数据可视化流程有哪些（作为一名产品经理,在产品开发的过程中,有哪些可视化的工作方法/工作流程）

本文目录

• 作为一名产品经理,在产品开发的过程中,有哪些可视化的工作方法/工作流程
• 一：解构数据可视化（20191111-17)
• 数据可视化的基本流程
• 数据可视化流程包含哪些模块相互间什么关系
• 数据可视化通过哪些方式让数据展现的更直观

作为一名产品经理,在产品开发的过程中,有哪些可视化的工作方法/工作流程

作为一名产品经理，可视化的工作方法和工作流程可以帮助更好地理解和交流产品需求和设计，提高工作效率。以下是一些常见的可视化工作方法和工作流程：

• 用户旅程地图（User Journey Map）：用户旅程地图可以帮助产品经理更好地理解用户在使用产品时的情感和心理变化。通过绘制用户旅程地图，可以更好地识别用户需求和痛点，并为产品优化提供有价值的信息。

• 信息架构图（Information Architecture）：信息架构图可以帮助产品经理更好地组织和管理产品的信息结构，以确保用户能够轻松地找到他们需要的信息。通过绘制信息架构图，可以更好地了解产品的数据结构和信息关系，并为用户提供更好的使用体验。

• 产品原型（Product Prototype）：产品原型可以帮助产品经理更好地展示产品的设计和功能。通过制作产品原型，可以更好地演示产品的交互设计和功能，并为团队成员提供可视化的沟通和反馈渠道。

• 数据可视化（Data Visualization）：数据可视化可以帮助产品经理更好地理解产品的数据和趋势。通过绘制数据可视化图表，可以更好地分析产品的用户行为和市场趋势，并为产品优化提供指导意见。

• 竞品分析（Competitive Analysis）：竞品分析可以帮助产品经理更好地了解市场上的产品和竞争情况。通过制作竞品分析图表，可以更好地了解市场趋势和竞争优势，并为产品优化提供参考。

• 用户画像（User Persona）：用户画像可以帮助产品经理更好地了解目标用户和他们的需求。通过制作用户画像，可以更好地了解用户的心理和行为特征，并为产品设计和优化提供有价值的信息。

以上是一些常见的可视化工作方法和工作流程，产品经理可以根据具体情况选择合适的工具和方法来提高工作效率和质量。

一：解构数据可视化（20191111-17)

