内部交流│9期
从0开始构建仪表盘
图表可视化之道
data analysis
●●●●
分享人：瓜瓜
数据可视化是传达信息的最好的方法之一，它可以直观地呈现数据，快速吸引用户的注意力。数据仪表盘就是一种非常有效的数据可视化工具，它可以将业务的关键指标以可视化的方式展示到一块，不仅可以让业务人员快速、直接地从繁杂的业务数据中找到重要数据，还可以对决策人员起到辅助作用。
其主旨在于借助于图形化手段，清晰有效地传达与沟通信息。那么，“清晰有效”才是仪表盘的重点。而如何通过构图突出重点，在主要信息和次要信息的布局，明确层级关系，呈现出一个合格的数据仪表盘呢？
所以今天，小飞象非常荣幸的邀请到了就职于某上市公司的数据分析师，擅长数据可视化、机器学习、数据分析等等，分享主要以实操为主 ：数据可视化仪表盘之道，并梳理一下关于数据可视化相关的内容以及相关概念！
将会为大家分享《实操分享：从0开始构建仪表盘，图表可视化之道》的相关内容，主要有三部分：
1、从0开始构建仪表盘
2、如何做一个合格的数据仪表盘
3、数据可视化相关工具介绍及概念
瓜瓜的小宝藏涉及excel、sql、python等数据分析数据可视化6篇原创内容
公众号
（瓜瓜个人公众号）
为了更好的后面做好小飞象内部交流会，需要您帮忙做两件事情：第一，您想想这次为什么想参加这一期的交流会，以及希望在交流会中希望收获到什么？第二，在交流会结束后，请和我说一下您的收获和感受。（可以在公众号留言交流，小飞象内部交流会往期回顾）
做一个对世界充满好奇的人！在分享之前，我们可以先思考几个问题：
★你认为/了解过什么数据仪表盘？
★你结合自身经历，是否在工作中也遇到过“数据仪表盘”？
★你知道的一优秀或者合格的数据仪表盘是怎么样的？有什么原则么
......
在分享的过程中，建议全程认真听，带着思考来听（去看），希望通过本次分享，来给大家做一次系统的数据分析可视化分享，来解答大家对于可视化的疑点，并给做数据分析的人员提供一些思路，有任何问题都可以随时交流哦！
正式分享
—▼—
▼
在进入正题之前，我们介绍一下所用的数据可视化仪表盘的工具都是属于Excel组件：power query、power pivot。
power query 简称pq,通俗一点解释pq就是实现数据获取和数据清洗的一个工具,可以称之为神器。是属于excel的组件。
pq可以做什么：
①数据查询：将需要处理的数据放入pq中,pq获取数据的部分,从excel表数据选项卡下新建查询,pq可以获取服务器(所支持的服务器较多)、工作簿、文件夹、csv、html等、获取外部数据自web(可以进行简单的爬虫)
②数据处理：进入pq之后上面就是选项栏,左边是查询的表格,右边是处理的步骤,你处理过每一步都会显示出来,想撤回就删掉这个步骤就可以了.具体怎么进行处理呢,对pq中的数据进行增加、删除、修改、转换、合并、拆分、排序、筛选、透视、逆透视等操作，只需要点击鼠标就能完成的功能,最终变成自己需要的数据。
excel也可以做，那么，pq与excel区别是什么?
