光芒绽放：妙用“GLAD原则”打造标准的数据可视化图表

文章目录

  • 光芒绽放：妙用“GLAD原则”打造标准的数据可视化图表
  • 前言
  • 一、可视化工具有哪些？
  • 二、那如何做出正确可视化图表 ？GLAD原则
    • 1.G原则
    • 2.L原则
    • 3.A原则
    • 4.D原则
  • 三、总结
  • 最后

前言

之前读过一本书《人类简史：从动物到上帝》。是 1976年出生的赫拉利写的，在2016年我读了中文版 。该书在2011年出版的希伯来文版，另外还被翻译为45种语言。里面有一句经典的话是这么说的。

人类不了解自己，只好让科技替自己做决定。也说到了关于数据和技术的深远影响

这个也是坚定我走数据这条路的原因。大家可以去看看。

一、可视化工具有哪些？

以下一些工具是比较常见的 可视化工具了，大家了解下（来源搜索引擎）

  • Tableau: 一款功能强大的商业智能工具，支持创建交互式和高度定制化的可视化。
  • PowerBI和Excel :微软推出的业务分析工具，能够将数据转化为丰富的报表和仪表板。
  • Google Data Studio:谷歌的可视化工具，可以连接多种数据源，创建仪表板并与他人共享。
  • D3.js:一个基于JavaScript的数据驱动文档库，用于创建动态和交互式的数据可视化。
  • Matplotlib: 一个用于绘制静态、动态和交互式图表的Python库，特别适用于数据科学领域。
  • Plotly:一个支持多种语言（包括Python、R和JavaScript）的绘图库，用于创建交互式图表。
  • Infogram:一个在线可视化工具，适用于创建各种图表、图形和地
  • QlikView/Qlik Sense:用于创建交互式仪表板的商业智能工具，支持实时数据析。
  • Highcharts:一款用于创建交互式图表的JavaScript图表库。
  • Chart.js:轻量级的JavaScript图表库，适用于在网页上创建简单的图表。
  • Superset：Apache Superset是一个现代的数据探索和可视化平台。它功能强大且十分易用，可对接各种数据源，包括很多现代的大数据分析引擎，拥有丰富的图表展示形式，并且支持自定义仪表

在中国用的比较多的有

  • 百度数据图谱： 百度推出的在线数据可视化工具，支持用户通过简单的拖拽操作创建各种图表.
  • DataV 数据可视化： 阿里巴巴旗下的产品，提供丰富的可视化组件，支持实时数据展示、数据分析和仪表盘设计。
  • 图格易达： 提供数据可视化、图表制作等服务，支持多种图表类型和数据源。
  • FineReport/FineBI： 功能强大的报表和数据可视化工具，支持多种图表类型，适用于企业级数据分析和报告制作。
  • 云图： 专注于大数据可视化的公司，提供可视化分析、数据展示等服务。
  • 易观方舟： 主要用于移动应用数据分析和可视化，帮助企业更好地理解用户行为和趋势。
  • smart BI:
  • 观远 BI :

二、那如何做出正确可视化图表 ？GLAD原则

最近在 学习帆软BI，学到了GLAD原则分享给大家

GLAD原则是什么？
Good data and insight—需要好的数据和洞察
Less Nosie—-去掉噪音和干扰因素
Accurate expression —-需要准确的表达
Distinct Mark —（突出分析重点 ）

1.G原则

这个其实大家很好理解

所有的数据分析层次分一般分为几种

描述型分析：比如数据监控，比如上线一个新产品看产品状态
预测型分析：就是很来理解，比如回归，预测未来的销售额
诊断性分析：也很好理解，就是比如 有个销售员，通过各种维度和指标的分析，分析哪个销售更优秀。
指导型分析：通过分析，指导运营做业务决策，发挥更好的商业价值

 - 需要满足MECE 原则 ，也就是 不重复，不遗漏，数据是否使用适当

比如 下面的图看出什么 ？

那如果换一个思路呢” />

2.L原则

  • 图表颜色降噪
    图1正确，图2错误
  • 辅助信息降噪1
    图1错误，图2正确（单位改为百万，双坐标）
  • 辅助信息降噪2
    图1错误，图2正确

3.A原则

  • 根据分析目的使用适合的图表

  • 数据密度是否适合，数据密度小

图1错误，图2正确

图1

图2

  • 数据密度是否适合，数据密度大
    图1错误，指标要多

    图2正确 （分2个图显示）

  • 显示效果是否表达准确，坐标轴失真
    图1正确 图2错误（坐标轴太大）

  • 显示效果是否表达准确，过渡装饰

图1正确 图2错误（没有必要）

4.D原则

  • 画龙点睛-打造视觉反差

  • 画龙点睛-是否突出的洞察标识（加入平均线）

  • 画龙点睛-是否突出重点

三、总结

本文 的GLAD原则 介绍主要来自《 乐见数据：商业数据可视化思维》一书马世权老师的书，大家可以去读一下。写技术博客也是一样是一种累计，需要写一些对自己或者对他人用的。如果你是数据分析师，是数据产品，是数据开发，或者是从事数据相关的工作或许上面文章对你有帮助。

最后

希望这个GLAD原则 ，对大家作可视化分析有帮助 。
一键三连，心想事成。