数据可视化分析案例（Tableau可视化分析实战：超市分析报告之客户分析案例）

本文目录

• Tableau可视化分析实战：超市分析报告之客户分析案例
• 数据可视化 Data Visualization 的原则和案例
• 有哪些比较高级的数据可视化案例
• Python数据可视化案例学生必看
• 可视化数据分析有什么好的案例
• 分享5个经典的数据可视化大屏应用案例
• 辛辛苦苦做的门店销售分析亮点不够看看这个可视化案例吧
• 数据可视化常用的五种方式及案例分析
• 数据分析案例（三）——使用Tableau对银行信贷客户进行可视化分析

Tableau可视化分析实战：超市分析报告之客户分析案例

在上一篇文章中我们一起通过超市的数据源简单制作了一个销售情况的图表。这仅仅是Tableau的一些基础入门。如果你忘了怎么操作，可以回到上一篇再回顾一遍。为了方便大家能够清楚小黎子接下来需要做的事情，我们开始使用思维导图绘制本案例最终需要制作的图表内容。Tableau数据分析可视化操作流程图：一、连接超市示例数据源 打开Tableau软件，选择左下角已保存数据源。选择示例-超市打开Tableau自带案例，我们通过这个数据源来进行绘制超市分析报告。数据源内容如下： 大家再制作超市分析报告之前，先仔细查看多遍超市数据源示例，确定有哪些字段是我们可以直接使用的。确定数据源中的字段信息后，接下来我们开始创建工作图表。 二、创建客户分析可视化图表 客户进行细分分析可以满足客户的深度分析需要，更好应对客户需求变化。我们可以通过客户分析案例来分析客户的消费特征，以帮助超市选择更合适的运营策略。 客户分析案例将通过四个图表来分析客户：客户交易次数，客户贡献利润额，客户四象限分析，客户交易量排行。最后组合四个图表完成客户分析仪表板。 客户交易次数（地图）：客户交易次数也就是我们通常说的再超市购物了多少次，也是购买频率。通过这个指标，我们可以分析客户在一段时间内客户的购买行为的规律。 客户贡献利润额（条形图）：我们都知道一件事情没有利润就没有客户质量，利润对于一个企业来说十分重要。在这次展示的图表中我们会通过不同的类别以及地区来反映超市的利润差异。 客户四象限分析（散点图）：客户分析对于超市来说非常重要，充分利用客户信息以及客户行为数据。可以准确分析出不同客户对于超市的效益影响，方便后续做出相应的决策依据。 客户交易量排行（条形图）：客户交易量排行是指客户在一定时间内购买的数量，通过这个数据我们可以分析客户的价值，一般情况下交易量越大客户的价值越大。 到这里我们就吧客户分析的四个维度图做好了，我们需要将四个图表组合做成客户分析仪表板。 三、创建客户分析工作仪表板 开始从做出的四个工作表中拖放表到图表布局区域 拖动好图表后我们可以看到右侧Tableau自动给我们生成了切片器。我们点击其他的一个元素，其他图形也会随之变化 未完待续

