活用这23种图表，让你的数据分析胜人一筹

互联网与不断出现的便捷工具，让所有人都可以无须具备数据或相关专长，就可以简单、低成本地将数据做成直观的可视化图、表。

这当然是积极的变化，但也助长了一种本能倾向，即让数据可视化成为了一种汇报时的必备“流程”，开始无目的地进行可视化，结果做出的图表差强人意，比如机械地把电子表格单元转换为图表，只能提供支离破碎的信息，或者无效却扰乱视听影响决策的信息，进而无法传达出完整的理念。

正如演讲和沟通专家南希·杜瓦特（Nancy Duarte）所说：“不要让听众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“来看我们的三季度财报”，而是“来看我们为什么没完成目标”。”今天我们就来说说如何在呈现可视化数据的时候匹配正确的图表。

一、数据分析目的有两种：陈述与探索

人类大脑对视觉信息的处理优于对文本的处理，因此，用眼睛看的数据是更清晰有效地传达与沟通信息的一种方式，核心是有效地传递信息。那么使用图表、图形和设计元素把数据进行可视化，可以帮你更容易的解释数据模式、趋势、统计规律和数据相关性，而这些“信息背后的信息”在其他呈现方式下可能难以被发现。

依据需要传达的性质和目的，我们将数据可视化划分为陈述型和探索型。前者一般是在正式场合向他人传达信息，比如你想利用手中的大量数据，报告每季度销售情况；后者是当我们想知道为什么最近销售表现不佳，于是，探索是因为季节性波动或者是促销力度不够？（本图表使用Data Analytics数据可视化软件制作，原数据已做脱敏处理，下同）

实际上，以探索为目标的可视化又可分为两种，第一种是上文例子中提到的利用数据，用图表来证实或否定你的假设；第二种是如果对销售业绩下滑的原因毫无头绪，提不出任何假设呢？就要仔细分析数据，寻找其中的规律、趋势和异常。

例如，对比销售业绩和销售员负责区域面积，有何不同？不同地区的季节性波动有何异同？天气对销售造成哪些影响？这种开放性探索能带来新发现。开放性数据可视化探索，将有助于解答宏观的战略问题，如收入为何下降、效率如何提升、客户与公司应如何互动等。

二、探索型数据可视化

探索型数据可视化分为两类：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