数据可视化不是简单的视觉映射，而是一个以 数据流向 为主线的一个完整流程，主要包括： 数据采集、数据处理和变换、可视化映射、用户交互 和 用户感知 。一个完整的可视化过程，可以看成数据流经过一系列处理模块并得到转化的过程，用户通过可视化交互从可视化映射后的结果中获取知识和灵感。 可视化的终极目标是洞悉蕴含在数据中的现象和规律，从而帮助用户高效而准确的进行决策。 一个完整的数据可视化过程，主要包括以下4个步骤： 确定数据可视化的主题； 提炼可视化主题的数据； 根据数据关系确定图表； 进行可视化布局及设计。 可视化过程的第一步：确定数据主题，即确定需要可视化的数据是围绕什么主题或者目的来组织的。业务运营中的具体场景和遇到的实际问题，公司层面的某个战略意图，都是确定数据可视化主题的来源和依据。简而言之，一个具体问题或某项业务、战略目标的提出，其实就可以对应一个数据可视化的主题。 了解拥有的数据，如何组织数据： 1. 确定数据指标 分析和评估一项业务的经营现状通常有不同的角度，这也就意味着会存在不同的衡量指标。同样一个业务问题或数据，因为思考视角和组织方式的不同，会得出截然不同的数据分析结果。 2. 明确数据间的 相互关系 基于不同的分析目的，所关注的数据之间的相互关系也截然不同，这一步实质上是在进行数据指标的维度选择。 通常，数据之间的相互关系包含如下几类： 趋势型： 通常研究的是某一变量随另一变量的变化趋势，常见的有时间序列数据的可视化。 对比型： 对比两组或者两组以上的数据，通常用于分类数据的对比。 比例型： 数据总体和各个构成部分之间的比例关系。 分布型： 展现一组数据的分布情况，如描述性统计中的集中趋势、离散程度、偏态与峰度等。 区间型： 显示同一维度上值的不同分区差异，常用来表示进度情况。 关联型： 用于直观表示不同数据之间的相互关系，如包含关系、层级关系、分流关系、联结关系等。 地理型： 通过数据在地图上的地理位置，来展示数据在不同地理区域上的分布情况，根据空间维度不同，通常分为二维地图和三维地图。 3. 确定用户关注的重点指标 确定了要展示的数据指标和维度之后，就要对这些指标的重要性进行一个 重要性排序 。 因为对于一个可视化展示的终端设备而言，其屏幕大小有限，且用户的时间有限、注意力也极其容易分散。如何让用户在短时间内，更有效率的获取到重要的信息，这是评估一个可视化产品好坏的重要因素。 在可视化设计之前，不妨问用户两个问题： （1）如果整个版面只能展示一个最重要的信息，你希望是什么？ （2）你希望展现这些信息的理由是什么？通过用户对这些问题的回答，你能了解到，在已确定的指标和维度中，用户最关注的是哪个或哪些。 通过确定用户关注的重点指标，才能为数据的可视化设计提供依据，从而通过合理的布局和设计，将用户的注意力集中到可视化结果中最重要的区域，提高用户获取重要信息的效率。 数据之间的相互关系，决定了可采用的图表类型。在做好了以上的需求收集和整理之后，进入可视化的设计和呈现的阶段。主要包括两个方面：一是进行可视化布局的设计，二是数据图形化的呈现。 可视化设计的页面布局，要遵循以下三个原则： （1） 聚焦 设计者应该通过适当的排版布局，将用户的注意力集中到可视化结果中最重要的区域，从而将重要的数据信息凸显出来， 抓住用户的注意力 ， 提升用户信息解读的效率 。 （2） 平衡 要合理的利用可视化的设计空间，在确保重要信息位于可视化空间视觉中心的情况下，保证整个页面的 不同元素在空间位置上处于平衡 ，提升设计美感。 （3） 简洁 在可视化整体布局中，要 突出重点 ，避免过于复杂或影响数据呈现效果的冗余元素。 影响图表呈现效果的，主要有两个影响因素，一个是数据层面的，一个是非数据层面的。 （1）数据层面 若数据中存在极端值或过多分类项等，会极大影响可视化的效果呈现，如柱形图中柱形条的高度、气泡图中气泡的大小、饼图中的分类项太多等。 （2）非数据层面 非数据层面，但是影响图表呈现效果的因素，通常在设计过程中就可以解决。 比如图表的背景颜色、网格线的深浅有无、外边框等等，这类元素是辅助用户理解图表的次要元素，但如果不加处理全部放出，视觉上就不够聚焦，干扰到你真正想展示的数据信息。 因此，对于此类非数据层面，但 影响图表视觉呈现的元素，应该尽量隐藏和弱化 。 可视化元素由3部分组成：可视化空间+标记+视觉通道 1.可视化空间 数据可视化的显示空间，通常是二维。三维物体的可视化，通过图形绘制技术，解决了在二维平面显示的问题，如3D环形图、3D地图等。 2.标记 标记，是数据属性到可视化几何图形元素的映射，用来代表数据属性的归类。 根据空间自由度的差别，标记可以分为点、线、面、体，分别具有零自由度、一维、二维、三维自由度。如我们常见的散点图、折线图、矩形树图、三维柱状图，分别采用了点、线、面、体这四种不同类型的标记。 3.视觉通道 数据属性的值到标记的视觉呈现参数的映射，叫做视觉通道，通常用于展示数据属性的定量信息。 常用的视觉通道包括：标记的位置、大小（长度、面积、体积...）、形状（三角形、圆、立方体...）、方向、颜色（色调、饱和度、亮度、透明度...）等。 「标记」、「视觉通道」是可视化编码元素的两个方面，两者的结合，可以完整的将数据信息进行可视化表达，从而完成可视化映射这一过程。 0xFF 总结 作为数据可视化的设计者，应该在可视化设计之前，全面了解此次数据的分布情况、量级，通常几行sql就可以搞定，这样在进行可视化设计的时候，可以避免很多陷阱。 参考阅读： 1.《 数据可视化过程 》全文，对数据可视化的工作流程和工作内容有个整体的了解，着重把握四个关键步骤。 2.《 数据可视化的基本流程 》全文，重点看下第3部分【视觉映射的三要素】，因为无论什么图表类型，本质上都是遵循这个映射规则的。 3.《数据可视化的基本原理与方法》p66，有介绍数据可视化流程的相关内容。 延伸阅读： 1. 数据可视化的基本流程 2. 如何设计数据字典

数据可视化的基本流程

作者 | 向倩文

来源 | 数据产品手记

大多数人对数据可视化的第一印象，可能就是各种图形，比如Excel图表模块中的柱状图、条形图、折线图、饼图、散点图等等，就不一一列举了。以上所述，只是数据可视化的具体体现，但是数据可视化却不止于此。