数据可视化 Data Visualization 的原则和案例

原文地址： medium 原文     UXren的翻译 “仪表板”、“大数据”、“数据可视化”、“数据分析”——越来越多人和企业，开始运用他们的数据来做一些有趣的事情。 Telling the story with data!  Data-heavy interfaces. 很多人已经讨论过这个议题，我会围绕创作过程中最具影响力的部分。一、用户不同，数据不同 Different users, different data 任何时候设计一套Complex system，inevitably要为很多用户users 和角色persona 进行设计. 总裁（Executives）, 经理（managers）, and 分析师 （analysts） are common personas that each have their own workflows and data needs.不同的角色有 完全不同的视角（perspective）and generating insights。 关于角色，重要的一点是预先确定好，围绕它们来组织信息结构与线框图 wireframes and IA should be around target persona下面是我们去年做的一款健康报告应用的最终成品。这套系统有着不同的用户群，他们各自都需要不同的数据管理。 创建了关键角色后，我们每次评审会将它们放在旁边 。做presentation的时候，在满屋子客户面前展示作品是件难事。无论是在解释线框图、流程图，还是就视觉设计进行讨论，都很难让每个人跟上你的观点。 通过角色来组织作品，会防止你(和客户)在这些讨论中跑题。 二、页面layout pattern页面的layout很重要，如果一开始你就让用户找不到自己想要的 start with distractions,  audience 很难 seeing not just what each element is about, but the focus of the entire passage. 1) 重要的 Logical layout organizing principle ： The Inverted Pyramid  –The most important and substantial information is at the top, –followed by the significant details that h elp you understand the overview above them; –and at the bottom you have general and background information, which will contain much more detail and allow the reader or viewer to dive deeper a good book talking about style :  “ Style: The Basics of Clarity and Grace ”. 2)  最小化原则 Minimalism: Less is More 每个页面不应超过5-9个chart，过多的内容会让用户分心。•Each dashboard should contain no more than 5-9 visualizations.   •通过分层来减少视觉clutter （ avoid visual clutter by layering ）the data by using filters and hierarchies (e.g. instead of having one indicator for amount of sales in North America and one for South America, give the user the option to apply a filter which changes the same indicator between one and the other) •如果真的有很多chart，只需要将他们分开几个页面即可 simply by breaking your dashboard into two or more separate dashboards. 3）不要让形式强过于内容 over-designed visualizations that aren’t appropriate for the data. **Spend your energy on selling the message, not the medium****Your job is to solve a problem, not make a picture** 三、选择正确的图形 最糟的是——这些“坏习惯”似乎在成倍增加。随处可见本应是饼形图的面积图，还有本应该是柱状图的曲线图。让我们一起来制止这些设计……下面这些建议有助于你正确对待数据3.1 始于数据 未经处理的 原始数据表格 一点也没有吸引力。但它是 最佳的起点 。它帮你开始 思考数据中有哪些变量可用variables available，这些变量数据如何关联various data entities are related。 Checking out these great resources to help uncover interesting connections: Designing Better charts with Google Sheets, Illustrator, and Sketch Tableau — This tool is one of the best out there, but very expensive. *拆解Tableau的文章以后会有*  Tableau的视频链接 在整个过程中，这部分并没有灵丹妙药。别对深入研究数据心存恐惧，试着混合搭配不同变量，创建基本图表。这需要时间，但它是值得的。我想到的一些绝妙点子，都来自这些原始数据文件的拼拼凑凑。3.2 处理离散数据和连续数据 每一种图表都有他最擅长表达的领域，数据也可以分类为：连续型数据和离散型数据。 It’s easy to pick charts that look good in your composition and hope your data works out.   数据的种类 Types of data + 用户的目的 user’s purpose  == which type of chart to choose. 离散数据 Discrete Data — distinct values you can count. For example, a number of goals scored or Facebook likes.连续数据 Continuous Data ——任何范围值 range of value。比如一季的降雨量，或一个人的身高体重。 So, how to choose the correct pattern ? 1)   Compare different discrete values over a period of time?comparison between different value across time or different categories.   Bar Chart （length and end point of bar ）清楚表达数据之间关系；说明每一个的具体数值；容易比较数值；容易看出趋势； 2) View trending ?      