关于数据可视化的门派之争，看完此文就够啦！

带着这些问题，我们来聊一聊数据可视化：了解数据可视化的目的，和数据可视化逐渐发展过程中划分出的派系，帮助“商铺老板”决定什么时候做可视化，开展可视化工作的时候，选用什么样的可视化工具更能满足我们的要求。

我们认为，数据可视化的目的有两个：一是更好地分享和传达数据信息，而是通过设计之美有效地缩短信息的传达。

还是以这家商铺为例。经理可以告诉商铺老板，商铺的人流量、购买情况、会员信息，员工信息等相关数据，以及商铺雇佣了2名员工，营业额是200万元。这些信息只能让商铺老板了解经理做了什么，但是做得好不好，好的程度，他都感受不到。

如果经理告诉老板，我比去年同期少雇佣1名员工，卖出的值是去年同期的2倍。跟上个月比，雇佣的人数没变，卖出去的金额还比上个月多20万。汇报到这里，老板会记得这位经理做得好。

可是老板很忙的，然后老板很快就忘记了你做的事情。如果想让老板印象深刻，该怎么做？这个时候就用到数据可视化。数据可视化是用更直观和易于理解的，进行信息分享和沟通的方式，通过图表等设计方式，缩短信息的表达，同时给老板深刻的印象。下面我们就对比文字描述和数据可视化两种方式来做展示。

如图1和图2所示，是这家商铺近期的销量和人均贡献的柱图，直观显示本月、上月和同期销量值。通过柱子的长度对比，我们可以看到销量值在本月、上月和同期存倍数差异。

再如图3和图4所示，成本销量趋势图非常直观的揭示出，整体利润的下降是成本持续增高导致的。以上的图形都简洁明了的说明了数字的含义。一图胜千言，一图解疑惑。正因为如此，数据可视化成为了一种趋势。可视化的数据成为了人与人，人与数据，人与业务之间进行沟通的最便捷方式。

在说派系之前，我们先说说数据可视化的演变趋势。

最早时候，数据可视化只单纯为了更有趣的表现数据，无修饰，非常抽象。在演变过程中，图表在内容呈现上，开始更加重视展示，数字内容的可阅读性和可对比性，但依然属于对数字内容的定量展示。我们把在此之前的阶段，都定义为数据呈现阶段。

再后来，数据可视化的中心转移了——从呈现转移到了分析，关注重点不再局限在数字内容的定量展示，而转向了图形描述的数字内容可以给我们传达什么信息。自此，数据可视化开始承担呈现和传达两个核心功能。我们进入了数据分析阶段。

在数据可视化的发展进程中，呈现和分析分别被强化发展。根据需求侧重点不同，分别出现了数据可视化呈现派系和数据可视化分析派系。但无论哪个派系，数据可视化要做的都是分享和传达数据信息。

数据可视化呈现派系，更加关注的是数据内容呈现的视觉冲击力，往往采用Unity、H5等技术手段实现。数据可视化呈现派系的代表有海云，数字冰雹等。

数据可视化分析派系，更加重视数据内容图形化后如何向自己的数据提出问题，促进数据发现，更多采用Flex、Excel可视化引擎等，也在逐步向H5过渡。数据可视化分析派系的代表有永洪BI、Tableau等。

     小萌

广告时间... ...

谈到永洪BI，这里做一些介绍。永洪BI是永洪科技打造的一款数据可视化分析工具，整体架构为敏捷，探索式和高性能服务。底层，永洪BI自己研发的MPP数据集市，可以解决海量数据的存储和计算性能问题，达到对百亿数据的秒级响应。中间模型层，永洪BI采用轻量级建模，可视化建模，实现跨库、跨源数据连接，应对客户多种需求，不用担心时间成本，让用户敢于、勇于进行探索尝试。前端可视化拖拽分析，支撑强大的统计分析和多维分析功能，灵活易用又功能强大。

因此，永洪BI带有的敏捷、高性能、自服务和深度探索挖掘等属性，都保证了永洪BI是一款优秀的大数据可视化分析工具。

当然，数据可视化只是一个开始，我们还需要让分析报告既能看又能动，不光看的到数据，还可以交互式分析，每一次的交互过程都在眨眼间完成。通过逐级递进，层层深入挖掘，我们还可以能从中发现问题，找到答案，并付诸行动。

     小萌

孔子曰... ...

引用菲尔·西蒙（Phil Simon）在《视觉组织》一书中的一部分内容与观点：“与以往相比，现在的专业人员更多地被要求基于数据进行论述或作出决定”，“在商界中，一种以数据为导向的新思维方式无所不在”。我们需要和数据对话，向数据发出问题，在和数据的交互中探索未知的新东西。大数据是产生新洞见的一个强力支撑。但如何支持？数据可视化给大数据的各种实践落地提供了检验依据。大数据的真正影响力因数据可视化而得以释放。“数据可视化是将大数据带入主流社会所必不可少的一部分”。