數據可視化就是藉助於圖形化手段，清晰有效地進行信息傳達與溝通。許多人會着眼於“可視化”，認爲數據可視化就是將一系列看上去很炫、很複雜的圖表展示在頁面上。其實不然，雖然可視化脫離不了各種圖表類型，但並不意味着要以增加用戶理解難度爲代價去實現複雜的功能；或者爲了看上去絢麗多彩而失去其最根本的意義：傳達與溝通。
數據可視化產生生產力
數據可視化之所以會大受歡迎，其原因不僅在於能帶給用戶良好的的視覺效果，更因爲它能夠產生生產力，形成數據驅動閉環，主要包含以下幾個階段：
- 技術人員運用技術手段將需求分析、基礎數據整合、數據計算等操作結合到一起進行數據可視化，實時監控數據的變化情況。
- 用戶能夠使用這些可視化圖表，進行分析、對比等操作，定位業務問題。之後再結合業務變動提出新的需求。
- 技術人員將用戶訪問數據與新的業務需求結合，重新進行數據整合、分析、計算，循環往復下去。
如下圖所示：
圖1. 數據驅動閉環
實現用數據可視化的方式不斷驅動業務的提升，產生生產力、創造收益。
如何使數據可視化產生生產力？
滿足這一目的的前提在於－－“創造出都能讀懂、易於操作、能夠提前預警的圖表”，關鍵因素有以下幾點：
1、選擇合適的圖表類型
選擇圖表的時候，許多人認爲基本圖表太過簡單，不夠高端大氣，因而更傾向選擇複雜的圖表類型。實際上越簡單的圖表越容易理解，對用戶的友好程度越高。只要能夠高效清楚地傳達業務含義，就應該優先選擇。
例如，餅圖比較適合反映某個部分佔整體的比重，而折線圖能更好的反應數據變化的趨勢；分組柱狀圖和堆疊柱狀圖都能夠顯示數據集的分組情況，但是彼此間的差異卻讓它們在特定情況下顯得更加強大。在比較同一分類不同組的數據或者同組不同分類的數據時，分組柱狀圖更能體現優勢；然而在比較每個分組之間的總量時，堆疊柱狀圖顯然更加合適。下面分別使用這兩種圖表在展示不同地區、不同年齡段人口數量分佈時顯示的效果：
圖2. 分組柱狀圖（Grouped Bar Chart)
圖片來自：https://bl.ocks.org/mbostock/3887051
圖3. 堆疊柱狀圖（Stacked Bar Chart)
圖片來自：https://bl.ocks.org/mbostock/3886208
要想讓受衆讀懂圖表所表達的業務含義，就要選擇合適的圖表類型。在選擇時，首先需要清楚的知道不同圖表的優劣以及它們適合的應用場景；除此之外儘量選擇一些簡單的、易於理解的圖表類型。但這不意味着不能選擇複雜的圖表類型，有的圖表雖然看起來比較複雜，但是卻能很好的反映一些業務場景，再輔助一些文字說明等其他手段，降低用戶的使用難度，也未嘗不可。
選擇圖表時，以業務爲基礎。只要能夠清晰地表達業務數據背後含義，不讓用戶產生歧義，都值得考慮。
2、易用的、多維度的交互分析
隨着數據類型的多樣化，數據間的關聯關係也越來越複雜。僅僅展示單維度的數據，是無法讓用戶輕易發現數據之間的聯繫、挖掘出更多業務價值的。同樣，若是交互方式過於複雜，也只會增加用戶的使用難度而已，不利於業務長期發展。因此易操作的、多維度的交互分析對於數據可視化來說必不可少。多維度的分析方式有很多種，以下是常見的幾種：
- 鑽取： 將彙總數據拆分到更細節的數據；在維的不同層次間的變化，從上層降到下一層。
- 上卷： 鑽取的逆操作，即從細粒度數據向高層的聚合。
- 切片： 選擇維中特定的值進行分析。
- 切塊：選擇維中特定區間的數據或者某批特定值進行分析。
- 篩選： 通過不同的維度或者類別過濾出用戶想要的數據。
- 聯動：若干個相關聯的圖表，一個圖表發生變化，其他的也會跟着發生變化。
下面是一些圖表的樣例：
圖4. 樹圖（不同數據層次，可以進行數據的鑽取、上卷的等等操作)
（圖片來自：https://bl.ocks.org/mbostock/1093025）
圖5. 同步聯動圖（圖中顯示的是在某一到達距離時的速度、高度以及心率）
（圖片來自：http://t.cn/RoUdHCX）
有選擇的將不同交互方式進行結合，能夠發揮出更強大的作用。再輔助高效靈活的追加合併、拖曳式操作進行數據的挖掘分析，就可以幫助用戶快速定位問題，釋放勞動力，提升效率，不再需要程序員花費大量精力在日誌文件中尋找問題的原因。同時通過各類數據的橫向、縱向對比，業務人員能夠從中挖掘出更多的業務需求，創造更大的商業價值。
3、預警功能
數據可視化除了能夠幫助定位已有的問題，另外一個更大的價值是能夠及時預警。
一旦數據出現異常或者是提前預定義的一些條件被滿足時，警報就會被觸發，提前預警。通過設置報警方式、報警策略、報警等級等等，根據緊急程度用不同的方式通知特定的人羣。這樣在問題發生之前，就能預先做好防護措施；或者在問題發生的時候，能夠及時通知負責人，儘快解決問題。這樣不僅能縮短反饋週期（發現問題－找到責任人－定位問題－解決問題），也能降低對用戶的影響，提升用戶對產品的信任度，很好的降低業務損失。
總結
除了上述提到的一些關鍵因素，好的數據可視化平臺、產品也有許多其他的共性： 友好的用戶體驗設計，頁面的交互邏輯要符合真實的用戶路徑； 可以多終端使用 ，尤其要能契合移動端體驗的可視化設計實現，使得人與數據零距離，隨時隨地可用；強大的數據整合、計算、渲染能力，就算圖表表達的業務含義再精確，性能的缺失也是致命的。 支持多種數據源整合、多數據類型的擴展等等。 對產品用戶使用情況進行監控、分析。瞭解真實用戶人羣、用戶路徑、用戶的核心關注點，幫助產品進行改善
總之，好的數據可視化，就是要以用戶爲中心。根據目標用戶的需求提煉業務需求，以用戶的良好體驗爲目標，繪製出人人都能讀懂的圖表；以人人都會的交互方式，幫助用戶挖掘業務價值，提升工作效率，促進業務持續發展，讓數據可視化產生生產力。