创建高影响数据可视化:9个有效策略

green_visual. 我非常相信使数据可访问的价值。

在这种信仰的服务中,很少有很少的东西让我像可视化数据一样快乐(智能分段接近)。在我们的数据中潜伏的吨和大量复杂性有一些神奇的东西,能够找到核心本质,然后简单地说出。结果然后是一种心灵和心脏连接,推动了紧迫感的动作。 #winning.

虽然我是一个在业务数据上下文中最简单的可视化,但我喜欢一个简单的条形图,就像和弦或fisher-yates洗牌一样多。正如我们所学到的,工具重要的是我们对工具的作用。 :)

在这篇文章中,我想激励你以不同的方式思考。我已经策划了十六个非常多样化的可视化例子来做到这一点。由于设计都没有来自数字分析的世界,尽管我会从中留下来的世界 你怎么能使用这个想法 看法。我的主要目标是扩大你的地平线,以便我们能够窥探并看到新的可能性。

为了激发你的好奇心,我努力寻找你努力寻找美国债务,欧洲政治,林木,奴隶制,淫荡,电影,枪支控制,毒品和健康,中国经济,以及我们度过的生活(绝对审查这一点!)。

十六个例子整齐地落入了九个策略,我希望在您创建数据可视化时,您将在您的分析实践中培养:

这篇文章有很多深度,并为您探索,反思和内化的负载。吸收所有课程需要几次访问。在尽管如此,我的建议是每天阅读一节。花点时间真正了解发生了什么,转到网站,播放,看看更高的分辨率版本(点击图片),记录你第一次你第一次做的或改变你已经做了什么。最重要的是,练习采取行动。然后,回来,阅读下一个并采取行动。我保证,奖励将富裕。

当涉及数据时,让我们去做一个更有效的影响者!

策略1:简单的痴迷

如此许多视觉效果如此非常复杂的原因之一是分析师/创作者试图展示他们的聪明才有程度。可悲的是在展示上述聪明的过程中,视觉效果最终令人难以置信的复杂挤满了每一点点 令人惊讶的 他们 正试图展示......

美国最大个人所得税税率与国民债务负担
(点击上面的图像以获得更高的分辨率版本)

在我的脑海中绝对没有疑问,创造者努力工作,我真诚地意味着这个,他们非常聪明。

问题是他们想要沟通的本质可能只是他们所知道的,或者任何人都愿意花时间首次学习分析师的工作,挖掘数据本身,创建这张照片,然后了解什么被说。

它伤了我的心。

继续。滚动备份。看看你是否能理解所说的内容。

在我谦虚的意见中,有一个额外的微妙问题。被要求绘制创造者绘制数据,或者也许 分享见解,但目前尚不清楚其工作是在最后回答这个简单的问题: 所以呢?

当你从它开始作为您的目的地时, 所以呢,作为任何可视化的创造者,您将要询问更多上下文,您将确保Visual是答案的服务,您'LL确保您的聪明集中在数据必须服务的结果上。

拜托,请记住这一点。

上面的复杂的事情正在努力突出一个重要的趋势,缺少上下文,并且根本不像它的现实那样戏剧性!

这里'是一个更好的视觉,显示了国家债务负担,有四个上下文的其他要素…

债务_chart_2016_sm
(来源)

你得到了零秒点的意义吗?

你是鲸鱼负荷,因为你思考红色和绿色时会更害怕吗?

你是吓坏了,如果美国两个政党似乎擅长这是红色(!)?

这是一个很好的数据视觉。

对于我领导的团队的一部分的少数人,除了为您的分析创造视觉上简单有效,您还知道我的期望是您将会提出推荐 该怎么办.

为了证明耶稣斯科里希纳拉的途径有很多道路......这里是债务的另一个简单视图,具有不同的x轴,伸出的y轴,以及不同的上下文…

federal_debt_past_future.
(来源:CBO.)

不同的问题,不同的论点,不同的结果。但是你'LL比第一个视觉更快地达到它们。

我不能强调这一点:唐'T尝试从客户/受众赚取您的绩效审查。从你的老板赚钱。告诉你的老板你工作了多么努力,告诉她你有多聪明,赢得了她的赞美。备用您的客户/受众–展示了您最简单的表现形式,展示了NACR标准。

(有关使用NACR识别视线的更多信息,请参阅TMAI#66。)

策略2:如果复杂,焦点!

