NJD798案例精选 | 数据可视化的案例剖析（下）

Posted 2021-04-28 信息可视化设计

毕业之际，欢迎关注南京的798信息可视化设计，这是一个公共，致力于建立信息可视化知识的数据服务平台，欢迎大家投稿、分享你的信息可视化学习过程中的心得与故事，也欢迎小伙伴们加入信息可视化的大家庭，参与到平台运营中，一起交流，一起运营。有兴趣的朋友记得加我微信（xmz945036349）哦！

 本期案例  

不管是新媒体还是传统媒体，数据可视化成了一个趋势与方向。但是从现在看到的作品，有很多却让信息变得更加负责、模糊和不易读。那么数据可视化案例中，觉得最值得赞美的是哪个？

 PART THREE

数据地图在工作中的应用越来越多，老板、销售、市场、运营等人员做数据分析时，经常会涉及到地理坐标、区域和地名与数据关联的情形，如某品牌全国代理商的分布及销售额分布情况（销售）、某个APP在全国各个城市的注册用户分布情况（运营）等。既然数据地图这么重要，掌握它也能带来很大的价值。

一、何为数据地图?

1.概念

数据地图用来分析和展示与地理位置相关的数据，以图示化的展现形式来呈现信息，使得这种数据表达方式更为明确和直观，让人一目了然，方便我们挖掘深层信息，更好的辅助决策。 

2.常见地图类型 
1）中国省份地图 

有面积图、气泡图两种展示形式，很明确展示各区域数据，只要业务数据涉及到祖国的各区域，把企业各个省份的销售额直接显示在地图上，把企业各地的连锁店数量直接统计并在地图上标明，那省份地图一定对你很适用。 

最重要的，地图有钻取的功能，可以点击钻取了解到不同地域的数据，例如：地区-城市-区县（福建省—福州市—鼓楼区），多层钻取可以帮助你逐层查看更细粒度的下层数据，这样是业务数据很了解，有问题也能第一时间找到触发问题的区域。

1969~2014年中国境内恐怖袭击发生地区（面积图）

2016年7月中国气温平均值高低分布（气泡图）

2）GIS地图

GIS地图比省份地图更加智能，根据经纬度数据可具体定位到某个地点，不局限于只展示省份、城市的数据，数据更加精细。另外，只要有数据，BDP也可以展示国际地图的，只是我手里没有国际数据，大家感兴趣可以自己去做一张国际地图，一定很酷炫。 

• 热力图：这个比较常见，一般按由深到浅的颜色来表示数据的从大到小、集中到稀疏

• 散点图
  

• 点状图：单个地理坐标显示为点，呈现点状分布。

• 地图图表：在地图上显示饼图、柱状图、条形图，瞬间感觉自己的地图高大上
  

二、如何3步玩转数据地图

数据地图的制作一般分为3个过程，即上传数据—拖拽成图—润色完成，以BDP个人版为例。

• 上传数据

   在仪表盘右上方点击“添加图表”，选择需要的地图数据（可选择多个工作表数据哦）

• 拖拽成图

先拖拽工作表至图层，再拖拽经纬度、维度数值，然后选择想要的地图类型即可；

• 地图润色

可设置颜色、尺寸，也可以对地图进行放大缩小（鼠标滑动即可），操作很简单；做好的地图能通过链接分享给好友，也可以直接分享到各大社区。

   比如做工作总结、方案解说时，做好的地图可以在BDP中全屏展示，当然你也可以把数据地图导出为PPT中进行展示，这一定会让报告增色不少。 

三、数据地图有什么用呢？

我先跟大家分享一个案例！ 

某电商的BOSS想了解购买的用户主要分布于全国的哪些地方，成交额主要集中在哪里？这时候一张地图可以很直观的表达购买用户主要集中在长三角和广东、福建地区，成交额主要集中在北京、广东和福建，这个数据可以帮助改变营销策略：首先竞价推广上，广东、福建地区一定要加大投放；其次，找出长三角（平均）购买用户多但成交额不高的原因，是因为长三角的用户偏好某款低价商品从而拉低了成交额等，再调整经营策略，慢慢的长三角用户的成交额也逐渐提高了，毕竟长三角用户钱多，分分钟出效果。

其实相似的场景案例特别多，通过发现KFC的特点来进行分店铺选址、通过GIS地图发现食道癌集中于广东潮汕和河南林县、通过城市各小区数据来对比进行购房、通过地图了解各景点的人流情况来制定合适的旅行地点和时间、通过地图分布了解不同地区的饮食习惯选择经营的店铺类型、通过订单的位置和仓库进行匹配，找出最科学的仓库位置，规划最优配送路线，合理安排车辆、人力，更好的分配资源，节约资金等等。

