数据可视化重要的还是数据分析，以及业务对数据的需求，单纯的可视化是无价值可言的。对于产品经理而言一切东西都需要自己去实操，不断练习才有可能真正意义的掌握并提高。

要当好一名数据可视化产品应该具备的功能，排在前三位的分别是能够与其他数据源连接、强大的分析模型，以及门槛低、业务人员和高层也可以作数据分析。大数据和数据分析已经使多个行业动摇，并且随着数据分析的应用达到临界质量。数据可视化与传统的数据分析不同，传统的数据分析往往是分析出结果后，通过可视化的效果展现出来；而数据可视化是在展现的过程中分析数据，洞察数据中的内在价值。

我们在上一篇《 大数据产品分析：浅析数据可视化 》中，已经科普了一下数据可视化，今天带大家来点儿摸得着的东西，方便大家进入数据可视化的领域。

从如下几个方面去隶属做数据可视化的方式，希望对大家有一个较为全面的认知：

数据采集：用数据找来源

研究数据的最终目的是减小海量数据的信息量，将数据中的信息客观的展示出来，并最终整理成简单的，人脑可以掌握的知识。数据是任何可视化的精髓与核心，搜索数据、寻求数据源（搜索引擎、数据分析类网站、资料文章、用脚本爬数据）。从网站搜集数据、赋予其格式并重新整理，找到数据开始可视化。数据分析被分成采集、统计、分析、呈现几个步骤。最基础的数据处理方式是通过Excel，除此之外，更专业的方式有：

对于一个想要做好数据可视化的产品经理，以下的技能是需要拥有的，以下能力重要性并不一致且能力之间有很多交叉，对于能力的掌握的好坏很难量化。

数据分析：用数据讲故事

数据分析界有一句经典名言，字不如表，表不如图。 数据分析中的相互关系，通常代表的是关联性和因果关系，多个变量之间应该存在着某种联系。校正数据的真实可靠性，用产品经理的视角去看待你所处理的数据，避免有问题的数据出现在可视化的展示中。

目前有很多工具或产品可以实现数据可视化，甚至可视化已成为商业智能和数据分析产品的基本配置，但在平时工作中，使用较为频繁的可视化工具是Excel，其次是R（R语言是主要用于统计分析、绘图的语言和操作环境。R在数据分析领域的地位不言而喻，其丰富而强大的扩展包支持使得几乎一切数据层面的分析和操作成为可能，这些支持中就包括数据可视化。）

某种程度来讲，Excel能力才是真正的基本能力，乃至于根本能力，要做好数据可视化，先从精通Excel的使用开始才最合适。当然工具只是数据分析的媒介，方便产品经理更好的理解数据的情况，无论是单个精通抑或是多个混搭，都由产品经理自己做主。

举一个简单栗子

年底大家都有面临写一年总结的情况，销售人员的年底总结是很多公司内部需要梳理和分析的重要报表，如下是一份某公司销售人员的一年销售额及销售量的汇总清单。通常情况下我们会以Excel表的形式采集数据并作简单的分析。对于销售额及销售量之间，一般重点查看利润与雇员人数及销售量之间的关系。如果我们只是用列表，很难看出具体的情况。如果我们使用气泡图（ 气泡图 显示了一个序列中的三个数据点之间的相互关系：x 值、y 值和大小）的方式做一个图形的展示，就可以比较直观的看出趋势和方向。

交互设计：用体验讲数据

有时我们寻求的并不是分析和洞察，通过合理的交互体验可以从富有情感的观点来讲述故事，从而鼓励读者对数据作出回应，所以，不是所有的可视化都必须是传统的图形或图表。数据可视化的目的有时是为了提出倡议或者呼吁人们作出行动，而非增长见闻或者娱乐大众。 每一个数据背后都有它自己的故事且 数据之间充满着互动和联系，如何表现出这些关系则取决于我们自己，用什么样的交互来设计这段故事的桥段，都由我们自己决定。

举一个简单栗子

当我们需要汇总多个产品线在各阶段的销售量情况时，可以利用 交互式 图表来实现，交互式图表可分阶段探索和展示数据，以便突出各个值或各个数据组之间的关系。拖移滑块可查看不同的数据集。如下图所示，对于某类产品的细分产品品类做年销售量的分析时，我们就可以通过交互式图表的形式，更佳直观的让分析者看到趋势和变化。（交互式图表可用来展示下列数据：随时间变化的各小组的销售额、各部门的费用，以及各大洲的各个国家的人口数变化。）

视觉设计：用图形讲数据

图表和图形并不只是将统计结果可视化，还对可视化展示的内容进行解释。PPT配图，微信文章配图等都是一种可视化的经典案例。 设计只是一种让图表更加好看的手段， 让我们的图表更加易于阅读、理解和使用。

数据可视化重要的还是数据分析，以及业务对数据的需求，单纯的可视化是无价值可言的。 对于产品经理而言一切东西都需要自己去实操，不断练习才有可能真正意义的掌握并提高。下表是数据可视化的方法及工具总结，希望对大家有一定参考作用：

最后总结一下：从古至今，可视化一直是存在的，数据可视化在如今IT和互联网越来越发达的情况下火爆起来，对于人类认知和管理新世界，必定起到关键作用。但是经过几年的发展，如今大数据产业仍在初级阶段，商用价值仍未完整展现，市场前景一片广阔。

作者：Mandy权，微信公众号：PMandyQ（PM: MandyQ），一名快乐的产品经理！

本文由 @Mandy权 原创发布于人人都是产品经理。未经许可，禁止转载。