为此帖子的其余部分(或在此博客上写下的745,540字中,您将看到我的深度偏见。我不想遇到简单的势利。

部署好,有一个我喜欢复杂的情况。

我以为这是非常好的…

arain_s_oldest_trees__paukee-sm.
(来源: Michael Paukner.  |  他的flickr系列)
(点击上面的图像以获得更高的分辨率版本)

虽然沿着所有箭头追溯到原来的国家,但图形的形状是对视觉的致敬'S主题。背景颜色不可能是更强的。并且,注意只有关于每棵树的完美信息。

还有其他更微妙的东西来欣赏。我喜欢,爱,爱迈克尔把我们放在右边。当我们“绊倒”我们的观众时, 它给了他们一个暂停并强迫他们更仔细地查看所有其他信息。

课程本身还有很多暂停的数据本身。请注意,图形中最小的树比耶稣基督更老。或者,我们都应该如此高兴美国西方被安顿下来(然后我们更欣赏大自然的人类)。

如果重要的是通过复杂性,我很好。如果有人在视觉上花费1/100的时间,那么我的复杂性很好 得到它.

策略3:Venn图FTW!

我喜欢venn图。好的,严格地说的欧拉。但是,让我们's not get pedantic.

I'使用它们来简化复杂主题的演示。前任: 复杂数字营销/分析挑战的六种视觉解决方案

我只是开玩笑,但人类最复杂的一个人之一就是了解欧洲的欧洲。一端'甚至要问,因为你听到了回复欧盟,eea,欧元区,申根,efta等。

我觉得彭博做了一份精彩的工作,看起来像Amoeba-Inspired,欧拉图…

eu_explation.

(点击上面的图像以获得更高的分辨率版本)

颜色方案对比足以让您遵循很好。

经济尺寸的背景是一个很好的触感。 (这令人尴尬,但我很惊讶意大利有多大,瑞典是多么大。)

为了清洁线条,彼此相邻的国家的集群,所有这些都具有内置的消息。塞浦路斯和爱尔兰。英国,罗马尼亚,保加利亚和克罗地亚。等等等等。

总的来说,这是一个已经解决了无数次的主题, 有痛苦的结果。 Bloomberg设法尽可能简单,具有有价值的内置上下文。

住在同一个地理区域,以及我的euler-love,这里'S的另一个梦幻般的可视化通常是一个非常复杂的答案:英国每个政党有前途的是什么?

我喜欢这个作为答案......

UK_ELECTION_MANIFESTO_econoMIST.
(来源: 经济学家)
(点击上面的图像以获得更高的分辨率版本)

你是否相信 完全出去 Ukip与劳动力有共同点吗?或者劳动力在最低工资问题中完全单独?

Visual使您更容易理解我们对每个缔约方宣言的数千页中最感兴趣的东西。你,观众现在有权与你的派对更加热情地同意,或者感受到意识到你的派对正在解决的内容的不舒服的蠕动。两个都。极好的。结果。

显然这是一个政治局面,有人必须决定该内容,因为各方承诺地球,月亮和仙女作为的星系是什么。但这是分析师的生活......他们必须做出艰难的选择。

两个希望。

1. 我希望世界各地的每个新闻组织都能复制这种可视化并为其主要政党创造它。 (另请参阅下面的枪上的相关NYT示例。)

2. 你会怎么做这个?您能从数字存在中拔出所有内容类型,并创建像这样的视觉,因为每个类型都是解决目标(重叠目标)的目标?如何购买国家和产品购买?哦,或你的主要交通资源和访客收购指标?

这么多,所以简单,还有很少的时间!

战略4:与富有洞察力的终点相互作用。

有一种常见的信念,即你的公司的决策者将更多地使用数据,如果他们可以探索它 - 更有效地,更深,更深等等,这几乎从不是真的,主要是由于橙色和蓝色三角形中概述的问题 概述技能/能力和见解/行动.

因此,在业务环境中,我很少倡导唯一目的是允许广泛的公司员工进行随机捕鱼探险的倡议。

探索性环境可能很有用,特别是当它们是1.急剧上焦点2.有能力消除死亡端点和3.允许智能元素如建模。让我们看看下面的前两个和以下示例中的第三个。

这里’s a valuable dataset from the Equal Justice Initiative on 在美国的林金.

lynchings_america_eji.
(点击上面的图像以获得更高的分辨率版本)

即使一目了然,数据沿多个维度很有用。

在这种情况下,数据探索使其更有价值。将鼠标悬停在您的感兴趣区域,然后单击...

Lynchings_alabama_eji.

你 get your data drill-down, but what’s of most impactful is that you also get an end-point with a valuable insight providing meaning to the data.

在这种情况下,Jefferson County的第29号将是一个有价值的终点。纳入 伊丽莎白劳伦斯的故事 另一方面,提供了意义。这就是让探索有目的的终点。

你 can now zoom out, move on to exploring other areas, continuing to get enriched value from the data.

在业务环境中,当您使用交互式数据可视化时,请询问非常有价值的问题: 在数据的海洋中,其工作是包含一个逻辑终点,具有值介绍?

