数据质量的维度包括哪些（数据维度太多咋办）

数据是事实或观察的结果，是对客观事物的逻辑归纳，是用于表示客观事物的未经加工的原始素材。而数据维度就是在数据之间形成特定关系，表达多种数据含义的一个很重要的基础概念。

换句话说，维度是一组数据的组织形式。那当数据分析维度太多，该怎么办？比如像要做比较分析，就要用柱图、雷达图等；想要看数据分析的占比情况，就要用漏斗、饼图；想要看数据的趋势有线形图；想要看数据与数据之间的关系，有树状图…….而每个分类里各个可视化图表的应用场景和优缺点也都是不尽相同的。

今天小亿整理了17种表现形式，来帮你解决这些困扰。

1.饼图

（1）适用场景：了解数据的分布情况。

（2）优势：饼状图能很直观的看到每一个部分在整体中所占的比例，分布情况，强调整体与个体间的比较。

（3）局限：只能反映某一时点上的情况，如果想看到一段时间内的变化趋势、增长幅度之类的就很麻烦了。同时分类过多，则扇形越小，无法展现图表。

2.折线图

（1）适用场景：时间序列类数据、关联类数据。折线图在生活中运用的非常普遍，虽然它不直接给出精确的数据，但只要掌握了一定的技巧，熟练运用“坐标法”也可以很快地确定某个具体的数据。

（2）优点： 折线统计图不仅可以表示数量的多少，而且可以反映同一事物在不同时间里的发展变化的情况，即直观反映数据变化趋势。

（3）局限：无序的类别无法展示数据特点。

3.柱状图

（1）适用场景：一个维度数据比较、数据单纯性展示、排序数据展示。

（2）优点：人眼对高度较敏感，直观各组数据差异性，强调个体与个体之间的比较。可以清楚地表明各种数量的多少。

（3）局限：分类过多则无法展示数据特点。

4. 条形图

条形图和柱状图类似，只是柱子的方向发生了变化，通过柱子的长短就可以很直观地看到各个数据维度之前的差异对比。通常纵向数据越多，所呈现的差异对比就会更加地明显。

建议：横向数据类别尽量控制在4-6个，过多的类别可能会造成柱子的长短差异变化过大；同时纵向种类的文字字数也会影响柱子的长度，建议缩减文字。

5. 面积图

面积图是在折线图的基础上形成的，将折线图中折线与自变量坐标轴之间的区域使用颜色或纹理填充。

（1）适用场景：用面积展示数值大小，展示数量随时间变化的趋势。

（2）优点：颜色的填充可以更好的突出趋势信息。

6. 气泡图

气泡图，是通过气泡的面积大小来对比数据的图形方式，它除了可以反映散点图中坐标点X、Y的相关关系，还有一个维度的数据可以映射到气泡的面积大小上，因此「气泡图」可以在二维平面展示三维信息的数据。

