數據可視化現在在市場上重不重要？

12-28

重要也不重要。

說它不重要，是因為數據可視化是手段，不是目的。

數據分析的目的，不是把圖表做得好看，也不是把分析過程做得很複雜，也不是搞很多數據從而來做大數據，而是為了解決實際問題。

這些問題在不同行業不同公司可能會很不一樣。

比如在信用卡行業，問題可能是如何在控制風險的前提下，儘可能的提高利潤；或者是更精準的給目標客戶發送廣告，從而降低獲客成本。

比如在互聯網行業，問題可能是如何增加用戶的留存度，或者增加用戶的活躍度，等等。

數據在這裡面能夠提供的很大一個作用，簡單來說就是，從整體來看，用戶是一個什麼狀況？

從而進一步通過數據來做決策，而這裡的決策並不僅僅是做 A/B 測試中的決策這麼簡單，更多的是團隊應該做哪些方向、哪些事情？

比如用戶存在哪些使用上的難點，產品哪些方面的改進可以給整體帶來更大的好處，有哪些手段是可能可以改進產品的，等等。

而數據從業人員，比如說數據分析除了需要做相應的數據分析之外，還需要讓合作團隊同意我們的看法，否則的話，數據分析是起不了作用的。

而數據可視化，是讓合作團隊同意我們的看法的眾多方式之一，也是其中很有效的一個方式，正所謂沒圖你說個XX。

這並不是唯一的辦法。

其它的辦法包括跟合作團隊建立長久的互相信任的關係之後，直接拋出結論，讓對方覺得：嗯，他/她說得好有道理。

然而，要做到這一點是很難的，不是一朝一夕的事情。

所以回過頭來說，數據可視化是很重要的（手段），但不是很重要的（目的）。

那怎麼做好數據可視化呢？參考這本書：

中文版：https://book.douban.com/subject/27108685/

英文版：Book

像我這樣買不起書的，就看看免費的 blog 就好：http://www.storytellingwithdata.com/

歪個樓。數據可視化很重要，但是市場上經常出現可視化過度的現象。可視化的最終目的是為了更清晰得傳遞信息，而不是讓圖表更好看更炫目。但是現在往往本末倒置，為了圖表炫目反而讓信息讀起來更費勁。有一本我很喜歡的商業雜誌，選題和行文都非常出色，同時以數據可視化著稱。但是不知道哪一天開始，為了圖表的炫目，讓我這類專門從事數據相關工作的讀者，看圖表獲取信息都非常費勁。如果這樣，還不如不要可視化。

比如下圖右下方，用過於複雜和性感的可視化去展示985211高校的數量，非常簡單的數量信息，卻要花時間去分辨三種顏色以及理解為什麼滿格都是8個圓圈。

再比如下圖，信息實在太過複雜，已經讓頭腦過載。

…更多文章請到數據冰山 - 知乎專欄

…更多回答請看何明科

首先下結論：數據可視化很重要。但是也非常贊同 @鄒昕大神的結論：數據可視化是手段，不是目的，如果你在分析過程中一味的追求可視化的效果，讓圖表更加炫更複雜，動態效果更加棒我覺得有時候會適得其反。

談數據分析，除了分析的過程即邏輯上準確的重要性之外，最重要的是最後輸出數據結論。邏輯對了，數據結論錯了，是0分；邏輯錯了，數據結論也必然會錯。

這種數據結論一種是文字結論，一種是圖表式的結論，可視化能達到的效果是把一坨一坨的可能超過數百字的文字結論轉為圖表去表達，讓結論不那麼的冗長並且讓人易理解。

舉個簡單例子，假設你的上司要看公司最近一年的銷售額的變化情況，原始數據是這樣的，如果你不做可視化，直接把這份表格給到上司，那麼你只是一個取數的，並且這個表格看不出來銷售額的變化。

如果你稍稍做一點數據可視化，情況就完全不一樣了。現在你的上司能通過下面這份數據可視化看到這一年每個月公司的銷售額的變化情況了，也可以和整體的進行對比，但是顯然你做的還不夠好。也許你的上司還想看到每個月的具體值是怎樣的，哪個月的銷售額是低於平均水平的。

