一定要掌握的图表类型选择逻辑

【欢迎点我头像关注我】提供数据分析咨询和培训服务

在做图表时,你是否有这样的困惑:一组数据到底应该选择什么图表类型来呈现?

图表是数据可视化很重要的一种展现形式,图表类型选对了,才可以达到“一图胜千言”的效果!

 

很多人的困惑是:常用商务图表有哪些类型?分别适合在什么场景中使用?

看完我的这篇文章,满满的干货内容让你不再困惑!先来看一张很常见的图表选择指南:


上图把数据的关系分成了4种类型,帮助我们去选出合适的图表来呈现。这图相信很多人都收藏过……,但估计很少人仔细看过(这是普遍的问题,以为收藏了,后面自己会看,结果一直没看……所以大家学习要改了,一定要想办法吸收!)

但其实结合我自己的经验,考虑到日常企业的数据分析场景,图中有些图表使用频率是非常低的。所以我参考了上图的部分内容,结合自己多年的经验,总结出了常用商务图表的选择指南,总体我认为这是会更适合商务图表展示,而且会更接地气适合大家参考使用。当然我以下介绍的图表,在Excel中也是都可以实现的!

我总结的《常用图表选择指南》如下:


我把数据关系类型分为比较构成分布三种,因为企业日常的数据分析中,单纯地去分析两个指标之间的联系这种场景还是比较少见的。

以下我将会逐点讲解,以便帮助大家去理解它。只有自己理解了的知识,才是真正属于你的知识!

一、比较

比较就是指标大小的对比,这个应该最好理解,大家平常也用很常用。主要分为基于分类的比较,以及基于时间的比较。


1、基于分类

基于分类去比较数据的可以选用柱形图、条形图、树状图:


柱形图,是最常见的用来展示指标大小对比的图表,通过柱子的高低来对应指标值的大小,非常直观形象。类似的其实还有条形图:


条形图,据我的项目经验,发现条形图在企业中用得并不多,其实和柱形图很相似,都是用柱子的长短来表达指标的大小,同时它也有自己的优势:

  • 做排名时非常直观,也符合“F”法则,即人的注意力由左到右、由上到下衰减,左上角的位置最引人关注,正好条形图左上角放的是第1名。

  • 当我们做柱形图时,如果遇到类别的标签很长,就会影响阅读及美观度,若用条形图则轻松解决。

基于分类比较数据大小除了柱形图,条形图外,其实还可以用“树状图”:


树状图,每个分类对象是以方块状来呈现,方块的面积大小表示指标值的大小。可能大家看上面这图感觉不出来它的优势,其实它在展示更多分类对象的时候会更节省空间~


树状图,是Excel 2016版本以后新增的图表类型,而Excel2013以下是无法自动生成的。(但我专门做了一个树状图模板,适用于所有的Excel版本,加入我的会员,可以免费下载使用;后台回复“数说”了解我的会员课程)

2、基于时间

基于时间,时间其实也可以理解为一种特殊的分类,但因为时间是有一个序列的特点,即类似从古至今,从1月到12月,大家普遍都习惯时间序列是由小到大去排列,这样也更方便我们比较不同时间点的指标大小,更能看出变化的趋势。

柱形图,也常用于基于时间的指标大小比较呈现,因为柱形图的读图视线是从左到右,再配合时间从小到大,符合大众对时间序列看趋势的阅读习惯。


基于时间去比较指标大小,更多情况下我们是为了发现趋势,这时用得最多的就是折线图了:


我从股价分析图中借鉴过来了一张图,然后通过灵活变通一下,也可以用来基于时间进行比较,就是股价图了:


可以看到股价图中每天都有一条柱子,柱子都有2个数字,一个数字是当天的目标,另一个数字是当天的实际销售额,红色代表实际销售额大于当天目标,即完成了目标;绿色代表实际销售额小于当天目标,即没有完成目标。也是非常直观地方便看到每天的目标完成情况,适合我们用来追踪分析。

二、构成

构成是指我们要分析一个整体的对象,具体有哪些构成部分,各构成部分是什么样的情况?


1、单一时间

要分析构成情况,其实最常用的就是饼图了。因为饼图非常形象,把一块饼分成几块,谁大谁小,一目了然!下图就是用来分析某集团的业绩构成情况,以各分公司的业绩占比来呈现构成:


和饼图类似,还有一种叫圆环图,其实相当于在饼图中间挖了一个圆出来,可以直接用来放标题,效果也是不错的:


还有一种特殊的构成,可以用漏斗图来呈现。例如在分析店铺客流转化、招聘转化、意向客户转化等场景都可以应用,用店铺客流转化的例子说明:


从漏斗图中可以看到,其实也是在分析路过人数的构成情况,路过人数有50%进店了,有44%进行了触摸,14%成交了,13%会回头,5%会分享,也很直观地让我们看到了逐级地转化情况。

2、多个时间

饼图只适合用来呈现单一时间的构成情况,但如果想看多个时间就不好用了。这时我们可以结合前面讲的基于多个时间来比较大小的方法,堆积的柱形图就是一个很好的选择。

堆积柱形图,默认就是用多个分类对象的绝对值来堆积起来的柱形,如某集团下有A、B、C三个分公司,想一起看趋势,可以用到下图:


