数据可视化高手的自我修养

数据库
数据可视化是一种将数据转换为便于理解和使用的图表的艺术和技术。随着大数据技术的广泛使用,精通数据可视化艺术的人才将在职场上占据有利的位置。

读者来信:

亲爱的安妮:这个月底我就要毕业了,我的专业是市场营销,即将在一家大型消费品公司担任营销和品牌管理的实习生。这件事很令人激动,不过我担心一件事。我未来的老板和公司的另外一些人昨天带我和其他新员工去吃午餐,他们一直在聊我们将如何在今年晚些时候和明年越来越多地运用数据可视化,给公司包括部门管理在内的其他部门进行演示。我在谷歌上搜了一下数据可视化,大致了解了它究竟是什么,不过我真的觉得自己需要找到切实可行的办法来在工作中使用它,或至少理解其他人是怎么用它的。您或您的读者有什么相关建议吗?——来自辛辛那提的孩子

回信:

亲爱的辛辛那提的孩子:当然有。首先,你得先去买一本新书:《视觉组织:数据可视化、大数据以及寻求更好的决策》(The Visual Organization: Data Visualization, Big Data, and the Quest for Better Decisions)。科技顾问和大数据专家菲尔•西蒙在书中详细地讲述了最早采用数据可视化的eBay和欧特克(Autodesk)如何利用这项技术来帮助他们理解大量繁杂的数据,同时用明确、有趣、互动性强的方式把数据表现出来的。

根据西蒙的说法,尽快了解这个领域是个十分明智的选择。他表示,随着各家公司越来越依靠有数据支持的决策,“数字计算能力将和读写能力一样,成为想要保住饭碗的人们必须掌握的关键技能。如果你真的讨厌思考数字,解释他们对你的业务的意义,那这个劣势将越来越难以被遮掩。”

西蒙表示,尽管计量分析领域仍然处在起步阶段,但许多公司真正的业务骨干已经是“混合型员工”了。他们在当下的工作中,可以根据数据来作出更好的决定(比如营销),也可以将数据转换为能够激励其他人的图表。他指出:“饼图和柱状图过于局限,也不具备交互性。而数据可视化的关键恰好就在于交互性。”如何入门?他提供了以下方式:

学会一两种新工具。西蒙说:“认为Excel是***展现数据的方式,这种想法非常愚蠢”,他指出,许多功能强大的数据可视化软件都是免费的,比如D3.js。他说:“这软件很流行,不过它的技术门槛不低,所以从Google Docs开始可能更好。Datawrapper是另一款优秀、免费而且开源的数据可视化工具。”他建议体验这几款产品,直到你熟悉它们的工作方式和功能。

翻开尘封的数理统计课本。西蒙说,随着数据迅速成为商务中的通用语言,“你也许不必再在营销时建立卡方分布,但是了解基本的概率与数理统计显然不会是什么坏事。比如说,知道正态分布是什么,分清I型错误和II型错误的区别。”

与数字为伴。西蒙建议,练习阅读大量数据,从中提取那些你能够将之可视化的意义。“如果你可以得到公司的企业资源规划解决方案、人力资源数据或客户数据,可以看看它们。政府机关和其他机构(包括球队)也会在网上发布各种各样的数据。” 如果你喜欢篮球,可以登陆Vorped观察球员的数据在数据可视化的过程中累加的过程。

稍微学点设计。西蒙说,作为一个营销专家,毫无疑问你已经知道了许多基础知识,比如不同的颜色,以及“字体和间距这些微妙的元素”会引起顾客怎样特别的反应。“近来,设计是一个迷人的话题,尤其是在数据可视化领域。它对实现信息的可接受至关重要。”他补充说:“深谙设计之道,表现出你知道如何利用设计,这些可以让你与‘纯粹的数量分析专家’比起来更有优势。”

了解听众。西蒙观察到,一旦你开始熟悉用可视化的方式展现数据,你会发现“公司中不是所有人都乐于接受数据所说的内容,尤其是如果他们不喜欢数字,或者说如果他们拒绝根据数据制定决策的话。所以你需要知道怎样讲故事,如何‘推销’可视化数据体现的内容。”

同时还要关心你的听众。西蒙说:“对一群技术人员或搞营销的同事,通常情况下你可以讲得更细,因为他们可能对你得出结论的过程很感兴趣。”不过如果你是向高管汇报的话,他建议采用另一种方式:“提供能够支持观点的数据,但除非你被问到,不要事无巨细地解释它们,否则你会让许多高层领导感到极端厌烦。”

讨论:如果你在工作中使用过传统的饼图或电子表格之外的数据可视化方法,是什么帮助你掌握了这些方法?欢迎在回复讨论。

责任编辑:彭凡 来源: 36大数据
相关推荐

2020-03-11 14:39:26

数据可视化地图可视化地理信息

2017-10-14 13:54:26

数据可视化数据信息可视化

2018-08-03 13:19:10

大数据灵鲲可视化

2015-07-17 08:27:19

EMMBYOD

2015-07-20 09:11:19

企业移动管理EMMBYOD安全

2011-12-27 16:31:27

程序员

2018-11-30 15:44:49

可视化图表数据

2017-02-23 09:42:53

大数据数据可视化技术误区

2015-08-20 10:00:45

可视化

2015-10-28 13:39:25

2021-07-29 10:37:13

漏洞管理自我修养漏洞

2019-12-12 14:09:10

数据可视化设计界面

2015-08-20 10:04:40

可视化

2024-03-07 09:00:04

Rust数据可视化

2017-07-13 09:21:05

大数据数据可视化

2019-12-18 14:40:09

数据可视化后端技术Python

2014-05-28 14:49:22

Excel数据可视化

2017-02-16 09:30:04

数据可视化信息

2017-07-18 15:15:57

数据可视化细节层次分析

2017-10-31 09:38:53

大数据数据可视化Python
点赞
收藏

51CTO技术栈公众号