於是經過修改你又進一步改進做出了下面這張圖片，看現在是不是更加好了，通過這份數據你的上司能快速的看到每個月的銷售額，每個月的變化，總體的銷售額情況。

雖然你的上司已經能通過上圖知道每個月之間的變化了，但是每個月跟上個月相比變化是怎樣的？具體的變化比值是多少，這些上圖並沒有展現出來，所以我們又進一步優化了可視化。

現在這份簡單的圖表已經能透露出很多信息了，而上面的這些信息可以省去大量的文字描述。而我們看下面這張圖表。雖然好看些，但是請告訴我你能從圖上看出來什麼呢？

當然也不是說好看的可視化是完全沒用的，用於展示可視化的魅力、用於在大屏幕上投放、炫技、或者某些特殊用途的時候，當然肯定不是在彙報和報告的時候。

所以還是像開頭一樣我認為可視化很重要，但是不要過度追求可視化的複雜度和動畫效果。最好的可視化是用最簡單的圖表、最合適的方式來表達自己想要表達的，表達別人想看的、別人需要的信息。

首先，數據可視化的核心是把複雜多維的數據用圖表展現，一眼明目知道結果，是把複雜問題簡單化。而市面上過度濫用的數據可視化，其實是本末倒置，數據很單薄，卻用花里胡哨的圖形展示，把簡單問題複雜化。

而關於數據可視化的重要性問題，這個要對人對事。

對於專業的數據分析師/商業分析師而言，他們的目標是要解決業務問題。為了解決一個問題，他們要和業務反覆溝通需求，可能花大把的時間在清洗數據和構建分析模型上。最後結果出來了，可視化只是水到渠成的事。所以就數據分析過程鏈而言，數據可視化並不是核心。

對於不懂數據不懂業務的人而言，他們要知道的可能是「我這個月的銷售量是多少？」「和競爭公司比怎麼樣」你不可能拉來幾十張表格給他。需要給他一張圖，展現全年的銷售情況。最好深入挖掘，是否需要地域區分，展示目標和回款這類數據的對比。可視化對於他們而言就成了獲取信息的有效方式，甚至是一個可隨時使用的產品，且最直接最真實。

那除去數據和業務本身，數據可視化可能還有更高的意義。比如利用數據大屏放在顯眼的展示區，尤其是政企事業部、集團中心等等。一方面是形象工程，給客戶看給政府看給投資方看，業內參觀交流，都是提升品牌形象的好手段；另一方面，有些場景確實需要綜合決策，比如公安警情分析，生產流水線的進度，各生產設備運營情況。這一點點對於企業來講都是轉型步入數據管理決策的進步。

而我們有時候面對客戶（有數據分析、IT運維也有IT領導），多數疑問都是「***你們能不能實現」，「我需要****」，口說無憑，直接展示效果和數據成品。

用戶所看到的就是可視化的成品，對可視化效果感興趣了才會進一步細談功能、技術、需求方案。像我們的報表工具，整個產品的調性都是為了展示數據去的。一方面要提升數據處理的效率，代替一部分手工碼代碼的工作；另一方面引導用戶向更加理解數據的方向上發展。

最後，站在大的理想角度，關於數據大屏的價值，此前有整理一個思維導圖，用到數據可視化上，同樣合適。

最後，打個廣告！

我們最近辦了一場Live ——「如何成為企業需要的數據分析人才？」，歡迎大家參加~

重要，但也不是那麼重要，看似很糾結吧。我曾是一個可視化迷戀者，做過的可視化作品也在國際上拿過小獎，我一度覺得可視化是核心，但真正用於企業，其實不然，以下這篇我們系統的講講數據可視化。

一、數據可視化不是核心point

以上這張圖片比較普遍現象的數據鏈路，如果你是廚師，最重要的肯定是做菜環節，也就分析環節。數據可視化只是最後的擺盤環節。

也就說當你的菜做得好吃了，擺盤會是錦上添花，如果你的菜做得難吃，擺盤再好看，那也是下不了口的。

如同你的分析報告，你的內容有意義有結論，你把圖表做得好看一點，顏色搭配的舒服一點，會給人眼前一亮的感覺。

但就算是做得不好看，你的分析結論很棒，支持了公司的決策，誰又會管你可視化做得如何呢？

二、有些可視化是面子工程

很多公司都會在前台處設展示大屏，老闆都會帶著他的客人經過這裡，如果做一個漂亮的數據可視化，給人很科技感的感覺。或許還能為談生意助力（開個玩笑）。一般來說大屏數據可視化會讓老闆覺得很有面子。

