数据可视化

图表不是「好看就行」，而是 用最少认知负荷传递一个结论。BI 分析师要会选型、会设计 Dashboard，并能在 Tableau / Looker / Power BI 中落地。

学习目标

• 按问题类型选择合适图表（趋势、对比、构成、分布、关系）
• 掌握 Dashboard 布局、筛选器与 drill-down 设计原则
• 避免误导性可视化与「图表 junk」

核心概念

图表选型

问题	推荐图表	避免
趋势	折线图	饼图表时间序列
对比	柱状图、哑铃图	3D 柱状
构成	堆叠柱、100% 堆叠	过多扇区饼图
分布	直方图、箱线图	用折线连离散点
关系	散点图、气泡图	无轴标签

一个图表一个信息：完课率趋势与渠道构成应分两张图，不要挤在一张里。

Dashboard 设计原则

首屏 — 3～5 个核心 KPI + 主趋势
筛选 — 时间、地区、产品线全局联动
层次 — 汇总 → 明细 drill-down，避免首屏信息过载
一致 — 颜色语义统一（红=告警，绿=达标需色盲友好）

移动端：关键 KPI 优先；复杂表格提供导出而非硬挤小屏。

BI 工具分工

• Tableau：探索式分析、Public 社区案例多
• Looker / Looker Studio：与 BigQuery、语义层（LookML）深度集成
• Power BI：Microsoft 栈、DAX 度量
• Metabase / Superset：开源、SQL 友好

CodeRoadMap 内部分析可先用 Metabase 连 MySQL 只读副本，再按规模升级。

常见反模式

• 纵轴不从 0 开始夸大差异
• 双 Y 轴尺度不一致
• 过多颜色与 3D 效果
• 无标题、无单位、无数据来源说明

练习

• 为「各 category 课程数量」选图表类型并说明理由
• 设计一个 4 区块的学习运营 Dashboard 线框（文字描述即可）
• 找一张新闻/报告中的误导图表，写一句改进建议

小结

可视化是论证的载体；选型服务问题，Dashboard 服务决策路径。 下一课理解数仓与星型模型，知道数据从哪来。