当然,您的Google Analytics数据的Terbytes倾倒在Tableau探索物中,不会神奇地将它们扔到那里。

当然,劳动业务决策者,甚至是高级的,也不会有所有的背景,他们需要转换Thing Sampigy钓鱼探险,抱歉,探索,进入您觉得数据包含的辉煌。

互动可视化是很棒的,只有在探索中的逻辑端点的洞察中包装时才会包装。推文。

[侧边栏]
由于它包含的深刻情绪内容,这是一个难以分享的例子。但是,那些不学习历史的人注定要重复一下。除了可视化的课程的价值之外,我鼓励您探索EJI的其他网站。至少请考虑花费五分钟听听故事 拉布柯克州的约翰哈特菲尔德告诉哈尔克兰和六分钟的故事 Thomas里程SR告诉Shirah Dedman。谢谢你。
[/侧边栏]

奖金: 这一主题的另一个富有洞察力的可视化是在布丁.Cool, 奴隶制的形状

mappe_slavery.

可视化的一点更复杂,填充了数据深度的函数。

遵循Louisiana的故事,因为您反思数据。

许多数据可视化,讲故事和生命课程也在此数据集中。

策略5:什么 - 如果分析模型。

在上面的思想中,如果您创建探索性环境,如果我们在What-If类型模型中构建,则可以非常归功于决策。而不是在终点停止,提供了一种选择某种类型的敏感性分析,其目标是产生观众采取行动的目标。

例如......让我们说他们最终看着访客,转换率和收入。您可以轻松地想象您希望有人如何通过交通来源或广告系列或Geo或Myriadable尺寸探索数据。您可以在按下按钮以获取该数据的环境中创建一个环境。

必要,但不充分。

为什么不建立决策者可以改变转换率的模型,看看收入的影响?将其从1%移至1.5%至8%。查看交通源会发生什么。然后,做出更聪明的决定。

或者,赋予他们用折扣策略发挥作用。如果提供5%,10%或18%的折扣会发生什么?显示对收入和利润的影响。

即使在没有捆绑到您的预先包装环境中的洞察中,即使模型允许您的决策者与情景一起玩,了解影响并对该做什么做出更聪明的决定。

这是关键。不要用死胡同制作可视化。

这里’s a great example of that from Mosaic. The visualization is 关于超出Pandemics..

引用它们: 疫苗是对抗疾病爆发的必要武器。但是如何发展疫苗的时间与爆发的速度和频率相比?我们怎样才能做得更好?

这是迎接您的简单观点,从1890年到2016年爆发,同时疫苗开发......

outpacing_pandemics.

每个元素都是可点击的。

作为一个插图,最长的酒吧是伤寒和最小,仁慈的是麻疹。对于每个酒吧,点击麻疹,您将看到第一个大爆发(1917,3000人死亡)和最后一次(1989,123死亡)。探索数据真的很容易。

我爱的是敏感性分析。

单击黄色点,您将看到在操作中。首先,你看看实际发生了什么......

outpacing_pandemics._ebola.

简单的探索。好报告。容易明白。

具有周数的按钮代表我想要在这里突出显示的内容。点击它们,并展示了何时采取行动的结果。

我选择22周......

outpacing_pandemics._ebola._22_weeks.

即使疫苗在22周后引入了很长一段时间,我们也可以节省1,628人!

该团队还建立在一些假设的场景中,以帮助通知决策。

你 can play with the implications of a fast-moving flu-like pandemic. It would have grievous overall impact, 30 mil deaths in 12 months.

但是,如果我们限制了50%的旅行以来,我们还没有疫苗。这会产生影响......

OutPacing_PandeMics_Flu_Travel_Restrictions.

不像人物可能想象的那样的材料,但它减慢了掉头。

如果在22周内推出疫苗怎么办?

OutPacing_PandeMics_Flu_22_Weeks.

疯狂地有用。挽救了17枚耳童。

这种类型的建模比在NGORONGORO火山口中看到犀牛更罕见。 (我们上周在那里,你应该去,它非常棒。)

作为分析师,作为一个大数据师,作为数据科学家,倾吐关于人类的正确数据只是略微有效。在这个例子中,在上面的其他人中,我希望你能看到我们可以为我们的工作带来更聪明的决策的额外创造力的类型。从无终点开始。

策略6:涡轮增压数据视觉与讲故事。

你知道这个。即使数据在一个简单的环境中共享,大多数人都无法将其内化。正如今天大多数示例中暗示的那样,问题是分析师的大脑尚未与数据包装。

全球性别差距报告是一个很好的示例如何解决这个问题。团队也没有在一个简单而美丽的环境中股票,他们还包括他们想要在同一个环境中讲述的故事。输出不是报告,产量是分析师大脑的结论。

我很难展示他们在静态截图中所做的事情。你刚刚 去那里滚动.