拍攝於新加坡Facebook

一項大屏展示的數據可視化雖然工程很簡單，不就展示數據嘛？

但其實這裡面有很多坑，需要思考以下5點

1、可以公開哪些數據（很多信息很敏感，特別對於創業公司來說）

2、如何實時刷新大批量數據？

3、維度會是大家都想看的嗎

4、應該使用哪種可視化方式

5、你看的這些數據，有意義嗎

三、可視化分析決策系統是趨勢

這種系統廣泛用於智慧公安、智慧城市、智慧園區、智慧航空、智慧交通、網路態勢等，近兩年開始流行，並且我認為是這是數據可視化非常好的趨勢，可視化對這些特定行業來說起到極其重要的作用。

比如 http://dwz.cn/6K8RQz 憑藉先進的人機交互方式，實現警情警力可視化管理、重點人員及重點場所監測、三維空間視頻監控管理、警務數據分析駕駛艙、公安行業模型演算法輔助決策、可視化應急指揮調度等功能，用以提升公安部門指揮決策效率。

四、數據可視化其實很多套路

@梁超鋒曾經給某銀行做數據可視化項目的時候，火急火燎的跑來找我，他說他快被銀行的一位女高管搞得煩死了，做的Dashbord不下四五個版，這位女高管還是覺得不行，配色，展示效果都沒達到她想要的效果。我和 @beauty 作為女性角度給他出謀劃策，後來成功。

這點就很有趣了，我之前公司的女高管也喜歡數據可視化，對數據可視化很迷戀，遇到年度彙報的時候，總是會有好幾個女高管希望我做數據可視化插入到她的PPT里，這樣她的PPT會很亮眼。

所以一般給女高管彙報時，我都會把圖表做得漂亮點，女領導往往會很開心。

而遇到男高管，他們真的只關注數字和結論。

還有公司招商的時候，銷售喜歡拿我做的數據可視化去播放，成功幾率據說蠻高。

所以你說數據可視化不重要嗎，其實也很重要，畢竟能讓高層開心，給公司帶來盈利。

以下兩張圖其實我按照《數據之美》畫的，用什麼圖形展示你的數據，非常重要。

這個數據用餅圖，還是用條形圖，都有一套科學的方法，建議大家可以看這本書。

五、數據可視化已在各大企業普遍應用

數據可視化涵蓋的內容很多，比較普遍的就是自動化的監控看板，敏捷式開發也是近一兩年的熱詞，意思是不需要每天都做日報、月報、周報。一次開發，自動形成推送。這樣數據分析師從中解放出來，更多去思考數據驅動業務發展，而不是困在取數的階段。

引用評論區：數據分析的最終意義是推動決策，那麼如何才能幫助管理層節省這個時間我覺得是非常重要。數據可視化就是管理者在和時間賽跑的幫手。

最後，不管你用什麼可視化，別忘了你的目的是理解數據

其實答案就是，用好數據可視化的數據處理與分析，才能使數據分析顯得：秀外慧中。

你用一個公司的可視化產品，就類似於你苦苦找尋了很久，要與你相伴一生的人〔你的公司需要這麼一款產品來將你公司各項業務數據精心打理，並給出直觀的分析結果〕。

先類比如人：

一個人如果很有內才，你可能願意與Ta交朋友，交朋友嘛，可以交很多個，所以長得不漂亮也不重要。
如果一個人很有內才，還長得英俊〔漂亮〕，你可能就想嫁〔娶〕TA了，找另一半嘛，肯定是願意找一個秀外慧中的。