Line-chart 3) Analysis the percentage proportion, specially " part –to- whole" relationship ?     Pie charts are usually used to showrelational proportions between data and use arc length to present the percentage of total.understand the relative contributions of each part to the whole清楚表达数据之间关系-尤其是part of whole；不能说明每一个的具体数值；不容易比较数值；无法看出趋势；（it’s hard to compare slice） 4）view where/which area has the highest population , usage     Distribution chart  5） 观察几个不同的特点，技能等的分布情况 （ character strength ）       Radar Chart “ The Wall Street Journal: Guide to information Graphics ” by Dona Wong. 帮我凝练了其中精髓。真希望几年前我就有这本书。这是本无价的参考书，帮你选用合适的图表，阐明信息展现的行为准则。3.3  选择哪个analysis patterns？回答几个问题：(不需要都满足，根据使用条件) –Clearly indicates how the values relate to one another, which in this case is a part-to-whole relationship - the number of deaths per cause, when summed, equal all deaths during the year.清楚表达了数据间的关系 –Represents the quantities accurately.表达了具体的数值 –Makes it easy to compare the quantities.容易比较数值 –Makes it easy to see the ranked order of values, such as from the leading cause of death to the least.容易看出趋势或者顺序 –Makes obvious how people should use the information - what they should use it to accomplish - and encourages them to do this.明显让人明白如何使用数据 3.4 Dashboard 的目的： 1) 化繁为简，将抽象数据变成直接易懂的物理形态 To translate abstract data into easily understanding physical attribute (length, size, shape..), for better analysis and understand. –Make complex simple  2）Explain Data to Solve Specific Problems : (解释数据) – answer view’s question 3）Explore Large Data Sets for Better Understanding （数据挖掘) 4）对于很直接的，常用的结果，直接用文字表达出来四、基本的或定制化的图形 Basic vs. Custom visualizations As the designer of these data-rich systems you have to constantly ask yourself “ should I let users to customize the chart ? Or should I use tried-and-true charts to articulate the message?”. 是可以让用户自我定制？还是采用统一的模板呈现？最近无意中读到这篇来自 37 Signals的文章—— 只要3种图表就够了 。（ ）作者强烈表达一个观点，图形的“有效性”胜过它的视觉特征。我非常赞同文中这一观点。不过，我觉得他的观点代表着一种极端实用主义的视角。我相信定制化的图形通常也能提升数据的易用性，同时独具一格引人入胜。然而，作为专业的设计师，我希望我的作品看起来和感觉上是独特且有用的。 比如，纽约时报做得很好，通过定制化的交互式图形，来为他们的文章添彩。可以在这里看到更多他们的作品。我们来看一些完美的定制化图表案例：这个案例对曲线图做了调整，让人“一睹”那些支撑图表的基本数据。（puts a twist on a line graph by offering a “peek” into the underlying data driving the chart. ）结合了distribution chart 和line chart，distribution 作为背景。 五、让用户花 《 5秒钟，找到自己想要的 5.1  Dashboard should be able to answer your most frequently asked business questionsat a glance. Ad-hoc investigation will obviously take longer; but the most important metrics,the ones that are most frequently needed for the dashboard user during her workday, should immediately ‘pop’ from the screen. 答案是：这样人们才能使用——做决策、调研、预测未来，什么都行。关键是，用户不会沉浸于你所选的漂亮色彩，他们是来工作的。 我的建议是——在你排布好页面一切就绪后，问问自己“那又如何?”。看看每个图表、组件、表格，仔细考虑人们从中能获取到什么。通常你会得出这样的结论，“这些都不重要”，这就意味着要减少或是重新思考。 这在我身上发生过好几次——我创作了复杂漂亮的仪表板，包含了一系列时尚的图表、饼形图，还有成千上万数据点构成的地图。 但总是被客户质疑“我只想知道这样有效吗……我要的东西在哪?”还有“我只要3样东西……X、Y和Z。哪里可以看到它们?” 哎，这时候你才会意识到自己迷失在杂草丛中，遗失了重点。 我会有个办法，尝试使用文字来精确表达人们所要的东西。 5.2  Method: Understand user’s requirements , highlight it through: put it visible position, give text to directly indicate the result. 尝试使用文字来精确表达人们所要的东西。在重要信息上，文字总结可能比图表更有效。两者都 通过文字展现用户所需的信息，并没有依赖需要解释说明的图表。 这个方法使我们的客户产生共鸣，尤其在重要信息上。但我之前提过，总要考虑各种角色，所以要用在适当的地方。就像其他所有形式的设计一样，它也需要一种平衡。 力求使你的数据与众不同，但是要避免过度设计和无谓的分心。 为数据选择正确的图形，但别忘了有层次地构建页面。 无论多么单调、令人沮丧，还要打磨每个小细节……还有别忘了问自己，“那又如何?”