探讨性别差距变成多种可视化的最初趋势如何,注意到微妙但重要的重视趋势,最重要的是,从故事如何与数据呈现的情况(右侧的文本)感到快乐。

该网站和可视化将在您的移动设备上工作(是的!),但它在您可以找到的最大屏幕上最好钦佩。

为了诱惑你,让我对比性别差距形成鲜明对比 表现 美国的美国(过去两年急剧下降!)与......受到浮子的启发,斯洛文尼亚的10年表现......

gendar_gap_browser.

使用直方图和散点图选项。

回到几次(是的,性别奇偶校验是我深深地关心的问题),确保你在故事中吸收了许多细微差别(为什么上述美国的臭名性能?)文本(故事)和可视化(数据)一起播放的方式。

当您发送数据时,它与您的大脑捆绑在一起吗?

请记住,您将成为智慧和技能的最后一个人,以了解数据实际上是什么(假设您是忍者!)。您的大脑必须使用数据。

奖金1: 这种顺序讲故事的另一个梦幻般的例子是 电影金钱 ......

film_money.

Lars Verspohl通过电影的成本和利润结构来实现您的精彩旅程。像我一样,你会喜欢简单而令人愉快的可视化,如何优雅地流动它所有流动,并且所有图表和数据都主要是在那里支持他分析中出现的故事。

另请注意思想投入到该故事中被告知的顺序,如果是可视化切换(从上面的一个)和部署的技术,以保持您感兴趣。所有优秀的,载荷都要学习。

奖金2: 这是一个主题,讲故事,我只是爱,爱情,爱。当我堆放并再次分享一个,讲述一个讲故事的例子,讲述数据和文本在手中的讲故事的例子。

路透社图形的团队做了一个工厂的工作 解释中国的债务问题.

China_debt_reuters.

几乎所有的视觉效果都非常简单。当滚动时,虽然它们如何逐个剥离洋葱的层次,但在他们想要制作的核心点上划分数据。

真的很可爱。值得仿真。

策略7:2 x 2矩阵的魔力

如果您在此博客上阅读了任何内容,则阅读寻求的重要性 为什么 提供关键背景的答案 什么 答案,你摆脱了Adobe或Google Analytics。因此,令人惊叹的价值 调查, 可用性研究 (在或离线), 启发式评估,阴影客户服务呼叫等等。

客户是他们所拥有的一个惊人的问题来源,有时它们也是一个很好的想法来源。挑战是,如果你问人们的意见,你会得到巨大的想法。

你如何重视它们?你怎么介绍它们?您可以从数据到行动有多快?

我爱的一个解决方案是纽约时报的团队使用的可视化策略。该示例说明,简单地,与情绪上充电的主题相关的想法: 枪支控制.

每个人都知道这是一个偏振子。对反对朋友的朋友。蓝色vs.红色。警察和少数群体和其他所有抛入的组合。这是一团糟。

但。它真的像我们相信的焦虑一样充满了恐惧吗?

不,事实证明,如果你要求美国人有关于将减少枪支死亡的个人想法......绝大多数我们同意!

nyt_gun_control_ideas.

最低支持的想法是“展示需要枪”。支持它只是害羞的50%。一个简单地听起来令人难以置信的数字。 

您认为我们各国广大多数人是否同意这些常识的想法?我不得不承认我没有。它是充满希望的数据。

但是,这不是在我们的名单上包含此视觉的原因。

NYT团队而不是仅分享想法,而不是征收增量价值(记住分析师的大脑?)通过询问 专家 对每个想法的有效性。这就是你在上面的分布中看到的。

从这2×2矩阵,这里是美国的支持和专家的思想说是有效的......

nyt_gun_control_ideas._ffective

专家只有两种想法均为无效,但得到超过70%的美国人(国家待您的地面法和荣誉境内隐瞒和携带许可)。

我们基本上同意想法,很多人都会产生影响。

我喜欢介绍这个想法和专家所带来的事实给予宝贵的背景。这就是我在上面的例子中的意思,而不是简单地通过所有的客户想法和与他们一起运行。一种美妙的方式,让您可视化多个想法,并且您可以将其与专家维度或客户满意度甚至是收入维度结合,以使上下文到思想。

来自NYT的最后一个价值要素。

我已经说过 聚合中的所有数据都是废话。我很高兴 nyt团队 还会分段数据。

特朗普支持什么......

nyt_gun_control_trump.

美国执法支持是什么......

nyt_gun_control_police.

而且,更多的切片,使数据变得更加有意义。

部分。永远,永远,总是部分!