圖出自：空白白白白：哪些話你一開始不信後來卻深信不疑？ @空白白白白

數據產品也是，你說你有豐富的數據分析處理功能，你得展示出來啊。

數據可視化就是把內才展現出來的最直接最有表達效果的方法，講一千道一萬，不如給我上張圖（沒圖說個毛線）。

可視化做得好，上牆效果好，凸顯高大上。

圖出自：3D全景地圖，可視化大屏也有黑科技！ @帆軟

附：帆軟又欠我廣告費，(逃

先說背景，我是做可視化的PhD

市場上重不重要暫且先按下不表。先說為什麼要做可視化。數據可視化大體來講有三個目的：

1.存儲數據。都看過工程設計圖吧？把一個工程用圖紙的方法記載下來，信息變得更直觀，而且這種圖必須要精確，脫離文本也要有足夠的信息重現整個工程。去宜家買傢具給的圖紙，拼模型的說明書都是這個道理，因為文字表達這些很圖形相關的內容會很臃腫而且會有歧義，圖形表達很直接，通俗易懂。

2.傳遞信息。每一張圖裡都有一些信息，比如企業收支圖表，比起直接讀數據表格，圖像能更直觀的表示數字變化的趨勢和分布。大家應該都見過這樣的表格，也都知道是怎麼用的。但是我希望大家不要把可視化單純的認為是畫表格。不僅僅是表格，很多其他的比如MRI掃描，流體力學模擬，我們也會通過用一些其他的方式（顏色、透明度、形狀等）將這些信息直觀的表達出來。

3.探索信息。剛剛提到的MRI，流體模擬，天體模擬之類的。還有現在比較常見的machine learning的模型、結構、結果的分布和趨勢之類的，都可以畫出來。而且通過不同的畫法可以表達不同樣的信息。人們可以通過對圖片的探索，來發現原始數據中存在的關聯。這是建立在人類對圖像規律的識別遠強於計算機這一假說上的。我們希望有些讀表難以發現的規律，比如統計分布，比如相關性，又比如數據特徵等等可以直接表達在圖片上。通過圖像來讓人對原始數據有更直觀、深刻的認識，從圖像中直接探索原始數據的規律。同時這個目的還有另外一個作用，我一會再講。

如何能夠更好的實現這三個目的，一個好的可視化設計的基本標準是什麼？關於這個很多人有很多不同的說法。但是大家應該都認可兩個標準，第一是表達性（expressiveness)，第二是表達效率（effectiveness).

expressiveness是說：可視化里包含且僅包含原始數據里的信息量。比如一個高表達性的可視化，包含原始數據里的大部分信息，且不包含其他原始數據里不存在（不能從數據里推導）的信息

一個有高effectiveness的可視化會把最精確，最有效的mark和channel（你們不需要知道什麼是mark和channel，就暫時理解成在可視化的時候你們需要做的選擇就行）留給最重要的信息。

上面我們聊完目的和評判標準，我希望你回頭去看你在市場上看到的可視化。然後來思考下面的問題：第一，單看圖，你能不能在心裡復現原始數據？第二，看完圖半個小時之後，你記不記得數據里（不是圖上）最重要的信息？第三，這是不是一個好的可視化？

回答前兩個問題很容易，第三個問題你可能需要一些幫助，評判一個可視化的好壞你需要知道色彩搭配、圖像選擇、布局選擇、和觀點（view）選擇。同時你要知道圖的好壞是取決於你的觀眾而不是你的設計的。這些都太麻煩了，一時半會講不清楚。所以我們把第三個問題換成：如果你來畫這張圖，你會如何畫？有沒有辦法畫的更好。

接下來我們來看例子：

圖片來源：http://www.treetopia.com/christmas-tree-statistics

圖片標題：Two-thirds of US households display an Artificial tree and just fewer than 1 in 5 display a Real tree.（2/3的美國家庭聖誕節用假聖誕樹，少於1/5的家庭用真聖誕樹）