有哪些比较高级的数据可视化案例

业内数据可视化可圈可点的案例越来越多了，简单的分享几个：

1. “美国大选”数据可视化

在美国大选期间，美国媒体做了不少与之相关的数据报道，让我们来回顾一下，他们是如何将美国大选的数据可视化的吧！

下图为各洲“选举人票”的占比情况。作者设计了两种表现方法，一是以“选举人票”的分布做为底图，一是直接以美国地图作为底图。除此图上方双方选举人票总体数量对比外，鼠标移至各洲上方还能显示各洲“选举人票”数量及对希拉里与特朗普的支持比例。

2、地理信息可视化

百度迁徙图是近年来非常流行的一种地理信息可视化，可以通过连线动态查看人口流向。此处给大家绘制一幅动态航班图的地理信息可视化图，可查看动态效果。

3、企业经营数据可视化

袋鼠云联合中国美术学院一起，为中国最知名的品牌之一——贵州茅台集团定制的大数据可视化展示解决方案，亮相2018年数博会，实时展示茅台集团各电商平台经营概况、茅台消费者的用户画像、电商订单实时物流状态等。

Python数据可视化案例学生必看

超实用的Python数据可视化案例！快来学习吧

Python数据可视化案例

1.折线图

折线图(line chart) 是最基本的图表， 可以用来呈现不同栏

位连续数据之间的关系。绘制折线图使用的是plot.line() 的方

法，可以设置颜色、形状等参数。在使用上，拆线图绘制方法

完全继承了Matplotlib的用法， 所以程序最后也必须调用

plt.show() 产生图

2.散布图

散布图(Scatter Chart) 用于检视不同栏位离散数据之间的

关系。绘制散布图使用的是df.plot.scatter() ， 如图8.5所示。

3.直方图、长条图

直方图(Histogram Chart) 通常用于同一栏位， 呈现连续数

据的分布状况， 与直方图类似的另一种图是长条图(Bar

Chart) ， 用于检视同一栏位， 如图8.6所示。

4.圆饼图、箱形图

圆饼图(Pie Chart) 可以用于检视同一栏位各类别所占的比

例， 而箱形图(Box Chart) 则用于检视同一栏位或比较不同

栏位数据的分布差异，如图8.7所示。

可视化数据分析有什么好的案例

这样的实例有很多

下面这个就是如何以令人信服的方式呈现一种单一的数据的好榜样。Pew Research创造了这个GIF动画，显示随着时间推移的人口统计数量的变化。这是一个好方法，它将一个内容较多的故事压缩成了一个小的package。

此外，这种类型的微内容很容易在社交网络上分享或在博客中嵌入，扩大了内容的传播范围。如果你想自己用Photoshop做GIF，这里有一个详细的教程。

分享5个经典的数据可视化大屏应用案例

近几年，随着大数据产业的蓬勃发展，数据可视化大屏在各行各业中的应用越来越广泛，教育、医疗、政务、交通运输、能源等等，到处都能看到数据可视化大屏的身影。大面积、炫酷动效、丰富色彩是可视化大屏最为显著的特点，大屏易在观感上给人留下震撼印象，便于营造某些独特氛围、打造仪式感。大屏数据可视化目前主要有信息展示、数据分析及监控预警三大类。下面我们来看看5个经典的数据可视化大屏应用案例。 法院行政案件大数据分析系统包含了结案特征分析、当事人分析、实效分析和管辖改革成效。通过收案/结案的数量和增幅，分别用时间、领域、地区等维度分析案件变化趋势，从结构方式、矛盾化解情况、重点质效指标、舆情热点案件、败诉案件和败诉案件信息来分析结案特征，用信访案件变化趋势和分布情况针对机关滥用职权情况来特别分析。不同分析角度分析不同数据，实现案件大数据全方位解读。 智慧公安实战应用包括了智慧搜索、智慧建模、智慧服务、智慧监督、智慧标签、智慧小区、智慧管控以及智慧监测，实现个人档案的查询，同时关联社会关系和活动轨迹并绘制出关系网络图，通过建模显示各模型使用情况和资源访问量、访问趋势，进行在线业务分析，各类警务案件指标分析，根据标签标准生成人员画像，通过重点人员异常轨迹进行警情监测，根据热点追踪进行传播路径分析，实现公安智慧化管理。 为了展现学校的实力，分别从学校概况、师资队伍、教学资源、科学研究、学生发展、就业情况和日常运营的角度来展示。学校概况包括办学条件、师生情况、学科专业和师资力量，再通过荣誉称号、教师编制类别、教职工人数、研究生导师数、高层次人才、职称分布、最高学位分布等展示师资队伍，用教学用房面积、教学经费投入、教学科研仪器、图书资料等来表现教学资源，用著作成果、获奖成果、论文与专利等展现科学研究。 首页展示共享方式占比、共享属性占比、数据趋势、热门事项、和单位排名等，基础库包括人口库、法人库，支持搜索刷新，同时展示库的基本信息和申请动态，平台总体统计展示平台各类指标数据的访问、更新情况，数据服务动态展现区数据中心和市数据中心等的数据实时交互状况，实现数据全方位全时段把控。 用医师日均工作量、病床使用率、门诊病人次均诊疗费用、出院病人人均医药费用、急诊人次、出院人数来分析医疗服务情况，病人分布情况可通过数据联动实现对应地图刷新，从妇幼保健、计划免疫、卫生监督、案件查处分类、居民健康档案、历年建档人数、建档率、出院病人前十疾病的角度分析公共卫生，实现医疗卫生智慧化管理。 数据可视化大屏的应用远远不止以上几个方面，如果想要对数据可视化大屏做深入的了解，可以关注 华宇智能数据将于9月17日20:00在微吼的直播《酷炫大屏如何SHOW到飞起？》 ，届时华宇资深可视化领域专家将围绕以下几个方面进行讨论与交流： 1、大屏的典型应用场景及价值 2、亿信多个行业大屏效果展示 3、教你制作出拍手称赞的大屏 4、大屏制作小能手之酷屏介绍

