把冰冷数字变成讲故事的笔：我所理解的数据可视化技术
上周帮运营部的小姑娘收拾烂摊子。
她拉了三个月的用户转化数据，满满一Excel十几张表，老板翻了十分钟扔回来，就三个字：看不懂。
她红着眼圈来找我，说熬了两个通宵做的，怎么就看不懂了。
我花了半小时，把十几页数据整理成一个简单的交互式漏斗图，把每一步的流失率标在对应的环节上，颜色越红流失越高。
第二天老板打开，五秒钟就指着第三步说，哦，原来这里卡了快一半的人，赶紧改流程。
你看，这就是数据可视化技术的魔力。
原始销售流水表格转折线数据可视化对比图
核心从来不是画图，是传递信息。
我见过太多人把这个事搞反了，为了好看把页面做得花里胡哨，各种3D旋转、渐变动效、不规则形状，老板打开找了五分钟，都找不到核心数据在哪。
纯纯出力不讨好。
说实话，这东西早就有了，几百年前人们画人口统计图、航海路线图，本质就是数据可视化。不是现在有了大数据才发明出来的新东西，只是现在需要处理的数字变多了，它才越来越被人重视。
错误3D饼图数据可视化误导案例图
它不是万能，但很多场景离不了
吐槽了这么多坑，不代表这东西没用。
恰恰相反，现在很多领域，没有数据可视化真的玩不转。
就说算法调参吧，你训练一个深度学习模型，每一轮迭代都会出一个损失值，几十轮迭代下来就是几十个数字，你对着数字算半天，都不一定能看出来有没有过拟合。
把损失值画成两条曲线，训练集一条验证集一条，训练集掉验证集升，那就是过拟合了，一眼就能看出来，省你几个小时的计算时间。
再说医疗，现在拍CT、核磁出来的都是原始的像素数据，医生不可能对着一堆原始像素看病，把这些数据重建为三维的器官影像，让医生能直接看到哪里有结节哪里有增生，这本质就是数据可视化啊，没有这个，很多手术都做不了。
我前几年参与过一个城市公交调度的项目，把全市上百条线路、几百个站点的实时客流数据，叠在城市地图上做可视化，哪个站点瞬间挤了一堆人，哪辆公交还空着大半，调度中心一眼就能看到，直接调车过去疏解，比之前一天一报的报表快了不知道多少倍，高峰期的拥堵直接降了两成。
不过话说回来，它真的不是万能的。
很多宣传说什么数据可视化能帮你智能决策，那都是吹给投资人听的。可视化只能帮你找到异常，没法替你得出结论。
你从漏斗图里看到第三步流失了一半人，可视化只能告诉你这里有问题，至于为什么流失，是产品bug还是运营引导没做好，还是得你自己去分析去调研，它帮不了你。
还有，如果你原始数据就是错的，再漂亮的可视化也没用，垃圾进垃圾出，这个道理永远不变。
我见过太多人，原始数据对不对都没校验，就忙着做漂亮的图，最后结论错了，还怪可视化没用，这不怪可视化，怪你自己偷懒。
说实话，我做了这么久数据相关的工作，越来越觉得，好的可视化，从来都不是炫技，就是帮人省时间。
一堆干巴巴的数字堆在那，就是死的。你把它用正确的方式画出来，它就会自己说话，告诉你哪里出了问题，哪里藏着机会。
不需要花里胡哨的动效，不需要高大上的名词，能把该说的话说清楚，就是最好的数据可视化技术。
对吧？
别被“高科技”骗了，数据可视化技术本质就是翻译
很多人一听这个词，觉得是大数据时代才出来的黑科技，动辄就是AI、智能看板一大堆名词堆上来，唬得人一愣一愣。 说白了，它就是个翻译。 把机器存储的、人看不懂的抽象数字，翻译成眼睛能快速捕捉的视觉信息。 就这么简单。 你给我一万行每日交易流水，我逐行看半小时，记不住哪天涨哪天跌，你画个折线图往这一放，趋势一目了然。 你把一千个用户的年龄分布堆在表格里，我数半小时分不出来占比，你画个条形图，哪个年龄段多哪个少，一眼就能看明白。原始销售流水表格转折线数据可视化对比图
核心从来不是画图，是传递信息。