它超出了这个谦卑的分析博客的范围,以探讨为什么面对这样的一致性,在减少美国的枪口暴力时没有任何事情发生。但是,对于数据的恋人,对于信徒在数据的力量推动智能决策中,如果您无法正确地讲述故事,这将更多地提醒数据的限制。

策略8:关闭上下文集群。

让我们与您通常包含在企业分析的工作中的工作示例关闭。

通常我们的数据是孤独的。只是访问或辅助转换或订单规模。没有其他上下文元素,它才能掉下此数据不太有用。

考虑到这一点,转换率可以通过统计上显着的百分比来提升......虽然收入实际上是下降。或者,对网站的总体访问保持稳定......但从通常的第二个最高来源中略显下降。

欧洲毒品和药物成瘾监测中心,也是华丽的缩写EMCDDA(!)所知,发布了大量的数据。他们的 统计公告2017. 有一个可爱的图形和图表,我们都以某种形式或形式使用。唯一的区别是我们很少报告海洛因价格和纯洁。 :)

EMCDDA_EUROPA_HEROIN.

随着使用(大多数)简单的视觉效果来说明数据,我欣赏它们提供的上下文。有时使用时间尺寸,有时使用地理故障,有时使用两个可能的相互播放元素(如上所述),所以等等。

这种简单的策略在提供见解方面非常有效 - 或者至少导致观众提出相关的有趣问题。

我鼓励你花点时间探索众多 网站上的示例

EMCDDA_EUROPA_CHARTS.

我有信心的可视化策略将激发升级到您在贵公司所做的工作中更有效地传达数据。

EMCDDA的朋友大多避免了两件事,即我发现数据可视化的差。他们在我的脑海里引发了这一点,让我借此与你分享他们的机会。

1. 从来没有,永远不会,永远不会创造似乎在这些天似乎在流行中的loooooooooooonnnnnggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggnnnnnggggggggggggggggggggggggggggggggggggggggggnnnnngggggggnnnnnggggggg这些日子。基本上,他们正在服用69个“幻灯片”/图表/表,并将它们推入9米长的东西,没有浏览器可以变得越来越大。当你吸收了一个充满了微小的字体/图像中的第三个屏幕的时候,你已经忘记了第二个。 您在这篇文章中有许多例子,您如何避免如何让自己看起来像次优向松鼠。

2. 饼图是一个非常糟糕的数据可视化选择。人类发现比较的角度比例如,长度明显更难。我在第14届第14届我的时事通讯中解释了这一点,营销分析相交: 吃馅饼,不要分享它们.

[你应该 订阅者到TMAI. 对于每周服用的智力,会让您处于行业的出血。]

奖金: 本着政府数据的精神,如果我没有与你分享三个互动散点图的例子,我会收回的 我们的数据 (由牛津大学生产)。

第二个是及时的,它展示了我们如何看待健康支出和预期寿命,美国是一个大量的异常值(而不是好种类)......

Owid_life_expectance_Health_expenditure.

我喜欢融合图表,该网站上的第一个,儿童死亡率与平均学校教育,是一个很好的例子。而且,它显示了很棒的消息。

审查全部三个。然后,考虑绘制一个用于您的数字数据。转换率折扣十大交通源。网站上的时间访问网站以获取内容类型。和更多。

策略9:多维相关线图。

最后一个例子,导致内省关于你生命的最后几年。

等待。事情真的很严重。

他们做到了。但是,我真的让你倾向于这个。

一个小的原因是您可能会为您的仪表板创建像这样的每一天这样的图表。我希望你能找到如何让你的课程更简单。注意使用字体和颜色。请注意轴的标签,与否。和其他小事。

一个重要的原因是我深深地关心你,我希望这个数据成为我们所有人的警示信号,以便可能开始做出新的选择。

这些地块来自 美国时间使用调查,2003年至2015年的多年研究由美国劳工统计局进行。

在X轴和小时每天花在y轴上花费的年龄…

American_time_USE_SURVEY.
(来源: Halhen在Reddit.  |  GitHub.)

在我们的20多岁时,我们将与我们的朋友和父母一起度过大部分时间。我们的合作伙伴和同事将通过我们的50多岁从我们的生活中接管我们的生活。

我会让你内化休息,并通过评论您所看到的内容作为此数据的课程。

三件事为我站出来了,因为我认为较大的生命。 1.我们可能会对我们的同事提供非凡的重要性,也许值得一点重新思考。我爱我的配偶,无论谁首先,我都感到盯着伴侣和一个单独的图表后感到非常伤心。这些数据表明了爱自己的价值 - 为自己的皮肤感到舒适而感到自豪。毕竟每个人都会花费大量的十年加上......单独。你现在已经到了50左右到达那里。匆忙!