这样的案例很多，通过地图可以很明确了解相关的区域情况，对经营决策、绩效调整、生活引导等方面都起到很好的帮助。 

 PART FOUR

什么才是真正的用数据讲故事，实际上它（数据讲故事）是直接的，至关重要的，既简单又明了。

下面列举的有关用数据讲故事的经典例子未必是华而不实的，这些例子极具创造性的地方在于用最简单的术语来表达丰富思想。

• 米纳德绘制的1812年拿破仑进攻俄国军事图

这张图是关于拿破仑1812年战争的，由查尔斯约瑟夫米纳德绘制。
如你所见，图里包含了表现整个军事活动复杂要素的大量数据，但这却未损害其设计的简便性和指导意义。

• 纽约最吵闹的街区

这幅图来自Ben Wellington为《纽约客》撰写的《数据看纽约》（I Quant New York）一文，图中讲述的是冰淇淋车遭到投诉的街区。

文章中，作者引用纽约市的噪音投诉指数数据，不但向读者呈现了哪些社区最嘈杂，也一并探究了这些嘈杂背后的因素。

• 美国人40年的饮食习惯

在Danielle Kurtzleben的文章中，她使用美国农业部的数据点来对 “你与父母饮食方式的区别”这一命题进行量化分析。
该图表显示的是几十年内的饮食差异，而不是对每个不同食物项目逐年进行比较，且表明了食品消费先减少，然后转向增加。

根据图表初始的内容和长期走势，你可能会认为这证明了我们这一代更健康。然而，它持续显示了食品中有益、有害成分的剧烈增长——图表准确地反映变化，而不会片面地呈现某种营养元素值超过另一个。

• 十万颗闪亮的星

虽然3D在可视化中不总是被赞为理想的（观测）方式，但这张图证明了它的效用，尤其是在复杂的，几乎不可预测的光年量级的学科中。

想观测出太阳系的实际尺寸是非常困难的，更不用说星系或宇宙了。很多人试图同时运用数据和图片使这类观测成为可能。十万颗星星网站把关于宇宙尺寸的科学数据转换成更易接受的术语词汇。

当你选择“浏览”屏幕上的大幅地图时，你将看到一系列缓慢呈现的统计数据和3D视觉效果图。这些数据能显示出相对于太阳系而言我们所处的银河系有多大。 虽然我们在屏幕上看到和光年相关的数字时，我们无法将它可视化，但这（地图）给我们提供了可视化工具，进而可以运用它更好地理解学科术语。

• 西雅图居民如何决定住房

住房一直是个有趣的话题，特别是当它开始涉及到其他话题如中产阶级时。来自《西雅图时报》的视觉数据化故事对于理清事实有着重大作用。
正如你所看到的，对大多数社区而言，几乎普遍存在同样的关心。 大多数人（除了闹市区，租金比较贵），最关心的是否能买得起房子。相对来说，同一批人对学校的质量，交通等也是同等关心的，而对于家庭人数的变化则很少关心。

这就很轻易表明了一种联系，即关心步行距离的人可能也关心住处是否与公共交通站接近。虽然这一联系就每个大城市而言可能都不一样，但它提供了一个广泛地将大量调研信息可视化的方式。

• 机器如何破坏/创造工作机会

来自http://npr.org的这两个图表显示了“机器的兴起究竟对美国工作岗位的影响”，除了农业方面的工作大幅减少之外，蓝领、服务业、白领等工作岗位都得到了增长。
如图所示，滚动浏览时你会看到，在1850年美国大约有260万人在农场工作，而在2013年约有160万人。在1850年，51％的美国工人是农民，2013年只有1％。

要理解这个图表，你不必具有数学天赋才能。该图并不意味由于农民劳动力不足而经济不稳定，它只是意味着随着工作过程中机器的兴起以及工业人口的增长，劳动力开始涌向了白领工作行业。

图表不仅仅是表现失业率的变化，也表现了就业规模的变化，且在回答“由于某种原因而发生了什么”这一问题方面展示出一个更现实的情况。

• 当美国处在战争时期，你的生命有多长？

最后，这个和弦图来自Visual Cinnamon。和弦图的目标是显示荷兰手机用户的趋势，基本上显示了当前的市场份额，以及受访者在现有手机之前所持手机的类型。

因此，这张图表实际上相当直接地表明了，以前拥有诺基亚的三星用户的百分比是多少，对以前的手机保持忠诚度的诺基亚用户的数量，以及苹果从三星手中获得的手机市场份额的数量，以及用户在其它每种品牌间转变或继续持有的可能性。

信息来源于知乎

njd798

◇◇今日主编：Stefan◇◇

如果你也觉得NJD798不错？

• 请推荐给你身边对设计有追求的朋友
  

• 也可以直接搜索微信[njd798]