数据可视化可以帮助我们更清晰明了地观察数据背后的隐藏信息。这篇文章里，作者就从历史发展维度、从当下产品经理的工作流程等维度，对数据可视化做了解读，一起来看。

数据可视化是指将数据转换为可感知的图形、符号、颜色、纹理等，这并不是互联网时代才有的新鲜概念，它的发展与测量、绘画、文明、科技的发展是一脉相承的。（主要介绍在互联网领域的应用）

一、历史发展

「17世纪以前」-萌芽：最早的地图在土耳其出现，中国最早见于夏朝，通过手工方式制作可视化作品。

「17世纪」-测量与理论：对物理基本量（时间、距离和空间）的测量设备与理论的完善，它们被广泛用于航空、测绘、制图、浏览和国土勘探等。同时，制图学理论与实践也随着分析几何、测量误差、概率论、人口统计和政治版图的发展而迅速成长。17世纪末，甚至产生了基于真实测量数据的可视化方法。从这时起，人类开始了可视化思考的新模式。

「18世纪」-图形符号：绘图师不再满足于在地图上展现几何信息，发明了新的图形化形式（等值线、轮廓线）和其他物理信息的概念图（地理、经济、医学）。随着统计理论、实验数据分析的发展，抽象图和函数图被广泛发明。18世纪是统计图形学的繁荣时期，奠基人William Playfair发明了折线图、柱状图、显示局部与整体关系的饼状图和圆图等今天最常用的统计图表。

「19世纪」-数据图形：随着工艺设计的完善，统计图形和主题制图爆炸性增长，人们已经掌握了整套统计数据可视化工具，包括柱状图、饼图、直方图、折线图、时间线、轮廓线等。关于社会、地理、医学和经济的统计数据越来越多，将国家的统计数据和其可视表达放在地图上，产生了概念制图的新思维，其作用开始体现在政府规划和运营中。

「1900-1949年」-现代启蒙：第一次意识到图形显示的方式能为航空、物理、天文和生物等科学与工程领域提供新的洞察和发现机会。多维数据可视化和心理学的介入成为这个时期的重要特点。

「1950-1974年」-数据可视化重生（多维信息的可视编码）：现代电子计算机的诞生。计算机的出现彻底地改变了数据分析工作。到60年代晚期，大型计算机已广泛分布于西方的大学和研究机构，使用计算机程序绘制数据可视化图形逐渐取代手绘的图形。

「1975-1987年」-多维数据可视化：各种计算机系统,计算机图形学,图形显示设备,人机交互技术发展激发了人们可视化热情。数据密集型计算器走上了舞台,也造就了对数据分析和呈现的更高需求，多维图形诞生。(1986年，第一款excel问世）。

「1987-2004年」-交互可视化：具有与人类交互的方式，如单击按钮，移动滑块，以及足够快的响应时间以显示输入和输出之间的真实关系。

「2004-至今」-可视分析学：进入21世纪，随着计算机相关硬件升级，现有可视化已难以应对海量、高维、多源的动态数据的分析挑战，需要综合可视化、图形学、数据挖掘理论与方法，研究新的理论模型，辅助用户从大尺度、复杂、矛盾的数据中快速挖掘出有用的数据，做出有效决策，这门新兴学科称为可视分析学。

二、工具分类

• Excel（数据分析代表）：普世工具，功能强大。
• 独立图表插件（fusioncharts、echarts等）：需要前后端开发。
• 商业化可视化软件（tableau、powerbi）：单人独立完成，需要一定的sql功底和软件了解程度。
• 自助可视化软件（企业自研）：报表需求膨胀，中央集权模式下统一数据可视化消化不良，需要下放部分数据可视化制作权限的选择。

三、数据可视化产品经理工作流程

• 业务需求沟通：了解业务背景，目前在做的事情，为什么要看这些指标，解决什么问题，当前是怎么看数据的（没有，还是已经有想更好看更高效），看完之后会怎么做。
• 产品规划：一般来说新提的报表需求不会孤立存在，要与现有的报表平台的分析主题、功能定位结合起来，给新报表安个家。
• 数据口径梳理：看什么指标，指标什么含义，统计逻辑是什么，要支持哪些维度。
• 需求评估：主要包括数据质量和数据量。
• 可视化页面设计：基于业务分析思路进行报表设计，区分核心指标和次级指标，同时兼顾报表平台产品设计通用性，实用>美观。
• 方案业务沟通评审&开发排期评审。
• 开发跟进。
• 上线UAT。

四、数据可视化报表设计思路

产品设计包括报表设计，先看面向用户群体，一般来说报表群体分为3类：

• 管理层：关心大盘核心指标，设计时避免指标粒度过细&筛选维度过多，尽量一眼能看完。
• 业务leader：关心负责业务大盘核心指标，设计时需要考虑该业务关心的核心指标，简单下探即可，让业务leader看清业务全貌。
• 执行层：关心自己负责的一亩三分地，数据能否支持自己的执行动作，设计时针对具体要解决的问题，进行专题报表设计，涉及指标要围绕专题做拆解和渐近。

在满足业务需求的前提下，报表设计应该更定制还是更通用？

• 定制：优点是单一场景下使用体验最好，缺点是不易拓展，有相似需求需要新做报表。
• 通用：优点是通用性好，代价是割舍些体验，可能需要切换点击多次才能得到想要的数据。

具体如何选择，视报表平台发展阶段、业务需求量而定。

如果是发展初期、需求相对小，偏向通用型；如果发展较成熟、需求很旺盛，可以考虑定制，但前提是通用报表已经能满足业务需求，定制更多是基于操作更便捷。