如何成為數據分析師系列（二）：可視化圖表進階
繼上一篇??如何成為數據分析師系列(一)：可視化圖表初階??整理了折線圖、柱形圖、散點圖、餅圖4種基本圖表的特性及其使用場景，這次整理了一些平常不太使用，但在合適的場景的使用它們，往往能為你的分析報告加分不少的圖表。
需要說明的是，這次演示的圖表幾乎都是用Tableau制作的「因自身學習的原因」，不再是Excel制作的圖表。其中有部分圖，仍舊能用Excel制作，有部分已經不適合使用Excel制作了。
樹狀圖(TreeMap)
功能&應用場景
主要功能用于可視化整體與部分關系，以區塊表示部分層級(不同區塊用顏色區分)，用矩形面積表示大小關系。
缺點
以面積表示大小，當數值相近時人眼難以辨別，當然可通過填充數值彌補。
漏斗圖(FunnelPlot)
?
?
應用場景
適用于關鍵業務環節數據比較，將各環節串聯起來構成漏斗，量化流程內環節，追蹤各環節轉化率。轉化是漏斗圖主要表達信息。
- 電商類：訪問 -> 注冊 -> 購物車 -> 下單 -> 付款;
- 營銷推廣：展現 -> 點擊 -> 訪問 -> 咨詢 -> 下單 -> 付款;
- CRM：潛在客戶階段 -> 意向客戶階段 -> 談判階段 -> 成交簽約。
以上只是常見漏斗，實際各種業務流程都可構建漏斗。
缺點
漏斗圖在實際分析中并不常見，但在PPT中用作信息描述卻明顯優于干巴巴的數字
- 追蹤流程較困難，而企業是結果導向的，我們更在意整個流程的轉化率，有時不會深究細節;
- 有時候我們更關心某環節轉化率在時間維度上的變化。
漏斗圖 vs 行為路徑分析
漏斗圖要區分于行為分析路徑圖，行為分析路往往是你對用戶的訪問路徑未知，而漏斗圖則是基于已知關鍵流程構建。
樣式變種：將面積形式變種為柱形圖樣式，顯得更加清晰
?
?
雷達圖(RadarChart)
?
?
應用場景
雷達圖主要用于靜態的多維對比，它直觀地呈現幾個觀察對象在多個指標上對比情況。
缺點
能表達的靜態數據信息有限，線條不宜超過5條，指標不宜超過8個。
注意事項
雷達圖中的指標必須是正向且可以比較的，也就是指標代表越好，且當指標差異較大時，需要進行標準化，消除單位影響。
- 指標必須是相同表征含義：如都是越大代表越好，或越小代表越好;
- 雷達圖的數據必須進行標準化;
- 雷達圖是靜態數據很量，不可能有時間維度。
制作過程
數據如圖
?
?
- 數據源-***個指標要重復一列，作為環形的起點和終點;
- 在Tableau中要進行透視表操作;
- 生成路徑： CASE [數據透視表字段名稱]
WHEN '認證兩分鐘回復率' then 1
WHEN '認證數' then 2
WHEN '消息兩分鐘內回復率' then 3
WHEN '消息回復率' then 4
WHEN '回復消息數' then 5
WHEN '質檢得分' then 6
ELSE 7
END
- 生成弧度:IF [路徑]=7 THEN pi()/2 ELSE PI()/2 - ([路徑]-1)*2*PI()/6 END
- 生成X = [數據透視表字段值]*COS([弧度])、Y = [數據透視表字段值]*SIN([弧度])
?
?
箱線圖/盒須圖(Box plot)
?
?
箱線圖是利用五個統計量：最小值、第1分位數、第2分位數、第3分位數、***值 來描述數據的圖形。
應用場景
主要用于觀察數據分布：觀察分布&異常值&偏態等
- 箱線圖可直觀明了地觀察數據的分布情況，對不同數據批的數據分布進行對比;
- 箱線圖可直觀明了地識別數據批中的異常值;
- 箱線圖可初步判斷數據批中的偏態和尾重; 異常值出現于一側的概率越大，中位數也越偏離上下四分位數的中心位置; 異常值集中在較小值一側，則分布呈現左偏態;異常值集中在較大值一側，則分布呈現右偏態。
圖形元素說明
?
?
矩盒兩端的位置分別對應數據的Q1、Q3分位數，矩形盒內部繪制一中位數線
- 內限=Q1-1.5*IQR、=Q3+1.5*IQR IQR(四分位矩)=Q3-Q1，它反映了中間50%數據的離散程度(數值越小，中間50%數據越集中)
- 外限=Q1-3*IQR、=Q3+3*IQR 內限以外位置都是異常值，其中在內限與外限之間的為溫和異常值(Mild outliers)，外限以外的稱為極端異常值(extreme outliers)。
應用舉例
?