第一、数据无限制,excel有一百多万行的限制在pq里面没有
第二、pq可以简单操作就能实现excel里面写长公式跟vba
第三、pq可以自动保存,不用怕突然蹦快掉了
③数据上传：将pq中处理好的数据上传（上载）到（Excel表、数据模型等），在数据源发生改变时，通过刷新自动得到最新的结果数据。
上传到数据模型之后就可以链接到power pivot了。
举个实用的案例-合并sheet表格，首先新建查询-从工作簿，导入数据后选择多项，选择全部，点击转化数据，主页选项卡下有个追加查询,选择另一个表点击确定，这样就完成合并了。
然后我们再讲一下power pivot，它在开发工具下的com加载项打勾就可以进行出现，英文名字叫数据透视表,可以简单的理解为数据透视表的升级版。
他们两个的区别在哪呢，数据透视表只能对单张表进行透视，power pivot可以利用关系进行多表链接，可以搭建庞大的数据模型。
基本的数据流程：
1、进入power pivot 创建数据模型。第一从pq里面加载上传之后点击管理就可以直接进去；第二选择数据区,点击添加到数据模型也可以进入；
2、创建关系。如果多个表进入数据模型的话就可以创建多表之间的关系，点击关系图视图，拖拖拉拉拽拽就可以了；
3、然后就可以进行数据透视表跟数据透视图。
如果没有pivot，选择开发工具，点击com加载项。那我们简单的做一个简单的数据可视化大屏，我们今天主要用到power pivot关系图视图，目的就是创建多表之间的关系，点击关系图视图。
—▼—
▼
那么，我们现在开始实操，先过一下具体的流程：
接下来，我们来具体来操作一下，如下图：
▼
1、导入数据：数据选项卡下-》新建查询，每个版本有可能不一样，点击转换数据。
▼
2、清洗数据：刚刚打开表格的时候就已经发现数据存在空格、只有数量和单价并没有总金额的情况,我们需要进行数据清洗.去除掉前后单元格：转换-》格式-〉选中修整就把选中的列里面前后单元格空白清掉了。
▼
3、计算字段。计算总金额:添加列-》自定义列-〉输入公式 单价*数量,转化为数字格式。这样初步进行数据清洗就完成了,power query有很强大的数据清理功能,这个教程我们以后再说。
▼
4、上载模型：选择关闭并上载至...,然后点击仅创建链接,将此数据添加到数据模型打勾数据加载到power pivot。
▼
5、打开数据模型点击power pivot 管理数据模型。
▼
6、创建表关系。点击主页下面的关系图视图,让这三个表关系链接起来,目的就是通过产品名称调用总金额,员工姓名区域调用总金额。
▼
7、计算度量值然后开始计算度量值-》输入=sum(),修改度量值名称为销售金额，下面计算订单数=count(),修改名称为订单数。
▼
8、主要指标展示。中间位置的插入数据透视表-现有工作表-选个单元格。
▼
9、图表制作。插入数据透视图-现有工作表-选个单元格,进行选择。配件制作如下：
（圆环制作）
（矩形棱角制作）
最终形成的仪表盘，如下图：
—▼—
上面的可视化仪表盘不能说好看，只能说不难看，对于排版，可以借鉴别人的案例。推荐几个配色网站：
https://vanschneider.com/colors
https://echarts.apache.org/zh/theme-builder.html
现在，我们来看一下上面做的仪表盘中间这两个指标，一个是金额，一个是订单数，这个表达的意思是什么？就是个数对不对，你跟你领导说这个月卖了多少多少，那这个数字是好还是不好，是大还是小，这个时候就需要一个参照物进行对比，需要通过对比才能对比出大小，参照物指哪些呢？
因此，一个合格的数据可视化仪表盘有如下要素：
第一、对比群体值。相当于学生时代的考试成绩,班里有50个人，你考90分排第三十，跟你考80分排第三，所以说这个分数好不好还需要看群体情况，才能了解这个数处于那个位置。
第二、对比目标值。目标值俗称的kpi，比如说这个月干了一千万，你觉得挺多的哈，一看目标两千万，才完成50%。
第三、环比同比。有一句话是这么说的:如果你和一个人聊天,发现说的东西和五年前没有什么进步,你就不必跟他多聊了,因为他一直都没有进步.还有一个参照物是跟自己对比，跟过去的自己对比。
这里就涉及到同比和环比。
环比，百度百科的解释是:连续2个统计周期（比如连续两月）内的量的变化比，那么月环比就是(本月-上月)/上月×100%，得出来的数据越大就代表增速越大，环比统计周期比较灵活只要是相邻连续的两个周期就可以，比如说今天昨天，上周,这周,上个月这个月,等等....如果是负的就代表下滑，那么，负增长就说明指标不好么？那也不能完全绝对的这样说，比如说一个周期性的公司业务集中在10月份、11月的环比下降15%，主要原因是业务周期的原因，那怎么消除周期性的影响进行对比？就要有同比。
