数据可视化可以帮助我们更清楚地观察数据背后隐藏的信息。 在本文中，作者从历史发展和当前产品经理的工作流程的角度来解读数据可视化。 我们一起来看看吧。

数据可视化是指将数据转化为可感知的图形、符号、颜色、纹理等，这在互联网时代并不是一个新概念。 它的发展与测量、绘画、文明、技术的发展是一致的。 （主要介绍互联网领域的应用）

一、历史发展

《17世纪之前》——萌芽：最早的地图出现在土耳其，中国最早出现在夏朝，可视化作品是手工制作的。

《17世纪》——测量与理论：基本物理量（时间、距离、空间）的测量设备和理论的改进，广泛应用于航空、测量、制图、浏览、陆地勘探等领域。 与此同时，随着解析几何、测量误差、概率论、人口学和政治制图的发展，制图理论和实践迅速发展。 17世纪末甚至出现了基于真实测量数据的可视化方法。 从此，人类开始了新的视觉思维模式。

《18世纪》——图形符号：制图师不再满足于在地图上显示几何信息，发明了新的图形形式（轮廓、等高线）和其他物理信息（地理、经济、医学）的概念图。 随着统计理论和实验数据分析的发展，抽象图和函数图被广泛发明。 18世纪是统计图形的繁荣时期。 创始人William Playfair发明了当今最常用的统计图表，例如显示部分与整体关系的折线图、条形图、饼图和圆形图。

《19世纪》——数据图形：随着流程设计的改进，统计图形和专题图爆发式增长，人们掌握了一整套统计数据可视化工具，包括条形图、饼图、直方图、折线图、时间线、随着社会、地理、医疗和经济统计数据的不断增加，将国家的统计数据及其直观表示在地图上引发了概念制图的新思维，其作用开始体现在政府规划中和操作。

“1900-1949” - 现代启蒙运动：首次认识到图形显示可以为航空、物理学、天文学和生物学等科学和工程领域的发现提供新的见解和机会。 多维数据可视化和心理学的介入成为这一时期的重要特征。

《1950-1974》——数据可视化的重生（多维信息的视觉编码）：现代电子计算机的诞生。 计算机的出现彻底改变了数据分析。 到了20世纪60年代末，大型计算机已广泛分布于西方大学和研究机构，利用计算机程序绘制数据可视化图形逐渐取代了手绘图形。

《1975-1987》——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、人机交互技术的发展激发了人们对可视化的热情。 数据密集型计算器的登场，也对数据分析和呈现提出了更高的要求，多维图形也随之诞生。 （1986年，第一个excel问世）。

“1987-2004” - 交互式可视化：具有与人类交互的方式，例如单击按钮、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​​年至今》——可视化分析：进入21世纪，随着计算机相关硬件的升级，现有的可视化已经无法应对海量、高维、多源动态数据的分析挑战，需要整合可视化、图形学、数据挖掘理论和方法，研究新的理论模型，辅助用户从大规模、复杂、矛盾的数据中快速挖掘有用的数据并做出有效的决策。 这一新兴学科称为可视化分析。

2.工具分类

Excel（数据分析的代表）：功能强大的通用工具。

独立图表插件（fusioncharts、echarts等）：需要前端和后端开发。

商业可视化软件（tableau、powerbi）：单人独立完成，需要一定的SQL技能和软件理解。

自助可视化软件（公司自研）：报表需求不断扩大，统一的数据可视化在中心化模式下难以消化。 有必要下放一些数据可视化制作权。

3.数据可视化产品经理的工作流程

沟通业务需求：了解业务背景，你当前在做什么奥运会数据统计表，为什么需要看这些指标，要解决什么问题，你目前如何看待数据（不是，或者你已经想更好更高效地看到它） ），以及读完之后你会做什么。

产品规划：一般来说，新的报告需求不会孤立存在。 它们必须与现有报告平台的分析主题和功能定位相结合，为新报告提供一个家。

梳理数据口径：看什么指标，指标意味着什么，统计逻辑是什么，应该支持哪些维度。

需求评估：主要包括数据质量和数据数量。

可视化页面设计：根据业务分析思路设计报表，区分核心指标和次要指标，兼顾报表平台产品设计的通用性，实用大于美观。

计划业务沟通审查和开发进度审查。

发展跟进。

在线UAT。

4.数据可视化报表设计思路

产品设计包括报告设计。 我们首先看一下用户群体。 一般来说，报告组分为三类：

管理：关注市场核心指标，设计时避免指标粒度过细、筛选维度过多，力求一目了然。

业务负责人：关心并负责业务的核心指标。 设计时需要考虑业务关心的核心指标。 简单地向下钻取，让业务负责人清楚地看到整个业务。

执行层：关心自己所负责的那一亩三分地，数据能否支撑自己的执行行动。 设计时，根据具体要解决的问题设计专题报告，涉及的指标要拆解奥运会数据统计表，渐进聚焦主题。

在满足业务需求的前提下，报表设计应该更加定制化还是更加通用化？

定制化：优点是单一场景下用户体验最好。 缺点是不易扩展。 如果有类似需求，需要重新制作报告。

通用性：优点是通用性好，但代价是牺牲一些经验。 您可能需要多次切换和单击才能获得所需的数据。

具体选择取决于报表平台的发展阶段和业务需求。

如果是处于开发初期，需求比较小，就比较通用。 如果开发比较成熟，需求强烈，可以考虑定制，但前提是通用报表已经能满足业务需求。 定制更多的是基于更便捷的操作。