（1）适用场景：存在大量数据点，结果更精准，比如回归分析。

（2）优点：直观反映数据集中情况，对离散数据线性回归等曲线预测性的拟合辅助作用

（3）局限：数据量小的时候会比较混乱。

7.仪表盘

（1）适用场景：直观展示KPI数值的组件，可直接显示所选字段的数值，比如展示销售额、毛利、毛利率等指标数值，还可以展示项目进度情况，主要用于数据预警。

（2）局限：只适合展现数据的累计情况，不适用于数据的分布特征等。展现维度只能有一个，展现指标不宜过多，而且只是数字面板，不具有图形的各种优势。

8.地图

种类：热力地图、流向地图以及点地图。

（1）热力地图：

应用场景：用来表示地理范围内各个点的权重情况

评价：对比不会很精准，只能进行大体的对比

（2）流向地图：

应用场景：流向地图多应用于区际贸易、交通流向、人口迁移、购物消费行为、通讯信息流动、航空线路等场景

评价：不好展示数值的大小、对比、趋势等情况

（3）点地图：

应用场景：想要查看的是某个区域各个网点(特定位置)的数据时，用地图实现起来会比较复杂，并且精准性不高，那么就可以使用点地图，可精准快速定位到位置

评价：精准、快速，但是不适合多数据集中展示，不容易区分

9.雷达图

雷达图是将多个分类的数据量映射到坐标轴上，对比某项目不同属性的特点。

（1）应用场景：雷达图用以显示独立的数据系列之间，以及某个特定的系列与其他系列的整体之间的关系，必须拥有相同的指标。

（2）优点：一般适合不同维度的比较分析，对比表达比较明显

（3）局限：分类过多或变量过多，会比较混乱。

10.词云

词云图也叫文字云，是对文本中出现频率较高的“关键词”予以视觉化的展现。词云图过滤掉大量的低频低质的文本信息，使得浏览者只要一眼扫过文本就可领略文本的主旨。

（1）标准词云图：用来表示词语的权重，词语出现的频率越高，词语就越大。

（2）热词球图：词语频率越高，出现的次数就越多。

（3）应用场景：直观展示数据频率，对出现频率较高的“关键词”予以视觉上的突出，形成“关键词云层”，从而过滤掉大量的文本信息。

11.漏斗图

（1）适用场景：展示每一阶段的占比情况，提供转化率的数据分析。有固定流程并且环节较多的分析，可以直观地显示转化率和流失率。

（2）优势：适用于业务流程比较规范、周期长、环节多的单流程单向分析，通过漏斗各环节业务数据的比较能够直观的发现和说明问题所在的环节，进而做出决策

（3）局限：无序的类别或者没有流程关系的变量。

12.矩阵树图

展现同一层级的不同分类的占比情况，还可以同一个分类下子级的占比情况，比如商品品类等。

（1）适用：矩形树图是用来描述层次结构数据的占比关系，能够进行逐级钻取显示下层数据情况；

（2）缺陷：不适合展现不同层级的数据，比如组织架构图，每个分类不适合放在一起看占比情况。不够直观、明确、不像树图那么清晰，而且分类占比太小时不容易排布。

13.桑基图

一种特定类型的流程图，图中延伸的分支的宽度对应数据流量的大小，起始流量总和始终与结束流量总和保持平衡。比如能量流动等。

桑葚图主要由边、流量和支点组成，其中边代表了流动的数据，流量代表了流动数据的具体数值，节点代表了不同分类。边的宽度与流量成比例的显示，边越宽，数值越大。一种特定类型的流程图，图中延伸的分支的宽度对应数据流量的大小，起始流量总和始终与结束流量总和保持平衡。比如能量流动等。

（1）适用场景：用来表示数据的流向。

（2）优点：在数据流动的可视化过程中，桑基图紧紧遵循能量守恒，数据从开始到结束，总量都保持不变。

（3）局限：不适用于边的起始流量和结束流量不同的场景。比如使用手机的品牌变化。

14.散点图

如果数据中包含了各个品类的数值，并且想强调各个品类基于数值在分布上的一个差异变化，那么就可以使用散点组合图的形式进行展示。

（1）注意事项：

①散点组合图，应控制横向坐标的品类数量，控制在6个以内最好，品类与品类之前可通过圆圈的颜色来进行区分；

②同时还可将想重点突出的数据，通过图片或者文字来重点展示出来。）

（2）适用：存在大量数据点，结果更精准，比如回归分析。

（3）局限：数据量小的时候会比较混乱。

（4）相似图表：气泡图。用气泡代替散点图的数值点，面积大小代表数值大小。

15.指标卡

突出显示一两个关键的数据结果，比如同比环比。

（1）适合：展示最终结果和关键数据。

（2）缺陷：没有分类对比，只展示单一数据。

16.箱线图

是利用数据中的五个统计量：最小值、第一四分位数、中位数、第三四分位数与最大值来描述数据的一种方法。

箱子的中间一条线，是数据的中位数，代表了样本数据的平均水平。箱子的上下限，分别是数据的上四分位数Q3和下四分位数Q1，这代表箱体部分包含了数据集中50%的数据，因此，箱子的宽度（四分位距=Q3-Q1）在一定程度上反映了数据的离散程度。

在箱子的上方和下方，又各有一条线， 有时候代表着最大最小值，有时候代表的是上下内限。如果有点位于内限之外，理解成“异常值”就好。

应用场景：

（1）对比多组数据的分布情况。检测数据中的异常值或离群点。

（2）对数据没有任何假设，属于专家检验法。

局限：对于大数据量，反应的形状信息更加模糊。

17.架构图

架构图是一个比较统称的概念，不论是系统架构图、流程架构图还是组织架构图，都是让人可以清晰的get到分类、构成及关系等。

（1）应用场景：用于表示各个节点之间的上下级关系，同时还能展示每个节点的的值。

（2）评价：多用于框架图，逻辑关系比较明确，但没有数据数值的对比。

到这小编就为大家介绍完了17种类型的可视化图表，想必你也为这图表所惊叹，想着自己也能做出来。这里小编向大家推荐自家的大数据分析软件——亿信BI。

亿信ABI内置数十种可视化元素和图形，通过简单的数据关系定义，就能实现丰富的可视化效果。通过设计与搭配，可衍生出成千上万种可视化效果，帮助您理解和分析数据。

由于亿信ABI内置ECharts4.2版本，ECharts官网Demo中的99%的图表可以通过粘贴到脚本中直接使用，无缝对接。想要什么，就去demo上取什么，更大化的丰富了图形的展现方式哦！

除了上述常用经典图表，亿信BI还可以制作出炫酷吊炸天的数据图表，后续小亿会教你实用技巧，来提升表哥表姐们的数据报表的逼格。

看了这么多你是否也心痒痒了呢？赶紧搜索亿信ABI进行产品试用，上述的所有图表都可一一体验，感受可视化的魅力和震撼，动动你的手指开启免费试用之旅吧~

,