从上图中,我们既能看到整个集团(A、B、C堆积起来的整体柱子)的趋势,也能看到分公司(构成)每月的情况及月份变化趋势。

如果我们想看业绩百分比的指标,就可以换成百分比堆积柱形图,如下图所示:


在百分比堆积柱形图中,各分公司的每月业绩占比数据,以及月份变化趋势都能直观地呈现了出来。

三、分布

数据分布可以有对象的分布,还有数据本身的分布。


1、对象分布

一个指标

一个指标的对象分布其实和第一点讲的比较,道理是一样的,因为你比较不同类别的指标大小,有时也可以理解为分布情况。例如分公司业绩的分布,部门的业绩分布,销售员的业绩分布等。


所以若是单指标的对象分布,可以直接参考【比较】类的图表即可。

对基于地理位置分布的数据,还有另外一种呈现方法,就是地图热力图了:


通过地图热力图,我们可以非常生动、简便地找到相应的分析对象,并且通过不同颜色、颜色强弱来表达指标值,达到比较指标大小的同时,还能让人觉得特别亲切、熟悉!

对于位置数据,我们都可以往这个方向考虑,做出世界、亚洲、中国、省份、城市、街道等热力图,还可以发散思维,做出购物中心热力图、百货商场热力图等展示形式。

两个指标

散点图最早的用法,是用于展示因变量随自变量而变化的大致趋势:


如上图所示,是用散点图展示样本数据中的年龄与身高关系,这种更多的是分析数据的联系,这里我不多讲,因为在企业日常的数据分析中,比较少场景这样应用。

而我的习惯是在散点图的基础上,把它升级为四象限图、九宫格图,同时是以观察对象的分布情况为主。

如下图所示,散点是一个个的商品,用平均值线把散点分成了四个区域,方便我们分区去制定商品策略。


也可以用四条线,把散点图分成9个宫格,下图就经常用于畅滞销分析,让我们能更细致化地去分区制定商品策略。


所以在企业的日常经营分析中,两个指标的对象分布,更多是用四象限图、九宫格图进行呈现,可以让我们更容易发现事实,甚至直接产生结论。

三个指标

散点图是两个指标的展示,若要看三个指标的对象分布,则可以使用气泡图。气泡图也可以理解为是在散点图的基础上演变而成的:气泡图是让每个散点的面积大小也可以代表一个指标。


给对象分析的指标越多,我们就对它认识越立体,例如某个商品周销量很高,就一定要定义为畅销吗?商品部应该还要考虑它的库存量,如果很畅销且库存充足则继续定义为畅销品;而财务部还要考虑利润率指标,即周销量高、库存也充足、利润率也要高的,才定义为畅销品。

如果是四个指标,则可以再把上面的图来升级一下,再把气泡的颜色也表示一个指标,例如颜色越深指标值越大。


当然了,这样做图其实挺费劲的,解读起来信息量也比较大,需要花点时间去分析。

更多指标

有些我们还需要对分析对象进行综合评估,或者叫360度评估,即需要分析它的更多指标。这时候应该用雷达图来展示。

如下图所示,是0242号店铺在公司100个店铺中的各项指标排名雷达图:


如果分析对象只有2-3个,可以尝试一起放进雷达图中,但是如果做出来觉得眼花瞭乱的话,就会影响阅读,这时建议就做成用控件切换对象,以动态图表形式展示更适合。


2、数据本身的分布

有时候我们是会想探索一组数据的分布规律,识别异常数据等需要,这些情况有2种图表可以使用。

1、直方图

例如在分析零售价的分布情况时,我们可以用直方图来呈现,就可以清楚地看到各个价位段的价格点数,或者是商品SKU数。


2、箱形图

箱形图,是一种用于呈现一组数据的分散情况的统计图。用于反映原始数据分布的特征,还可以进行多组数据分布特征的比较。


“箱子”里面的范围是大多数据的分布区间,箱子外面的就是属于离群的数据点,即数据上的“异常值”。

使用场景:探索一组数据的分布情况;数据清洗时,利用箱形图去辅助识别异常值。

如下图所示,我把一个零售价为600元的商品,这个商品在一年订单中的成交单价分布情况:


可见大部分的成交单价是分布在505.75-581.25之间,离群散点则有6个,分别是110\126\177\206\588\600,接下来就可以结合业务去找出为什么会有这一些异常的成交单价即可。

学会选择图表类型是第一步,然后你在制作图表时,还应该有一些业务逻辑考虑,当然还要有提升图表逼格的技能!

参与人数 +1 F豆 +1 理由
hismirror + 1 老太太摔倒了我都不扶,就服你

查看全部评分

发表于 2021-12-28 12:45:23
发表于 2021-12-28 17:00:00
发表于 2021-12-31 11:21:19
发表于 2022-1-4 14:34:00
发表于 2022-1-15 14:30:15
经典,值得收藏。
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

5回帖数 9关注人数 5834浏览人数
最后回复于:2022-1-15 14:30

返回顶部 返回列表