首先，這張圖是我們經常見到的餅狀圖的一種，大部分人用餅狀圖來表示比例。看起來很養眼，色彩選擇了聖誕樹常見的綠色調（我色弱，如果不是綠色別罵我，我不知道這是啥顏色，如何給色盲色弱做可視化是另一個話題，不展開了）。看起來很不錯是不是，然而，把字蓋上，我問你，最淺的的部分和最深顏色的部分分別佔全部數據多少的比例？大部分人需要花一段時間才能給出一個完全不精確的答案。下一題：最淺的顏色的部分和第二淺的顏色的部分相差多少？大部分人不用力的話是給不出答案的。相反，這個時候你如果直接看數字，這些答案就很明顯了。換句話說，這張圖並沒有提供任何那三個數字給不出來的答案。而是讓這組統計數據變得更難以量化了。另外，我看餅圖覺得最淺色部分面積要比第二淺的顏色部分面積要大，這個跟原始數據有衝突（不一定每個人都能看到這樣的效果，如果沒看到請忽略）。造成這種效果完全是因為人眼對於角度的敏感程度較低，mark的選擇很有爭議。在比例圖裡，我們的設計原則是避免使用餅圖（避免使用大部分需要用角度來對比比例的）。當然有特例，比如如果你只有兩組數據，A和B，同時A比B是一個很大的數，你只想表達A&>B，圓周形的圖也是可以用的。

至於怎麼畫比例，一般我們推薦的是帶標尺的柱狀圖，我沒有上面的數據，我們換一組數據來看例子。
圖片來源：http://pandas.pydata.org/pandas-docs/version/0.15.0/visualization.html

那個網址（pandas的網，不知道pandas的，這是個很好用的Python數據處理的library）上有生成這個圖的代碼。從這張圖裡我們很明顯能看出來哪組數據多哪組數據少，一組比另一組多多少。柱狀圖在表達相對比例上的效果比餅狀圖強，尤其是在兩組比例相似，或者你需要具體數值的時候。原因是人眼分辨長度的精度統計上講比分辨角度的精度要高，同時圖上還有很多「輔助瞄具」（刻度，網格）。

你可以設想一下，如果僅僅通過圖片而不加任何形式的文字，哪一張圖片提供更多更準確的信息。

如果到這我就說「這就是可視化要解決的問題，看，沒你們想像的那麼簡單吧」。有點太不負責任了，我在稍微延伸一下。這兩張圖全都是完全精準的把信息給你畫出來的，沒有對圖進行任何形式的修改。就拿第二張圖片來講，我完全可以把y軸的起始刻度變成2，而不是0。很多圖會這樣做，因為基數太大，變化太小，比如是數據在一百萬加減10區間浮動，如果你把整組數據都畫到一張圖800*600里，這幾個柱子不會有任何差別，根本看不出來浮動趨勢，於是你決定把y軸下限直接提到一百萬。這個時候你柱狀圖突然就不能表示比例了，只能表示差值。這對一個經常拿柱狀圖表示比例的人來說，就完全屬於誤導了，所以一般在改變標尺的同時，我們會把y軸也從一條連續的線段改成不連續，提醒觀眾，你不能讀比例了。但是，我們這麼做不代表媒體這麼做，媒體怎麼拿圖忽悠人...你上網搜吧。

這就要提到可視化第四個用途了，欺騙。人是一種視覺動物這話說出來可能有人要揍我，但是視覺是對於人類來說不得不說十分重要。尤其是人類大腦實際上對很多視覺信號都做過優化的，比如用影子推斷物體的3D形狀、位置、前後關係。我們看到的和畫出來的完全不是一個東西，更何況，我們是通過看到的圖片（而不是畫出來的圖片）來推斷數據關係和內容的。一張精心設計的圖，完全可以讓你看到不存在的事物。我不舉太有爭議的例子，一組簡單視幻覺：
圖片來源：Optical illusion

A 和B的顏色是一樣的

所以說，你看到的信息，大部分是你腦補出來的。（需要注意：視幻覺的效果因人而異，沒腦補出來圖三A B顏色不一樣的，你們不用去醫院～么么噠）。於是企業，尤其是宣傳方，想方設法試同樣的信息看起來對自己更有利。以達到「雖然數據不好看，但我們畫的漂亮啊」的目的。

然後我們就要講，最開始第三個探索里提到的，那個神奇的作用。我覺得可視化最有意思的作用，就是在你看到這張圖之前，你不知道你需要看這張圖。就像在我們把可視化系統的拆分到每一個細節，去分析可視化的信息表達之前，我一直認為：可視化嘛，把圖畫出來就行了，哪TM那麼多屁事。有人喜歡花哨的，有人喜歡簡潔的，對人畫人對狗畫狗就行了。你倒好，專門搞出來個專業方向叫data visualization！矯情！得瑟！有病吃藥去啊，納稅人的錢你用來研究怎麼在白紙上瞎甩油漆的（美國公立學校）？？？

然後我就成了data vis的PhD，感謝我的導師...