数据可视化不是简单的视觉映射，而是一个以数据流向为主线的一个完整流程，主要包括数据采集、数据处理和变换、可视化映射、用户交互和用户感知。一个完整的可视化过程，可以看成数据流经过一系列处理模块并得到转化的过程，用户通过可视化交互从可视化映射后的结果中获取知识和灵感。

图1 可视化的基本流程图

可视化主流程的各模块之间，并不仅仅是单纯的线性连接，而是任意两个模块之间都存在联系。例如，数据采集、数据处理和变换、可视化编码和人机交互方式的不同，都会产生新的可视化结果，用户通过对新的可视化结果的感知，从而又会有新的知识和灵感的产生。

下面，对数据可视化主流程中的几个关键步骤进行说明。

01

数据采集

数据采集是数据分析和可视化的第一步，俗话说“巧妇难为无米之炊”，数据采集的方法和质量，很大程度上就决定了数据可视化的最终效果。

数据采集的分类方法有很多，从数据的来源来看，可以分为内部数据采集和外部数据采集。

1.内部数据采集：

指的是采集企业内部经营活动的数据，通常数据来源于业务数据库，如订单的交易情况。如果要分析用户的行为数据、APP的使用情况，还需要一部分行为日志数据，这个时候就需要用「埋点」这种方法来进行APP或Web的数据采集。

2.外部数据采集：

指的数通过一些方法获取企业外部的一些数据，具体目的包括，获取竞品的数据、获取官方机构官网公布的一些行业数据等。获取外部数据，通常采用的数据采集方法为「网络爬虫」。

以上的两类数据采集方法得来的数据，都是二手数据。通过调查和实验采集数据，属于一手数据，在市场调研和科学研究实验中比较常用，不在此次探讨范围之内。

02

数据处理和变换

数据处理和数据变换，是进行数据可视化的前提条件，包括数据预处理和数据挖掘两个过程。

一方面，通过前期的数据采集得到的数据，不可避免的含有噪声和误差，数据质量较低；另一方面，数据的特征、模式往往隐藏在海量的数据中，需要进一步的数据挖掘才能提取出来。

常见的数据质量问题包括：

1.数据收集错误，遗漏了数据对象，或者包含了本不应包含的其他数据对象。

2.数据中的离群点，即不同于数据集中其他大部分数据对象特征的数据对象。

3.存在遗漏值，数据对象的一个或多个属性值缺失，导致数据收集不全。

4.数据不一致，收集到的数据明显不合常理，或者多个属性值之间互相矛盾。例如，体重是负数，或者所填的邮政编码和城市之间并没有对应关系。

5.重复值的存在，数据集中包含完全重复或几乎重复的数据。

正是因为有以上问题的存在，直接拿采集的数据进行分析or可视化，得出的结论往往会误导用户做出错误的决策。因此，对采集到的原始数据进行数据清洗和规范化，是数据可视化流程中不可缺少的一环。

数据可视化的显示空间通常是二维的，比如电脑屏幕、大屏显示器等，3D图形绘制技术解决了在二维平面显示三维物体的问题。

但是在大数据时代，我们所采集到的数据通常具有4V特性：Volume（大量）、Variety（多样）、Velocity（高速）、Value（价值）。如何从高维、海量、多样化的数据中，挖掘有价值的信息来支持决策，除了需要对数据进行清洗、去除噪声之外，还需要依据业务目的对数据进行二次处理。

常用的数据处理方法包括：降维、数据聚类和切分、抽样等统计学和机器学习中的方法。

03

可视化映射

对数据进行清洗、去噪，并按照业务目的进行数据处理之后，接下来就到了可视化映射环节。可视化映射是整个数据可视化流程的核心，是指将处理后的数据信息映射成可视化元素的过程。

可视化元素由3部分组成：可视化空间+标记+视觉通道

1.可视化空间

数据可视化的显示空间，通常是二维。三维物体的可视化，通过图形绘制技术，解决了在二维平面显示的问题，如3D环形图、3D地图等。

图2 可视化空间示例

2.标记

标记，是数据属性到可视化几何图形元素的映射，用来代表数据属性的归类。

根据空间自由度的差别，标记可以分为点、线、面、体，分别具有零自由度、一维、二维、三维自由度。如我们常见的散点图、折线图、矩形树图、三维柱状图，分别采用了点、线、面、体这四种不同类型的标记。