辛辛苦苦做的门店销售分析亮点不够看看这个可视化案例吧

当零售企业业务不断发展，市场不断扩大，门店越来越多，经营数据也不断积累着，面对海量级别、杂乱无章的数据，人工用EXCEL统计整理去做多维度的交互式分析不仅难度较大且数据响应速度慢，一旦数据出错，很可能让管理者做出错误的经营决策，影响企业发展等等。 那直观的门店零售经营数据分析可以怎么做呢？如下图所示，以数码产品销售为例，我们来看下数码产品销售分析的情况： 如上动图所示，在该销售管理看板中，管理层可掌握： 哪些区域、哪些门店、哪些商品最畅销？ 某段时期，各区域与各个门店的数码具体销售明细、收入占比及排名等情况如何？ 直观的销售分析看板展示零售企业销售收入、毛利、订单数量等等经营数据...... 从多维度、交互式地联动钻取分析中，帮助管理者直观掌握门店销售收入情况。假设分析发现某段时期、某个区域中的某一门店的销售毛利与其他门店相比差距甚大，结合销售实际进而分析是质量、价格、服务方面原因导致？还是市场方面的因素，因该地客流量较少，导致该门店销售业绩不如其他门店？ 简而言之，用上这样的可视化销售分析，不仅让数据更有亮点，而且可帮助管理者快速发现哪些区域、门店等业绩数据异常，并结合自身经验与实际情况分析其可能产生的原因，及时做出相应的销售调整策略，让门店经营更加合理化。