:)

简单地看到了大数据的力量。

结束思想。

十六个不同的来源和可视化策略帮助您不同地思考当您对数据的影响 - 从您带来的人带来和业务价值的行动时如何弥合关键的最后一英里。我们没有足够的时间和对此一英里的关注。

虽然其中一些清楚地采取特殊技能(特别是那些告诉综合故事的人),但我希望你会注意到他们中的大多数都很简单,你可以用来创造一点努力。

今天最重要的是,我引发了升级您的个人数据可视化技能的承诺。

祝你好运!

一如既往,现在轮到你了。

你最喜欢哪两个例子?为什么?是否有一种可视化技术,您可以在此帖子中未涵盖的分析练习中部署?什么障碍阻止您提高数据viz技能?涉及数据可视化时,您的宠物偷看了什么?在鼓舞人心的时候,你有去消息来源吗?

请通过评论分享您的提示,最佳实践,批评,为创建上述示例的人员表示赞誉。

谢谢你。

PS: 我在这篇文章的开幕情况下不是在开玩笑… I'在许多不同的背景下对数据可视化和共享指导进行了很多关于数据可视化和共享指导。在这里继续浸没'是另一个知识集合…

我希望你喜欢它,并用你的数据画更多的漂亮照片。

评论

  1. 1
    Zach Shearer. says

    你'已经编译了一个良好的数据可视化故事讲述技巧,但你没有'提到了这些可视化的技术。

    d3.js为其中一些可视化供电,但我'肯定有很多技巧。关于创建这些可视化的方法的第二个帖子将是有趣的。它没有'T需要逐步,但有一个关于创建每个可视化的更多信息将是很好的。

    • 2

      扎克: 可悲的是,我一直在编码博客的范围,而不是因为它并不重要,而是更多,因为不难找到可以做到的编码器。我确实欣赏了反馈,我'LL考虑一个未来的帖子。

      同时,如果您了解具有体面的JavaScript技能的人,他们应该能够做到这么多(如果不是全部)。额外的资源可能是图形设计器–对于一些额外的前端爱情。 :)

      arinash。

      • 3

        创建可视化的方法始终是生成的好的内容。 D3'how to'考虑到博客上的内容是一个有点复杂的! D3非常高级,在描述有效数据可视化和它们创建的影响时抛出博客。

        我的朋友刚告诉我关于你的网站avinash,将重新阅读更快。谢谢你的见解。一世'在商业智能工作近十年。

        好东西 :)

        小心。

  2. 4
    艾玛箍 says

    一个惊人的帖子阿内托,具有如此伟大的鼓舞人心的可视化集合。

    我也想要强调什么'对我来说更有价值正在阅读你的每张视觉的解剖。在一个以上的案例中,我发现了我不一定抓住的东西。

    一个请求。有没有办法得到TMAI 66?我是最近的订阅者,我不确定如何找到它。谢谢你。

  3. 6

    这是最好的作品之一,阿内托。在Venn图表部分,我以为彭博一点是难以阅读的,但授予它是如此艰难的事情来想象。经济学家venn图很棒,但是!

    最后的图表"让我们陪伴公司的人"真的很好地建造,大"alone"绘制出y轴的边界拍摄。

  4. 7
    大卫凯恩 says

    在Web分析领域,强调可视化的强调缺乏。我们将一些基本的图表放入我们的仪表板中。主要是我们共享填充的表格,这很难理解。

    很高兴看到你始终如一地击败了这款技能的鼓。真的很棒的帖子。

  5. 8
    汤姆米勒 says

    我喜欢你的观点没有试图"从观众赚取职位审查。"我没有听过这个洞察力的讲述的问题。

    来自EJI和布丁的例子深入移动。真正的数据以一种教育和让您深入了解一个主题的方式呈现。我最喜欢的建议是创造敏感分析的策略,让我们的老板做出更聪明的决定。

    汤姆。

  6. 9

    伟大的博客!一如既往。生病了解详细研究并在我有一定时间的时候采取行动!你已经让我进入了一个'eat my pies only'有点伙计所以我可以't wait to see what'他们在他们陪伴我学习。我评论实际上是向Zach提供一些指针进行资源。

    @zach:释放核心的免费JS lib http://www.chartjs.org/samples/latest/ 当你有一些更深的口袋时,你也可以在盒子里找到一些设计 //www.highcharts.com/demo/area-inverted 但是他们的许多人和更多的语言。带你挑选?但如果你需要问,那么你可能会没有'知道该怎么办?看一下像超级度量加载页的东西的东西吗?