图3 标记类型示例

3.视觉通道

数据属性的值到标记的视觉呈现参数的映射，叫做视觉通道，通常用于展示数据属性的定量信息。

常用的视觉通道包括：标记的位置、大小（长度、面积、体积...）、形状（三角形、圆、立方体...）、方向、颜色（色调、饱和度、亮度、透明度...）等。

图3中的四个图形示例，就很好的利用了位置、大小、颜色等视觉通道来进行数据信息的可视化呈现。

「标记」、「视觉通道」是可视化编码元素的两个方面，两者的结合，可以完整的将数据信息进行可视化表达，从而完成可视化映射这一过程。

关于可视化编码元素的优先级，以及如何根据数据的特征选择合适的可视化表达，下次会专题来分享下。

04

人机交互

可视化的目的，是为了反映数据的数值、特征和模式，以更加直观、易于理解的方式，将数据背后的信息呈现给目标用户，辅助其作出正确的决策。

但是通常，我们面对的数据是复杂的，数据所蕴含的信息是丰富的。

如果在可视化图形中，将所有的信息不经过组织和筛选，全部机械的摆放出来，不仅会让整个页面显得特别臃肿和混乱，缺乏美感；而且模糊了重点，分散用户的注意力，降低用户单位时间获取信息的能力。

常见的交互方式包括：

1.滚动和缩放：当数据在当前分辨率的设备上无法完整展示时，滚动和缩放是一种非常有效的交互方式，比如地图、折线图的信息细节等。但是，滚动与缩放的具体效果，除了与页面布局有关系外，还与具体的显示设备有关。

2.颜色映射的控制：一些可视化的开源工具，会提供调色板，如D3。用户可以根据自己的喜好，去进行可视化图形颜色的配置。这个在自助分析等平台型工具中，会相对多一点，但是对一些自研的可视化产品中，一般有专业的设计师来负责这项工作，从而使可视化的视觉传达具有美感。

3.数据映射方式的控制：这个是指用户对数据可视化映射元素的选择，一般一个数据集，是具有多组特征的，提供灵活的数据映射方式给用户，可以方便用户按照自己感兴趣的维度去探索数据背后的信息。这个在常用的可视化分析工具中都有提供，如tableau、PowerBI等。

4.数据细节层次控制：比如隐藏数据细节，hover或点击才出现。

05

用户感知

可视化的结果，只有被用户感知之后，才可以转化为知识和灵感。

用户在感知过程，除了被动接受可视化的图形之外，还通过与可视化各模块之间的交互，主动获取信息。

如何让用户更好的感知可视化的结果，将结果转化为有价值的信息用来指导决策，这个里面涉及到的影响因素太多了，心理学、统计学、人机交互等多个学科的知识。

学习之路漫漫，一直在路上， 我们会持续分享数据可视化领域的知识，记得持续follow我们哟！

数据可视化流程包含哪些模块相互间什么关系

个人以为数据可视化服务商业分析的经典过程可浓缩为：从业务与数据出发，经过数据分析与可视化形成报告，再跟踪业务调整回到业务，是个经典闭环。

下图为可视化组件的“框架图”：

可视化最基本的形式就是简单地将数据映射成图形，大脑可以在数字与图形间来回切换从而寻找模式。所以我们必须选择合适的视觉暗示来保证数据的本质没有在大脑地来回切换中丢失，并且尽可能让大脑能轻松获得信息。

数据可视化通过哪些方式让数据展现的更直观

数据可视化的一般流程首先我们需要对我们现有的数据进行分析，得出自己的结论，明确要表达的信息和主题(即你通过图表要说明什么问题)。然后根据这个目的在现有的或你知道的图表信息库中选择能够满足你目标的图表。最后开始动手制作图表，并对图表进行美化、检查，直至最后图表完成。这里我们容易犯的一个错误是：先设想要达到的可视化效果，然后在去寻找相应的数据。这样经常会造成：“现有的数据不能够做出事先设想的可视化效果，或者是想要制作理想的图表需要获取更多的数据。”这样的误区。常用的可视化工具1、Microsoft Excel对于这个软件大家应该并不陌生，对于一般的可视化这个软件完全足矣，但是对于一些数据量较大的数据则不太适合。2、Google SpreadsheetsGoogle Spreadsheets是基于Web的应用程序，它允许使用者创建、更新和修改表格并在线实时分享数据。基于Ajax的程序和微软的Excel和CSV(逗号分隔值)文件是兼容的。表格也可以以超文本链接标记语言(HTML)的格式保存。3、Tableau SoftwareTableau Software现在比较受大家的欢迎，既可以超越Excel做一些稍微复杂的数据分析，又不用像R、Python那种编程语言进行可视化那么复杂。好多人都有推荐这款软件。4、一些需要编程性语言的工具R语言、JavaScript、HTML、SVG、CSS、Processing、Python。这里主要是列举一下有哪些编程语言可以实现可视化，具体如何实现需要读者自行学习。