怎麼將兩個漏斗圖合併到一起

1、先複製想要用漏斗圖來可視化的度量（客户、收入、訪問）；

2、將兩個度量放在列上，使兩個度量軸中的其中一個倒序，可以通過雙擊X軸找到該選項；

3、將要用於拆分漏斗的維度（銷售階段、步驟、頁面類型等）放置到到行上；

4、不要忘記通過設置格式以消除所有行之間的空隙，尤其是列分隔符和零值線，否則漏斗圖會被分成兩部分。

Tableau Software致力於幫助人們查看並理解數據。Tableau幫助人們快速分析、可視化並分享信息。無論是電子表格、數據庫還是Hadoop和雲服務，任何數據都可以輕鬆探索。

小編還為您整理了以下內容，可能對您也有幫助：

如何將egger迴歸分析圖和漏斗圖合併在一起

1.漏斗圖(funnel plot) 2.線性迴歸法(egger’s ...的效應量為橫座標,樣本含量為縱座標做的散點圖。...1)選擇治療的效應量或合併分析的方法; 2)納入/排

如何在excel表格中製作漏斗圖

漏斗圖：漏斗圖是用於單流程的數據分析，在數據間有邏輯關係且依次減少時適用。

介紹一種簡單的製作漏斗圖的方法：

1、  進入BDP個人版界面後，點擊上載數據，將記錄活動數據的Excel表格上載至BDP內，再回到工作表內，選擇你剛剛上載的數據，點擊右上角的新建圖表，就可以開始製作儀表盤啦！

2、上載所需要分析的數據後，點擊該表右上角的新建圖表

3、進入到編輯圖表界面後，將活動流程（包含類似網站註冊人數、活動頁面參與人數、分享次數、新用户下單人數等）拖入維度內，將人數或金額拖入數值欄內，再在右側圖表類型內選擇漏斗圖，各個環節的轉換情況就可以準確的顯示在儀表盤內啦！

根據數據情況，可以選擇按順序放置需要展示的幾個數值字段，或者放置一個維度和一個數值字段哦～

Excel教程 如何製作漏斗圖

比方説出產一個商品從開端出產到結尾的上市經過環環篩選之後所定下來的上市數量，接下來，我們拿一組實例來講解一下吧!

漏斗圖是通過條形圖結合輔助列製作出來的，具體操作步驟可以分為以下幾步：

1、創建佔位輔助列;

2、插入堆積條形圖;

3、將佔位填充為無顏色。

操作步驟

1、首先啟動Excel表格，簡單製作一個5行3列的表格，包含環節、數量和佔位一些內容，在C3單元格輸入公式，由於漏斗圖看起來是按居中方式分佈的，所以這裏先用第一個環節(B2)的數量減去下一個環節的數量，算出差別是多少，然後在除以2，這樣當將佔位輔助列的柱子設置為無填充的時候就會出現居中分佈的效果。

2、利用單元格填充的方法將表格中剩餘的數據填充完整，選中表格區域，單擊插入--條形圖--二維條形圖，選擇第二種。

3、圖表插入之後，鼠標右鍵單擊座標軸，選擇設置座標軸格式。

4、彈出設置座標軸格式對話框，在座標軸選項標籤中，勾選逆序類別，標籤與座標軸的距離設置為100，單擊確定。

5、然後右擊圖表空白區域，從右鍵菜單中單擊選擇數據。

6、選擇數據源界面中，先點擊向下的箭頭，將圖表數據區域中的數量移到下方，確定。

7、此時發現圖表發生變化，鼠標選中這些紅色矩形部分，右擊，設置數據系列格式。

8、切換到填充標籤，勾選無填充，這樣紅色的部分會變為無填充色，關閉界面。

9、右擊上方的座標軸，從右鍵菜單中單擊設置座標軸格式。

10、在座標軸選項標籤中，最大值勾選固定，輸入100.

11、最後，刪除一些圖例不需要的部分，漏斗圖就製作好了。

誰説菜鳥不會數據分析

轉自Lilac'Blog- 誰説菜鳥不會數據分析

最近閲讀了《誰説菜鳥不會數據分析》一書，作為一本入門級的數據分析書，該書將數據分析相關的基本概念、流程、方等內容採用對話的方式通俗易懂地介紹開來，非常適合對數據分析感興趣，卻又不知該從何入手的新手，可以在閲讀完此書後就書中內容做進一步的深入研究。