?
甘特圖(Gantt chart)
?
?
應用場景:項目管理
甘特圖對于說明項目各元素的起始與終止日期效果非常好，清楚看到需要完成的內容和截止時間對于項目的成功非常關鍵。 多數情況下，我們把甘特圖和項目管理聯系到一起，不過它其實還可以用來表現隨時間推移事物的變化(人員、機器、訂單等)。
- 顯示項目進度。例如：說明關鍵可交付成果、所有者、截止期限。
- 顯示隨時間推移的其他事物使用事項。例如：機器使用的持續時間、團隊成員有空與否，訂單發貨時間等。
桑基圖(Sankey diagram)
?
?
桑基圖，即桑基能量分流圖，也叫桑基能量平衡圖。
起源
- 1898年Matthew Henry Phineas Riall Sankey繪制的“蒸汽機的能源效率圖”而聞名世界，此后便以其名字命名為“桑基圖”。
應用場景
- 展示分類維度間的相關性，以流的形式呈現同一類別的元素數量;
- 表示集群的發展，比如特定人群的分布，如：杏仁活躍醫生在一段時間的活躍狀態變遷;
- 具有流程圖的性質，表示能量/物質流轉。
核心特征
最明顯的特征是始末端的分支寬度總各相等，即所有主支寬度的總和應與所有分出去的分支寬度的總和相等，保持能量的平衡。
圖形制作
- 1.S型曲線-sigmoid Fuction
?
?
該函數圖像的特點有： 1. 連續，光滑，嚴格單調; 2. 關于(0, 0.5)中心對稱; 3. 值域為(0,1).
1. 簡單桑基圖 數據格式如下。左為Data，右為模型Model，要求制作桑基圖表示用戶ID從position 1變化為position 2的路徑。
?
?
?
?
- a. 連接Excel文件，將Data與Model均拖入數據，并由Link進行inner join連接;
- b. 創建計算字段Sigmoid Function代表S曲線函數：1/(1+EXP(1)-[t]);
- c. 創建計算字段Curve代表曲線：[Position 1]+(([Position 2]-[Position 1])*[Sigmoid Function]);
- d. 將t拖拽至[列]，Curve拖拽至[行]，并調整為連續的維度; e. 將Name、ID拖到詳細信息，Name拖拽到顏色;
- f. 選擇標記類型為 線，一個簡單的桑基圖就完成了，示例可參見Tableau文件。
?
?
難點理解：曲線是如何生成的!
每一個用戶有position 1、position 2，以ID=1的用戶為例：
position 1=1
position 2= 100
[Position 2]-[Position 1]=99
([Position 2]-[Position 1])*[Sigmoid Function]
將上式記作A，根據S曲線特性，當t->負無窮時，函數s->0，A->0;因s函數嚴格單調，當t增大時，s增大;當t->正無窮時，s->1，A->([Position 2]-[Position 1])。所以curve=[Position 1]+(([Position 2]-[Position 1])*[Sigmoid Function])可生成一條S曲線.
難點是設置position，讓每個類別的點靠近。不僅是大類別要靠近，細分類別也要靠近
詞云
?
?
應用場景
詞云圖是為了描述事物的主要特征，要求能夠讓人一眼看出一個事物的主要特征，越明顯的特征越要突出顯示。不要為了詞云而詞云，要關注制作詞云要表達什么信息(包括數據的關系是什么)
- 內容型網站對內容關鍵詞提取制作詞云作為網站導航;
- 人物肖像刻畫、事物肖像刻畫、小說核心主題刻畫，總之對于各種事物進行某種主題的刻畫，可以選用詞云，如果是表現層次化關系，則不建議使用詞云。(下圖就不是詞云最合適的運用場景)
?
?
主要特征
詞云是可視化中較為藝術化的圖表。 Word直接展示對象，Word字體大小表示某種度度量。
以上就是圖表類型的介紹了。其實圖表類型還有很多很多，如基于鼠標點擊的熱力圖、基于網絡傳播的關系圖等等，但它們都不再適合用Excel或Tableau制作，需要用R/Python進行繪圖，暫時用不上，故沒有再往下寫的必要。
此外，圖表制作還有很多主意事項，比如：背景色的使用
黑色背景給人以震撼，但它的情感色調是鄭重、悲傷、緊張 白色背景比較單調，但它的情感色調是以輕松
具體的圖表如何使用，它是非常靈活的，見仁見智。這些基礎理論只是將圖形的特征介紹清楚，具體如何用仍需要結合業務場景、分析目標等。
