曲线变化背后的故事,你读懂了吗

“不要让老板感觉你在展示一张图表,而要回顾人的行为,描述曲线变化背后的事件。”不是“来看公司的季度财报”,而是“来看为什么公司没完成目标”。

也就是说,数据可视化已经不满足于信息的呈现,而更应该落实到有据可循的分析和决策制定中去。

假设,老板拿到销售报告,发现这季度的销售量下滑得厉害,究其原因时,毫无头绪,还得问销售经理,如果我们在制作这类数据可视化报告的同时,能够有意识的植入分析的思考,链接到各大区销售情况,各区域销售成本支出,或者回款滞留情况,项目进展进度等相关的数据报表,这才是一份合格的数据可视化报告。无疑,这样的工作用人工解决的工作量是十分庞大的,必须借助信息化工具来实现才是最快捷的方式。

数据可视化主要分为两类:一是假设检验,一是从数据中寻找规律、趋势和异常。前者的目标很明确,后者则相对发散。数据体量越大、复杂度越高、未知因素越多,探索工作的开放性就越高。

1.假设检验

在这类数据可视化探索中,你要回答下面两个问题中的一个:我设想的情况是否属实?如何用不同方式传达这一信息?在进行求证时,数据范围相对可控,所使用图表类型较为常规;当然,若想以新颖方式呈现信息,也可尝试较少见的图表。求证型图表一般不用于正式场合;你要先自己找到正式展示所需的图表。因此,你的时间不应花在设计上,而应快速尝试不同模板,找到最好的数据视觉化方案。

2.开放性探索

更多时候,针对数据的开放性探索是数据科学家和商业智能分析师的领地,不过erp工具例如正航软件让所有人都可以参与进来。即使缺少明确目标,开放探索型图表包含的数据范围较广,个别情况下可能会容纳多组数据,或建立自动更新数据的动态系统,也可用于统计建模。开放性探索很值得尝试,因为它经常带来独一无二的洞见。

 

免责声明:本文仅作学习交流用。如涉及版权,请联系删除。