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工具例如二四六天天免费见科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。