最後答題，市場上可視化重要嗎？通過上面那麼大一長串的論述，細心的你也許已經發現，可視化這行的水，可能有點深，不是一句兩句能說清的，我也只是九頭牛身上拔了一根小小的毛...我只想說，在你見到一張給你真正靈感的好圖，或者被一張看似沒什麼問題爛圖坑之前，你一般不知道可視化到底有多重要。

如果有人問這個問題是想知道，自己該不該畫時間系統學習可視化，答案是：知道一些基本設計理念就行。我覺得專業做這個的研究的課題有點過分了，對於市場的用處應該不大（其實我感覺啥PhD對市場的貢獻都不大，課題都太專業太細了），（我接觸到的）更多的用途是跟科研相關的。但是多少知道一點，收益還是很大的。

對管理者很重要。

非常重要。

大家都知道，我們的右腦的識別結果，左腦負責解釋這些結果。當左腦無法解釋右腦的計算結果時，左腦就無奈地將右腦的計算過程解釋為「直覺」。

隨著AI技術演進得越來越複雜，能使用的數據量越來越大，需要我們解讀的數據也出現了越來越抽象和龐雜的趨勢。當我們人無法解釋演算法的過程或結果時，我相信，「機器直覺」這個詞就該出現了。

而數據可視化技術，將成為AI這個「右腦」和人這個「左腦」之間的重要的介面方式之一，這個介面是否有效，取決於可視化技術的發展。

不幸的是，分析結果怎麼解釋理解，很多情況下還是跟場景強關聯的。正是這種情況導致大家遭遇一些可視化效果「不佳」或者「形式大於內容」的使用體驗。而目前的可視化技術，在「場景驅動」方面研究還非常有限，或者，還沒有引起業界重視。

這是我認為會提出這個問題的原因。但結果暫時不好，並不能作為是否必要的判斷依據。

當然重要啦，『一張圖片頂一千字』，這句話真是一點不假。

對於不懂技術甚至對技術有恐懼感的業務人員，數據可視化能以一種極其友好的方式幫助他們建立對數據最直觀的印象；

對於普通受眾，數據可視化能更好的吸引他們的注意力。一些媒體和出版機構就很擅長利用可視化作為一種重要的內容呈現方式，如紐約時報（d3.js的創始人Mike Bostock就在他們的數據可視化團隊）和新加坡的海峽時報。紐約時報還發現，讀者在可視化的信息頁面的停留時間是普通頁面的好幾倍；

紐約時報數據可視化作品集

對於高級管理人員，即便他們看得懂p值F值，知道什麼是線性回歸，你覺得他們有那個時間嗎？而數據可視化恰好能幫助他們在最短的時間內對業務有個宏觀的理解。

對於專業數據分析人員，將數據以圖形的方式展現出來經常能給我們帶來靈感，在做機器學習模型的時候更好的做特徵工程。

現在很多學校的商業分析入門課程就是教你用Tableau和R等工具創建可視化圖形講述數據故事。很多公司也都有專門的BI團隊開發和維護各種儀錶板。

當然了。。很多高贊回答都有提到要提防走入『為了可視化而可視化』的誤區，圖形應該是恰到好處的體現數據本身的含義，不要有任何誇張，最大化數字-墨水比值

餅狀圖盡量少用

條形圖，折線圖，散點圖，盒圖，地圖是大部分場景下的最佳選擇

3D效果，陰影，背景圖案通通不要（我們稱之為Chartjunk）

合理運用顏色，如果不知道如何選擇顏色，不妨使用colorbrewer2

我應該聊聊數據可視化在我們公司的應用。

我的公司主要研究量化投資。
我們最開始可視化部分非常少，因為可視化是需要花時間的，尤其是策略快速更新的情況下。

但是突然有一天我們發現可視化對於數據挖掘來講簡直是加了buff，因為直覺是強大的數據挖掘工具之一，很多時候，直覺可以提供非常大的幫助，尤其涉及到時間序列分析的時候。雖然花了更多的時間，但是在對數據再利用和建模時，不僅可以幫助理清思路還可以提供一些意想不到的想法。