我见过太多人把这个事搞反了，为了好看把页面做得花里胡哨，各种3D旋转、渐变动效、不规则形状，老板打开找了五分钟，都找不到核心数据在哪。
纯纯出力不讨好。
说实话，这东西早就有了，几百年前人们画人口统计图、航海路线图，本质就是数据可视化。不是现在有了大数据才发明出来的新东西，只是现在需要处理的数字变多了，它才越来越被人重视。
普通人踩过最多的三个落地坑
做了快十年，见过太多错误的玩法，说三个最常见的，你品品。 第一个坑，为了美观牺牲准确性。 很多人做汇报喜欢用饼图，还非要做成3D效果，把前面的块拉大后面的块缩小，看起来好看，实际数据比例完全歪了。人眼对面积的敏感度远低于对长度的敏感度，同样两个数据，一个是另一个的两倍，放在饼图里你未必能一眼看出来，放在条形图里一比，差距立刻出来。 上次我看一个行业发布会，用各种不规则的叶子形状展示市场占比，我盯了三分钟，都没分出来两个品牌到底谁的占比更高，尴尬得我替主办方抠脚。 第二个坑，过度交互。 现在很多人做看板，追求所谓的“互动体验”，核心数据藏个三五层，要点了才出来，本来一页就能放完的结论，非要让你点啊点换页，谁有那耐心陪你玩解谜游戏？ 说白了，看数据的人都忙，老板也好，分析师也好，打开就想第一眼看到核心结论，不是来给你点着玩的。 第三个坑，故意误导的伪关联。 这个真的谁踩谁翻车。 我见过有人把冰淇淋销量和每年的溺水死亡人数放一块，两条曲线走势几乎完全重合，就得出结论说吃冰淇淋会导致溺水，这不扯吗？两个都涨，本质都是因为夏天天气热，吃冰淇淋的人多，去游泳的人也多，半毛钱因果关系都没有。 很多忽悠人的分析，就是靠可视化把两个无关的数据放一块，给不懂的人造结论，骗投资骗预算，屡试不爽。错误3D饼图数据可视化误导案例图
它不是万能，但很多场景离不了
它不是万能，但很多场景离不了
吐槽了这么多坑，不代表这东西没用。
恰恰相反，现在很多领域，没有数据可视化真的玩不转。
就说算法调参吧，你训练一个深度学习模型，每一轮迭代都会出一个损失值，几十轮迭代下来就是几十个数字，你对着数字算半天，都不一定能看出来有没有过拟合。
把损失值画成两条曲线，训练集一条验证集一条，训练集掉验证集升，那就是过拟合了，一眼就能看出来，省你几个小时的计算时间。
再说医疗，现在拍CT、核磁出来的都是原始的像素数据，医生不可能对着一堆原始像素看病，把这些数据重建为三维的器官影像，让医生能直接看到哪里有结节哪里有增生，这本质就是数据可视化啊，没有这个，很多手术都做不了。
我前几年参与过一个城市公交调度的项目，把全市上百条线路、几百个站点的实时客流数据，叠在城市地图上做可视化，哪个站点瞬间挤了一堆人，哪辆公交还空着大半，调度中心一眼就能看到，直接调车过去疏解，比之前一天一报的报表快了不知道多少倍，高峰期的拥堵直接降了两成。
不过话说回来，它真的不是万能的。
很多宣传说什么数据可视化能帮你智能决策，那都是吹给投资人听的。可视化只能帮你找到异常，没法替你得出结论。
你从漏斗图里看到第三步流失了一半人，可视化只能告诉你这里有问题，至于为什么流失，是产品bug还是运营引导没做好，还是得你自己去分析去调研，它帮不了你。
还有，如果你原始数据就是错的，再漂亮的可视化也没用，垃圾进垃圾出，这个道理永远不变。
我见过太多人，原始数据对不对都没校验，就忙着做漂亮的图，最后结论错了，还怪可视化没用，这不怪可视化，怪你自己偷懒。
说实话，我做了这么久数据相关的工作，越来越觉得，好的可视化，从来都不是炫技，就是帮人省时间。
一堆干巴巴的数字堆在那，就是死的。你把它用正确的方式画出来，它就会自己说话，告诉你哪里出了问题，哪里藏着机会。
不需要花里胡哨的动效，不需要高大上的名词，能把该说的话说清楚，就是最好的数据可视化技术。
对吧？