    但是没有替代思考绘制的东西,这样你就是拥有自己的。每个人都可以买到一块砖,但只有很少的人可以做一个漂亮的结构,更不用说真正的头部特纳。它'我猜到了同样的地方:它'例如,辛苦的工作是伟大的。我所说的所有尊重。

  7. 10
    劳拉 says

    谢谢你的帖子,avinash。他们总是如此乐于助人! (很好的工作找到一种方法参考政治而不让任何人生气…这些天难以做到。)

    我最喜欢的图表来自电影资金项目。我的大多数客户都非常舒适地对数据驱动决策中讨论的散点图和误差条。它让我很高兴能够提供我们的视觉图'再做,为什么 - 这真的使利益相关者觉得自己理解了什么'正在继续。电影货币图表是一种简单,干净的方式,可在视觉上对比度和收入(以及各种各样的东西!)我喜欢它!

  8. 11
    基督教 says

    伟大的帖子。

    我很乐意听到/看到一种逐步的进程(有趣的流程图?)如何突出显示图形中所需的数据。何时使用界图与条形图与散点图与Venn图,那种东西。

    我相信它'在你或其他人之前写过,我只是不知道。但随后超出了这个最基本的选择,如何包括更完整的数据图片。

    如果不是一个有趣的流程图,而不是更干燥的清单。这是用于更正式的准备信息图形演示文稿,我全部为其。但是,您订阅的原则即使对于每个日,每天,即在-BOSS-Who-Who-Is-Iss-Sever-It-Now的图表也是有用的。

    在更谨慎的情况下,由于我总是恢复退一步,看看上下文,谁是作者/演示者/信使,我喜欢你这里介绍的所有科目。我在犹他州和其他地方的树木学到了一些关于树木的树木,我确认了一些关于监禁与奴隶制的疑似,我派出了奴隶制图形,美国债务图表,以及英国政党图形到我的18 Y.O. (yikes!他'成长起来!)谁对这些科目有一个真正的兴趣,也可以从一些有组织的信息中受益。 (他没有'T已经为自己组织了。)

    • 12

      基督教: 首先,我们在果汁中的好朋友已经创造了一个我可以的优秀资源't recommend enough:

      ~ Chart Chooser for Excel和PowerPoint图表

      你 can also download sample files pre-configured.

      亲自为我,如果我有五个小时来创建目的x的图表… I'LL与团队一起度过1.5小时'm在讨论中与白板合作,批评,目的定义,头脑风暴分割,草图一些设计理念等。花2小时分析数据,并真正从不同的角度看。 30分钟创建我们第一次想到的图表。然后,意识到什么'从图片中缺少或为什么图片看起来不好,并花费最后30分钟以几种不同的方式重新编辑。 :)

      其中一些人当然不适用于你在这篇文章中看到的一些照片'LL在视觉效果上有很多时间。但希望能给你一个感觉。

      arinash。

  9. 13

    谢谢Kaushik先生,始终让我们更新。您的教程始终充满了见解和细节。

    我一直是一个狂热的读者,我从你的写上学到了很多东西。

  10. 14

    感谢您分享我未来的可视化Go-to Sources,Avinash! :)我真的很喜欢经济学家的欧拉图。它有一个简单的设计和易于解释消息;通过基于许多不同来源的广泛的文本分析耦合,使这个例子脱颖而出。此外,它很好地向网站分析竞技场提供:可以通过不同的营销渠道购买购买的产品类别,不仅可以看到重叠,而且还提出更好的促销计划。毕竟,创建产品和频道索引可以产生更高的ROI结果。

