前言

在我看来数据有三个硬性原则，一个是相关性另一个就是流动性，还有一个是一维性

这三个原则是为了方便我们日后进行各个平台数据的对接，以及我们的数据可分析性和对于业务决策的导向作用，提高数据的利用率

相关性：数据的各个方面必须和数据上下游以及业务仅仅贴合，数据最终的价值是决策导向，不具备相关性的数据是没有意义的

流动性：数据具有流动性，具有多平台互通的能力，避免出现数据孤岛的尴尬场景，也有利于实现数据流程化

一维性：数据的类型必须是一维报表的类型，这样有利于后期的整理，清洗等工作，也具有较强的可分析性

以上是对于数据的一个简单概括

数据的分析以及可视化

首先为什么选择数据可视化

根据美国哈佛商学院有关研究人员的分析资料表明，人的大脑每天通过五种感官接受外部信息的比例分别为：味觉1%，触觉1.5%，嗅觉3.5%，听觉11%，以及视觉83%

可见视觉接受的外部信息是最多的，我们常用的也是视觉信息，数据可视化是为了提高我们对于信息的筛选效率包括数据分析也是如此

（在这里大家不要混淆一个概念，Excel表格就不是可视化，不，它是的，并非只有那些图形，饼状图，热力图，条形图之类的才是可视化，其实Excel表格才是最基础的可视化，它的价值也是为了提高我们对于信息的筛选效率，也是通过视觉传递信息的）

什么样的数据才算是优秀的可视化作品

在满足三个原则的基础上，可以提高我们决策效率的数据就是优秀的可视化

有的数据我们只需要用Excel去表示就可以了，有的数据却比较复杂，为了提高数据直观的对比性，我们才会选择图形报表，比如折线，饼图，条形图之类的，所以在这之前我们要明白，每种不同类型的报表的性质是什么，

举个栗子：

折线图最能反映的是一个维度内某个值的变化波动

饼图则是各个占比的对比，更能看出谁的市场份额，

条形图则是易于比较数据之间的差别，一眼看出各个数据的大小

诸如此类还有很多就不一一解释了

每种图形都有不同的性质，在我们的决策环境中也有着复杂多变的因素硬套肯定是不行的合适才是最重要的

引入一个场景

比如有一天领导过来问了你一个问题，

小王给我看一下，百度眼部昨天13点的时候流量怎么样，

你答：昨天13点16个对话.6个留电.2个到诊

或者直接问你，我们的项目在重庆渝北区那边的投放情况怎么样

你答：近半年以来我们在重庆渝北投放了3000W，产出6000W，其中眼部胸部项目的投放效果较好，达到总业绩的40%投放费用仅占10%，而皮肤类的项目投放效果较差，占总业绩不到5%投放费用占20%左右

这些都是我们常见的场景，而数据可视化则是为了让这些场景中的数据用更加直观易懂的方式展示出来，要是领导一看就明白还来问你？就直接让你降低或者关闭皮肤类项目的投放了或者直接换个人来做皮肤项目，他就知道有问题的嘛，

我们工作中大多数报表并不能直接展现这些问题，要想清理这些问题就很耗费时间，

不同人群业务对待的数据需求决策需求都是不一样的，要想做出合理的数据可视化，首先你得知道他平时都有哪些决策，要面对什么样的问题，将他的问题转化为一个个直观的数据表，才是合理的可视化

比如第一个问题

比如第二个问题

所以对于数据可视化来讲，首要是决策导向，信息筛选效率，还有直观性这三个要素

这些需求就是工作中会议中大家经常讨论的问题，如果实在不知道怎么做，那就自己给自己提个业务问题，看看你的数据是否能够直观的展现出来，这只是最初级的东西，进阶一点的可能就是方向的预测，比如按照目前的形式我们未来1年的走向大概是什么样的这样的需求

需求有很多，但屏幕就这么大，所以对于需求需要进行筛选，什么需求重要，什么需求没卵用，要搞的清楚，就比如你知道昨天13点22分的对话情况又怎样，能对你目前的决策有帮助么，答案是不能，因为维度太细，适合基层不适合我们决策者，有的也是需求华而不实，所以我们要学会去区分这些需求，真的没卵用，有这时间不如喝口冰阔乐解解乏，不舒坦么

对于业务人员来讲，你需要进阶的是你的业务水平以及你的数据分析的一些基础能力

对于数据分析人员来讲，你得感同身受，多和业务沟通，多和领导沟通，实在不行cosplay一下么，我就是领导，我现在要解决什么问题，对吧，要不然你的可视化永远只会停留在基础的水平，不好接触核心决策，看起来华而不实

下面提几个SEM竞价人员工作中常见的业务问题

有消费没对话，转化率低，产出少

可能导致的原因：创意效果不好，URL有问题，词性有问题，客服姨妈来了，客户意向不高又来了姨妈

那我们要做的就是用数据帮他们排查这些问题找到问题真正的原因，但这些问题包含的有URL分析、创意分析、词性分析、客服分析、意向分析，如果单独做出这些分析，让业务去看，那他自己也得排查老久，对于问题的直观展现还不够，

你需要一个具有综合性的可视化，可以在一张表里展现多个问题的，比如四象限散点图，或者每个分析做几个权重分然后集合起来进行某种计算，有代表的是一个客服的数据分析

圈起来的其实就是通过特殊计算的一种权重数据，可以看出一个客服的工作情况，分时段还能看到他某个时段的状态，或者他擅长什么业务，客服之间的对比，之类的

举例就这些了，再多我打字也跟不上，我是业务并非专业分析人士，所以以上都是我客人的理解和建议。

作者温馨提示：不要被条条框框的固化思维，别人都在做的东西就不要去做了，他们做完你可以抄啊，要做别人没有做的或者他不知道的事情，才可以拉开距离，进步的精髓就两字“精辟“，但前提是有用，或者你能让他有用

PS：本人业务并非专职分析师，个人意见，欢迎交流