对于只想寻找大体趋势的用户来说，也会觉得眼花缭乱。

• 饼图和堆积条形图： 这些图形分成多个部分来表示一个整体的不同部分。 它们提供了一种简单的方法来组织数据并比较组件的大小。

• 线形图和面积图： 这些视觉显示通过绘制一段时间内的一系列数据点，来展示一个或多个数量的变化。 线形图利用线条展示这些变化，而面积图用线段将数据点连接起来，然后将变量堆叠起来，并用颜色区分不同的变量。

• 直方图：该图形使用条形图绘制数据分布（条形之间没有间隔），表示属于特定范围的数据数量。 这种视觉表示使终端用户容易识别给定数据集内的异常值。

• 散点图：这些视觉表示对于揭示两个变量的关系十分有用，通常用于回归数据分析。 但是，有时可能会与气泡图混淆，气泡图用于通过 x 轴、y 轴和气泡大小来呈现三个变量。

• 热图： 这些图形显示有助于按位置呈现行为数据。 位置可能是地图上的地点，甚至是网页。

• 树形图：以一组嵌套形状（通常是矩形） 展示层级数据。 树形图非常适合根据面积大小比较类别比例。

相较于过去，现在访问数据可视化工具已经非常容易了。 D3.js 等开源库为分析师提供了以交互式方法展示数据的方式，是他们能够利用新数据接洽到更广泛的受众。 一些最常见的流行开源可视化库包括：

• D3.js：这是一个 JavaScript 库，用于在 Web 浏览器中产生动态的交互式数据可视化。D3.js (链接位于 IBM 外部）使用 HTML、CSS 和 SVG 来创建可以在任何浏览器上查看的视觉表示。 它还提供交互和动画功能。

• ECharts： 这是一个功能强大的绘图和可视化库，使用户能够轻松地向产品、研究论文、演示文稿等添加直观的、可高度自定义的交互式图表。Echarts (链接位于 IBM 外部）基于 JavaScript 和 ZRender，是一个轻量级画布库。

• Vega: Vega (链接位于 IBM 外部）将自己定义为"可视化语法"，支持对可以从 Web 访问的大型数据集自定义可视化。

• deck.gl：这是 Uber 开源可视化框架套件的一部分。deck.gl (链接位于 IBM 外部）是一个框架，用于对大数据的 探索性数据分析 。它有助于构建 Web 中由 GPU 支持的高性能可视化。

虽然有这么多数据可视化工具可用，但无效信息可视化也呈现上升趋势。 视觉通信应该简单易懂、目的明确，确保您的数据可视化能够帮助受众了解您要传达的信息或结论。 以下最佳实践可以帮助确保您的数据可视化切实有用且言简意赅：

设置上下文： 务必要提供笼统的背景信息来说服受众为什么该特定数据点很重要。 例如，如果电子邮件打开率很低，我们想要说明某家公司的打开率与行业总体打开率的比较，借此揭示该公司在该市场营销渠道的问题。 为推动采取行动，受众需要理解当前绩效与某个实际参考的比较，例如目标、基准或其他关键绩效指标 (KPI)。

了解您的受众：想一想您是为谁设计可视化，并确保您的数据可视化符合受众的需要。 这个人想要达到什么目的？ 他们关心什么样的问题？ 您的可视化是否能解决他们的顾虑？ 您一定希望自己的提供的数据能够激励人们在他们的职责范围内采取行动。 如果您不确定可视化是否足够明确，将其展示给目标受众的一两个对象，看看他们如何反馈，从而在进行大规模展示前进行更多修改。

选择有效的视觉： 为特定类型的数据集设计特定视觉。 例如，散点图展示两个变量的关系，而线形图适合展示时间序列数据。 确保视觉效果确实有助于受众理解您要表达的主旨。 图表和数据不一致会导致反效果，让受众更加困惑，起不到说明作用。

保持简单： 数据可视化工具使您能够轻松在视觉效果中添加各种类型的信息。 但是，不能仅仅因为可以，就意味着应该添加！ 在数据可视化中，您需要深思熟虑，确定添加哪些额外信息来吸引用户的注意力。 例如，在条形图中，是不是每一个条形上都需要数据标签？ 或许您只需要一两个就足以说明您的观点。 您是不是需要各种颜色来表达您的想法？ 您使用的颜色是不是所有受众都能看到（例如，考虑色盲受众）？ 设计数据可视化时，消除可能会导致目标受众分心的信息来尽可能提高影响力。