    您的信息图表评论是SPOM-ON:一些分析师更有兴趣创建一个提供无价值的美学视觉,而不是创建实际讲述故事的数据可视化,尽管不是作为艺术性的。

    我找到了以下Dataviz Gurus最鼓舞人心的工作:爱德华托格特,斯蒂芬少数,弥敦亚,和科尔Nussbaumer Knaflic。

  11. 15

    具有如此惊人的evinash,具有如此良好的各种各样的exalting可视化。

    我坚持不懈地强调,代表我的额外有价值是阅读你对每一个视觉的解剖。在另外一个案例中,我发现了我的东西'D不是基本上已经抓住了。

    感谢分享

  12. 16
    阿尔弗雷德 says

    回答你的问题我最喜欢的是#5。一世'D没有意识到如何在驾驶我们的决策者与数据发挥作用时如何有效。

    我公司在我们公司中做了一个小实验。另外一个学习是决策者觉得游戏中有更多的皮肤,因为他们必须更倾向于更多来做建模。

    伟大的建议avinash。

  13. 17

    伟大的博客。非常熟悉创建高影响数据可视化。

    此外,它很好地增加了一个网络分析竞技场:一个人可能会想象通过不同的营销渠道购买的产品类别,而不仅可以看到重叠,而且还提出了特殊的广告愿景。

    毕竟,创建了一个产品和渠道列表可以产生巨大的投资回报,所有图都设计得很好。

  14. 18
    泰德人群 says

    非常感谢您编写关于数据可视化的9个有效策略。

    我学到了很多东西。

  15. 19
    andrea perez. says

    伟大的帖子avinash。

    我很惊讶你没有使用信息的信息图是美丽的 http://www.informationisbeautiful.net 在您的伟大可视化的例子中。

    我将他们的网站用作参考,并发现它是非常鼓舞人心的。很想听到你的观点。

    • 20

      安德里亚: 像你一样,我是大卫麦卡特尔斯的粉丝和他的团队所做的工作。

      我的专业焦点有点不同,我痴迷于我们可以在公司的分析服务中创作和使用日期和日落。我发现单一目的的自定义可视化不太有用(即使他们可以激发我们)。

      arinash。

  16. 21
    克里斯汀 says

    在上个月我'发现自己每周都会回到几次,试图真正得到你的一切'在这篇文章中共享。当我挖掘示例时,我会继续发现图层。

    对我来说,整体课程是为了争取简单性,而不是假设收到数据的人会知道该怎么办。这似乎是一个一致的线程,解决了多种创造性的方法。

    谢谢你的深刻帖子。

  17. 22
    克里斯托弗 says

    令人敬畏的帖子感谢您与我们分享这一新想法的大集合。

    两个例子"用数据包装我们的大脑"和我深深地谐波。他们是如此简单的想法。要测试它们,我通过添加如果是建模,通过添加仪表板的更新版本。我们VPS的反应是大量阳性的。我被邀请向首席执行官介绍并训练其他部门使用类似的方法。

    现在我刚从左边有八个想法,以便尝试avinash!

  18. 23

    这篇文章是一种壮观的经历。九个故事中的每一个都有思想,使全新的课程或新的维度暴露,以解决一个有趣的挑战。

    多维相关线图是直接适用的,作为可以快速地进行操作的东西。向数据添加故事的价值是需要更多时间,但将在我们的工作中产生最大的影响。我们'VE总是努力弄清楚如何为数据添加意义–你所说的故事–我们只预计数据供应商。

    这里的努力是ariinash。格拉西亚斯。

  19. 24

    嗨avinash,

    谢谢这篇文章!
    有一点淹没了你能够包装本文的所有有价值的信息,但肯定是高度相关的知识。

    我更喜欢策略8,那'因为我发现讲故事如此重要。

    再次感谢avinash!

  20. 25
    Ravinder Singh. says

    伟大的博客帖子!!

    我非常喜欢#3。呈现数据的简单有效。

  21. 26

    完全同意Avinash。

    报表的数据可视化可能是将指标传达给利益相关者的最后步骤之一。

    并以最有效的方式做到这一点是帮助营业战略数据驱动决策的关键。

    – AT.

  22. 27
    唐娜沃尔特斯 says

    非常有趣和信息丰富的博客,我昨天的知识渊博。

    顺便说一下,感谢您对竞争的推荐,因为加勒比地区的颜色播客是非常难以聆听这些故事,哇(沉重的叹息)。

  23. 28
    偶联 says

    嗨Avinash!

    令人惊叹的文章一如既往!

    非常彻底和有趣。

    周末愉快!:)

  24. 29
    克里斯·贝诺特 says

    我在大多数激励措施方向复杂的角色工作。以更多的视觉效果为公司提供更多数据。做得更快。

    偶然'S Razor提供了一致的提醒,以重新定位自己并保持解决简单。

    很惊讶地看到创新可视化的例子,每个人都以自己的方式简化了他们试图分享的故事。经济学家的封锁派对对我来说是一个亮点。两个由两个矩阵是一个想法,我们几乎可以立即在我的工作中实施。

    谢谢你avinash。

  25. 30
    标记 says

    从这个真棒的文章中获得了这么多的新想法,你的图像很棒。

    很高兴在谷歌做一些搜索后发现了你的博客。

    非常感谢。

  26. 31
    vinayak. says

    非常有义务为您分享我未来的感知到来源,Avinash! :)我非常喜欢经济学家的欧拉大纲。它具有简单的轮廓和简单的翻译消息;根据各种独特的来源,通过广泛的内容调查耦合,影响这种情况的这种情况出现。什么'更好的是,它令人愉快地贷款到网络分析领域:一个可以通过各种广告渠道购买的图片项目分类,以查看封面,以及加入更好的限时活动。考虑的所有事情都考虑了物品和渠道的记录可以产生更高的ROI。

    您的信息图表备注是正确的:一些调查人员更热衷于制作一种尊重的雅致,这不仅仅是制作真正讲述故事的信息感知,虽然没有像掌握的那样。
    我发现由陪同的Dataviz Masters制作最具动力:爱德华托格特,斯蒂芬少数,内森瑙和科尔Nussbaumer Knaflic。

添加您的观点

*