另外就是整天對著公式和數字會很疲勞，這個時候放一些漂亮的圖，還可以放鬆大腦，簡直一舉兩得。

不重要而且會越來越不重要。

數據可視化現在是給人看的，機器學習不需要將數據可視化而直接到結果。

就好比，地圖是地理數據的可視化，而無人駕駛並不需要給人看的地圖。

重要。

從市場的需求看，數據可視化最常用於報告和宣傳，也有用於日常數據的監控和輔助分析。比較重要的原因是因為對視覺刺激的追求和對海量數據與信息化繁為簡的需求。

用於報告的PPT，網站，報紙，電子大屏，利用已有的數據，完成結論輸出的臨門一腳，屬於人靠衣裝的層次，更多需要一些設計與藝術的考量。當前信息傳播內容中，數據內容佔比高的區域，比如企業內管，金融行業，經濟雜誌，數據可視化的應用也就越多。

日常數據的監控和輔助分析最常見的例子大約是股市了。面對海量的數據和分析指標，老實說我已經很難想像靠簡單的滾動大屏，能進行有效的管理和操作了。

此外，我不清楚地圖算不算數據可視化。如果算是的話，那麼這就是最典型和廣泛應用的數據可視化系統，由廣泛接受的標準，配套的教育，對應的收集(測繪)、管理(發布)、體系進行維護，擁有成熟和廣泛的應用。真希望有一天商業或者政務的體系也能如此規範。

作為國家實驗室科學家的老婆來答一發吧。

我是做數據的（三腳貓），老公是專門做可視化的，主要為各種科學家服務。

比如搞物理的科學家，他們做了某個研究，比如（隨便舉個例子）核爆之後那些數據，怎麼處理？物理學家雖然很懂物理，但是並不一定懂數據處理，所以專門有數據處理部門處理數據。但是數據那麼多，難道每個相關的都弄個表格或者發一排數字給物理學家看？很多時候還是很難琢磨出問題。

數據可視化給科學工作者快速有效的解決方法（一眼就看到什麼關係）。而且大部分科學數據並不是二維圖那麼簡單，或者畫點bar，pie圖那麼簡單，大部分或者說幾乎都是高緯數據。如何圖形化高緯數據是關鍵的研究，如何和拓撲學相結合等等。

更進一步的是，很多科學研究都是先有assumption，然後根據assumption來進行，但是如果你的assumption本來就不對，那很有可能沒有結果或者得出錯誤結果。如果有一天可以通過圖直觀發現某幾個因素有關係，不需要花大量精力用各種assumption試錯，然後精確挖掘，那會不會給科學工作者省下很多時間去做更多的活呢？

總結一下：數據可視化給並不是搞數據出生的人（客戶，管理者或者是科研工作者）直觀快速理解數據的工具。
你不能指望人人都精通數學和統計，以及數據處理的各種規則及問題。很多人很多時候很多問題，決策者需要簡潔方便立竿見影的呈現。數據處理及可視化的人們就是在背後默默的幹活。

針對縱向課題，百無一用可視化。。。。。

至於橫向課題，一個精美的ppt就可以騙到無數的項目

數據可視化，最最最重要的一點就是增加數據的理解性，讓不懂統計的人看懂，讓懂統計的人看得舒服。

現在，絕大部分的人，包括各種高管，政府部門其實沒有任何的統計背景，很少有人看得懂統計數據，所以通常做數據的時候，統計分析師會給出一個可視化數據「比如說表格，圖形，還有簡略總結（用大眾可懂的語言表達結果）。

統計數據分析師通常需要有獨立性和公平性，簡單的說就是要有職業操守，不能影響數據的真實性，影響政府部門或者公司企業的決策。可視化數據是一把刀，可以替統計師殺敵，也會害了自己，有時候用錯了的話那可是會毀了自己的報告的，只有最合適的才是最好的。有些人會喜歡各種色彩搭配，各種圖形，畫小人啊什麼的，那些看似厲害但是雞肋的做法其實很容易造成數據誤解，水平極高的統計分析師是不會搞得太花哨的，只有對統計一知半解的非專業人士會做出那種色彩繽紛的報告。