同比，百度的定义是同比一般情况下是本年第n月与过去某年的第n月比。同比发展速度主要是为了消除季节变动的影响，用以说明本期发展水平与同期发展水平对比而达到的相对发展速度,同比增长率的计算公式为：同比增长率=（本期数－同期数）÷同期数×100%，同比的时间对比周期一般是年对年，比如，这个月的同日、同周、同月区间对比去年的同日、同周、同月区间,根据自身行业以及公司的情况进行灵活运用。
一般来说同比跟环比都要放在一起看。
—▼—
可视化根据展示概括可以分为四类：分布、比较、联系、构成。
下面，我们来看一下常见的可视化图表：
▼
柱形图：又称长条图、柱状图,用垂直的长方形显示类别之间的数值比较,适合分类对比，柱形图可以延伸出来堆积柱形图、瀑布图、条形图、直方图等。
折线图：折线图用于显示数据在一个连续的时间间隔或者时间跨度上的变化，它的特点是反映事物随时间或有序类别而变化的趋势,折线图延伸出面积图。
饼图：用于表示不同分类的占比情况,通过弧度大小来对比各种分类,饼图不适合多分类,随着分类的增多弧度会越小,有可能导致最后小的都往一起凑,或者大小区分不明显了，饼图又能延伸出来南丁格尔玫瑰图，环形图，人民日报发布全球新冠疫情形势的图就是用的南丁格尔玫瑰图。
散点图: 用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式，散点图又延伸出了气泡图等，气泡的大小也能算一个维度，三位数组之间的分布情况可以考虑用起泡图。
▼
K线图：也叫股市k线图,K线图是根据价格或指数在一定周期内的走势中形成的四个价位，也就是由开盘价、收盘价、最高价、最低价绘制而成的一条柱状的线条，它由影线和实体组成。K线的结构可分为上影线、下影线及中间实体三部分。
仪表盘：仪表盘图表是模拟汽车速度表盘的一种图表，常用来反映完成率、增长率等指标。图表效果简单、直观。
漏斗图：漏斗图是一种形如漏斗状图形，用以明晰的展示事件和项目环节，整个图形呈现一种倒梯形的状态。图形一般由竖形条状或横行条状拼接而成，按照一定的顺序组成阶段层级，每一层都用于表示不同的阶段，从而呈现出这些阶段之间的某项要素/指标递减的趋势。可用于展示各步骤业务的数据比较，适用于业务流程多的流程分析，通过漏斗各业务环节数据的比较能够直观的发现和说明问题。
桑基图：用来展示数据的“流动”变化，分支的宽度表示流量的大小,用来展示数据的“流动”变化，分支的宽度表示流量的大小,主要由,边流量支点组成,其中边代表流量的数据,流量代表流量数据的具体数值,节点代表了不同分类,边的宽度与流量成比例的显示,边越宽,数值越大。
雷达图：雷达图用来进行多指标体系比较分析。见的最多的就是在王者里面你用的这个英雄把几个主要几个指标放在雷达图上面,一眼就能看出来是哪一方面比较欠缺，哪一方面比较擅长等。
▼
总结
以上就是本次分享的全部内容！其实，微观的数据可视化概念就是为了更形象地表达数据内在信息和规律 ，促进数据信息的传播和应用，是把相对复杂、抽象的数据通过可视化的方法以人们更容易理解的形式展示出来的一系列手段。但我们要注意的是：仪表盘承载数据多，为了避免观者迷失，大屏信息呈现要有焦点、有主次。
那么，我们来总结数据可视化仪表盘有什么作用呢?
1.KPI数值监控：对关键指标的监控能保证我们对整体运营实现提纲挈领的把控，将业务、风险、绩效等领域内的核心指标通过图形、仪表盘等展现在监控者面前。
2.阈值预警：伴随着KPI数值监控的另一个因素必然是预警因素，通过醒目的颜色，例如背景高亮（红、绿、蓝）等清晰发出警报。
3.实时数据监控：不同的行业，不同类型的大屏去展示，监控的数据刷新频率要求自然不同，有个别应用场景甚至要求能实现秒级的数据刷新数据，例如交易所成交量监控、航班监控、地铁线路运行监控等，这就要求数据可视化的底层数据响应非常之快。
4.数据分析探索：交互式监控仪表盘逐渐成为管理层的新宠，他们不仅要看到表层的信息，还需要深入探究表层现象发生的原因。
总之，大数据时代，企业越来越重视数据分析给业务发展带来的决策支撑效应，而数据可视化正是数据分析结果呈现的关键步骤。而制作一个简单的数据可视化仪表盘并不是难事，最关键地是针对业务线的核心业务，找到关键指标，让领导看到想要看到的数据价值，这才是制作数据可视化仪表盘最重要的一步。
同时，工欲善其事，必先利其器，一个好的可视化工具能够让大屏制作事半功倍。相信数据可视化仪表盘会真正成为轻松构建数据舞台、展现数据魅力的工具。
也相信大家通过不断的学习和实操，熟练掌握了数据可视化仪表盘。学贵在行，需要我们在以后的学习工作中不断地积累经验掌握工具，学以致用。能站在多方角度，发现问题，分析问题，解决问题，总结问题。
后期小飞象会继续为邀请各业的精英分享数据领域的内容。祝愿大家都能在自己所在的领域内，用数据思维，成就更好的自己，在可预见的未来，遇到更好的自己。谢谢大家！
,