数据可视化常用的五种方式及案例分析

概念借助于图形化的手段，清晰、快捷有效的传达与沟通信息。从用户的角度，数据可视化可以让用户快速抓住要点信息，让关键的数据点从人类的眼睛快速通往心灵深处。 数据可视化一般会具备以下几个特点：准确性、创新性 和 简洁性。常用五种可视化方法下面从最常用和实用的维度总结了如下5种数据可视化方法，让我们来一一看一下：一、面积&尺寸可视化对同一类图形（例如柱状、圆环和蜘蛛图等）的长度、高度或面积加以区别，来清晰的表达不同指标对应的指标值之间的对比。这种方法会让浏览者对数据及其之间的对比一目了然。制作这类数据可视化图形时，要用数学公式计算，来表达准确的尺度和比例。a: 天猫的店铺动态评分天猫店铺动态评分模块右侧的条状图按精确的比例清晰的表达了不同评分用户的占比。从下图中我们第一眼就可以强烈的感知到5分动态评分的用户占绝对的比例。b: 联邦预算图如下图，在美国联邦预算剖面图里，用不同高度的货币流清晰的表达了资金的来源去向，及每一项所占金额的比重。c: 公司黄页-企业能力模型蜘蛛图如下图，通过蜘蛛图的表现，公司综合实力与同行平均水平的对比便一目了然。二、颜色可视化通过颜色的深浅来表达指标值的强弱和大小，是数据可视化设计的常用方法，用户一眼看上去便可整体的看出哪一部分指标的数据值更突出。a: 点击频次热力图比如下面这张眼球热力图，通过颜色的差异，我们可以直观的看到用户的关注点。b: 2013年美国失业率统计在图中可以看到，通过对美国地图以州为单位的划分，用不同的颜色来代表不同的失业率等级范围，整个的全美失业率状况便尽收眼底了。c: 美国手机用户城市分布图中红点是用iPhone的人，绿点是用安卓的人。这两张在微博上看到的图，第一张是美国一个城市的一览，第二张图特写了纽约的市中心，尤其是曼哈顿地区。我们可以看到在市中心和主干道的人用iPhone居多，而用安卓的人都在郊区。这也引起了人们的热议，有的说在美国富人都住郊区别墅，所以富人爱用安卓手机；有的反驳说曼哈顿地区的人几乎都用iPhone，说明富人喜欢用iPhone手机。不管结论如何，都足以说明用户都被这些图所吸引，所以可视化的方式效果真的很直观。注：科学家统计了2年里30亿条含有地理数据的twitter推文，根据客户端总结出来的数据。三、图形可视化在我们设计指标及数据时，使用有对应实际含义的图形来结合呈现，会使数据图表更加生动的被展现，更便于用户理解图表要表达的主题。Examples:a: iOS手机及平板分布如下图所示，当展示使用不同类型的手机和平板用户占比时，直接用总的苹果图形为背景来划分用户比例，让用户第一眼就可以直观的看到这些图是在描述苹果设备的，直观而清晰。b: 人人网用户的网购调查下图可以看出，该数据可视化的设计直接采用男性和女性的图形，这样的设计让分类一目了然。再结合了颜色可视化（左面蓝色右面粉色），同时也采用了面积&尺寸可视化，不同的比例用不同长度的条形。这些可视化方法的组合使用，大大加强了数据的可理解性。四、地域空间可视化当指标数据要表达的主题跟地域有关联时，我们一般会选择用地图为大背景。这样用户可以直观的了解整体的数据情况，同时也可以根据地理位置快速的定位到某一地区来查看详细数据。a: 美国最好喝啤酒的产地分布下图中，通过以美国地图为大背景，清晰的记录了不同州所产啤酒在1987-2007年间在美国啤酒节中获得的奖牌累计总数。再辅以颜色可视化的方法，让用户清晰的看到美国哪些州更盛产好喝的啤酒。五、概念可视化通过将抽象的指标数据转换成我们熟悉的容易感知的数据时，用户便更容易理解图形要表达的意义。a: 厕所贴士下图是厕所里贴在墙上的节省纸张的环保贴士，用了概念转换的方法，让用户清晰的感受到员工们一年的用纸量之多。如果只是描述擦手纸的量及堆积可达高度，我们还没有什么显性化概念。但当用户看到用纸的堆积高度比世界最高建筑还高、同时需砍伐500多颗树时，想必用户的节省纸张甚至禁用纸张的情怀便油然而生了。所以可见用概念转换的方法是多么的重要和有效。b: Flickr云存储空间达1TB的可视化描述Flickr对云存储空间升至1TB确实是让人开心的事情，但相信很多人对这一数量级所代表的含义并不清晰。所以Flickr在宣传这一新的升级产品时，采用了概念可视化的方案。从下图可以看出，用户可以动态的选择照片的大小，之后Flickr会采用动态交互的方式计算和显示出1TB能容纳多少张对应大小的图片。这样一来，用户便有了清晰的概念，知道这1TB是什么量级的容量了。注意事项在总结了常见维度的数据可视化方法和范例之后，要再次总体强调下做数据可视化设计时的注意事项，总结了三点如下：1）设计的方案至少适用于两个层次：一是能够整体展示大的图形轮廓，让用户能够快速的了解图表所要表达的整体概念；之后再以合适的方式对局部的详细数据加以呈现（如鼠标hover展示）。2）做数据可视化时，上述的五个方法经常是混合用的，尤其是做一些复杂图形和多维度数据的展示时。3）做出的可视化图表一定要易于理解，在显性化的基础上越美观越好，切忌华而不实。总结：作为设计师，除了掌握方法来有针对性的设计之外，还要在平时多留心积累素材，同时培养自己的创造力和专业素养，保持一颗好奇心，才能真正的设计出样式精美又实用的数据可视化图表。

数据分析案例（三）——使用Tableau对银行信贷客户进行可视化分析

目标：总结出信贷需求较高人群特征，找到与信用等级相关程度较高的变量。 帮助银行决定是否审批通过该客户并对审批通过的客户设定初始信用额度，有利于银行降低信贷事前风险

综合制作一张图

工作年限、年收入

通过消费行为的数据来评估客户的消费习惯，从而帮助银行决定是否需要调整客户信用等级与额度。

或者树状图