很多時候非常簡單的圖就足夠應付客戶，因為難了他們也不懂，解釋就要解釋大半天的話你做的再好都是失敗。最近幾年Geo mapping，地理數據圖像化，和interactive data 可互動數據比較火，因為他們補充了傳統可視化數據對與複雜數據的理解性，加上越來越多的程序使得這些數據打幾行代碼就能做出來。

解釋數據也是一個非常重要的環節，就好像老師教課一樣，統計分析師經常需要當場教顧客統計知識，解釋數據。這時候有一個圖或者可互動圖那就非常方便了，指哪說哪，畢竟能聽懂我們逼逼的人少之又少，有時候和同學和項目組成員討論數據都需要解釋幾個小時，沒有畫圖的話幾乎沒有人能聽得懂。

對我這種經常和數據打交道的研究學生來說，我特別喜歡順手做個圖用於理解數據。

我的成果都是簽了保密協議的所以我就不秀了，不過我可以簡單的說一下。比如說我可以用SAS 的PROC TABULATE 迅速的做個表格對比一下各個種族的發病率，或者用PROC MEAN 對比一下男性與女性的年齡區別。或者用Geo map,利用顏色深淺區分一下犯罪率高的地區。而這些圖就可以印在我的腦海里，處理數據，寫報告的時候我的理解就能深一些，思路更加清晰。這種時候我的圖都是很簡陋但是非常有秩序的，和筆記一樣，有時候就我自己看得懂，別人都說我編的Code幹嘛有那麼多無用的代碼。

反正現在統計數據的圖像化理論，技術越來越成熟，易用，不像以前畫個圖都要打幾百行的代碼一根線一根線的畫出來，只要能幫助理解，何樂而不為？

相親的時候。爸爸會問，你想要什麼樣的女孩子。
這時候，如果你回答：我想要一個1米65高，100斤，C罩杯。臉額長47cm。單眼長3cm，鼻樑高4cm，唇線長7cm。。。。
巴拉巴拉。。。。
你看，你爸抽你不。

我不是說數據無用。我只是說，可視化和感性衡量的差異和應用。

當然很重要！！

就拿PPT來舉例。

中國飢餓營銷鼻祖雷布斯在發布小米的時候，動用了漂亮的ppt。知名捐款跑路大佬假藥停做電視做手機做汽車動用了漂亮的PPT。有了漂亮的PPT，人家才會關注你的產品，你的公司。始於顏值，忠於人品就是這樣的意思。

由此可知，一個漂亮的PPT能幫你搞到融資，拉住客戶，贏得觀眾信任。

讓我們把問題看的透一點點，PPT的本質在於包裝。

這個可視化數據的本質也是包裝。包裝讓你的數據顯得更直觀，顯得你的公司更加專業，更加有實力。

在此我也得反駁一下一些覺得可視化數據沒用的朋友，你們錯了。如果可視化數據（核心就是包裝）沒用，那你們為什麼要把愛馬仕買Gucci，街邊小包就差么？為什麼男人要買阿瑪尼要買寶馬，不就為了撐個門面么？

你們好的回答都要上圖，要給數據，要加黑重點關鍵詞。。所以你們的文看的人多，而我的就只有文字，所以看的人少。。請不要反駁我，如果要反駁，請把你們的包裝去掉再說。

方便把控全局，管理者要有大局觀，對每一個微小決策都很重要，數據就尤其能把問題直觀顯示出來，所以報表數據是很重要的

重要與否，我覺得應該應該細分場景來看。

如果你面對的業務是需要可視化強的場景，比如應急指揮、公共安全等領域，這些方面需要綜合決策的要素會比較多，需要有一套可視化強能力建設班底。這也是經常這些領域會被別人說成是面子工程的原因，大家對「決策」能力的要求判斷總覺得價值性不足，都是拍腦袋。

如果你面對的是以數據內容產品開發著稱的單位，比如剛看其他答案提到的科學家，而他們更多是為了學術，而不是業務化運行，這時候雖然他們有數據，但是對可視化要求也就不高，他們追求的是數據本身的價值。

另外，可視化數據還有一種誤區，會跟UI工作混淆了。我認為數據可視化應該重在於數據的「組織」能力建設，而不僅僅是展現能力建設。