三字經

學習 ：先了解，後深入；先記錄，後記憶；先理論，後實踐；先模仿，後創新；

方法 ：先思路，後方法；先框架，後細化；先方法，後工具；先思考，後動手；

分析 ：先業務，後數據；先假設，後驗證；先總體，後局部；先總結，後建議。

數據分析 是指用適當的統計分析方法對收集來的大量數據進行分析，將它們加以彙總和理解並消化，以求最大化地開發數據的功能，發揮數據的作用。

數據分析是為了提取有用信息和形成結論而對數據加以詳細研究和概括總結地過程。

數據分析步驟：明確數據分析目的和思路、收集數據、處理數據、分析數據、展現數據、撰寫報告/指導實踐

數據分析方與數據分析法的區別

數據分析方主要從宏觀角度指導如何進行數據分析

數據分析方法表示具體的分析方法，如對比分析、交叉分析等，主要從微觀角度指導如何進行數據分析

數據分析方的作用：

數據分析方是一套從宏觀角度提供數據分析思路，指導數據分析實踐的框架，通常採用營銷、管理等方面的理論模型，以儘量確保數據分析維度的完整性、結論的準確性和有效性。

常見的數據分析方有：

常見方應用場景：

數據表設計要求 ：

數據處理步驟 ：

定義 ：將兩個或兩個以上數據進行比較，分析他們的差異，從而揭示這些差異所代表的事物發展變化情況和規律性

特點 ：可以非常直觀地看出事物某方面的變化或差距，並且可以準確、量化地表示變化或差距的大小

分類 ：

實踐運用 ：

注意事項 ：用於對比的指標的統計範圍、計算方法、計量單位必須一致；對比的對象需具備可比性；對比的指標類型必須一致。

分組的 目的 是為了便於對比，把總體中具有不同性質的對象區分開，把性質相同的對象合併在一起，保持各組內對象屬性的一致性，組與組間對象屬性的差異性，以便進一步運用各種數據分析方法來解構內在的數量關係，因此 分組法必須和對比法結合使用 。分組分析法的 關鍵在於確定組數與組距 。

結構分析法是指被分析總體內的各部分與總體之間進行對比的分析方法，即 總體內各部分佔總體的比例 ，屬於相對指標。

運用計算平均數的方法來反映總體在一定時間、地點條件下某一數量特徵的一般水平。

平均指標包含算術平均數、幾何平均數、調和平均數、中位數和眾數。

作用 ：

​ 1、利用平均指標對比同類現象在不同地區、行業、類型單位等之間的差異程度，比用總量指標對比更具説服力；

​ 2、利用平均指標對比某些現象在不同歷史時期的變化，更能説明其發展趨勢和規律。

交叉分析法通常用於分析兩個(或以上)變量(字段)間的關係，即同時將有一定聯繫的變量及其值交叉排列在一張表內，使各變量值成為不同變量的交叉結點，形成交叉表，從而分析交叉表中變量之間的關係，也叫交叉表分析法。

基本思想 ：將多個指標轉化為一個能夠反映綜合情況的指標來進行分析評價的方法

步驟 ：

​ 1、確定綜合評價指標體系，即包含哪些指標，是綜合評價分析法的基礎和依據；

​ 2、收集數據，並對採用不同計量單位的數據進行標準化處理；

​ 3、確定指標體系中各指標的權重，以保證評價的科學性；

​ 4、對經處理後的指標進行彙總，計算出綜合評價指數或綜合評價得分；

​ 5、根據綜合評價指數/分值對參評單位進行排序，從而得出結論。

特點 ：

​ 1、評價過程不是逐個指標順次完成，而是通過一些特殊方法將多個指標的評價同時完成；

​ 2、在綜合評價過程中，一般要根據指標的重要性進行加權處理；

​ 3、評價結果不再是具有具體含義的統計指標，而以指數或分值表示參評單位綜合狀況的排序。

數據標準化 ：將數據按比例縮放，是之落入一個小的特定區間。在比較和評價某些指標時，經常會用到數據的標準化，去除數據的單位，將其轉化為無量綱的純數值，便於不同單位或量級的指標能夠進行比較和加權，常用0-1標準化和Z標準化。0-1標準化也叫離差標準化，就是對原始數據做線性變換，使結果落到[0,1]區間。

指標權重確定方法 ：專家訪談法、德爾菲法、層次分析法、主成分分析法、因子分析法、迴歸分析法、目標優化矩陣表等。

杜邦分析法是由美國杜邦公司創造的一種綜合分析方法，又稱杜邦財務分析體系，簡稱杜邦體系。它是利用各主要財務指標間的內在聯繫， 對企業財務狀況及經濟效益進行綜合分析 的方法。該體系以淨資產收益率為龍頭，以總資產收益率和權益乘數為核心，重點揭示企業盈利能力及權益乘數對淨資產收益率的影響，以及各相關指標間的相互影響關係。

特點 ：將若干個用以評價企業經營效率和財務狀況的比率按其內在聯繫採用 金字塔結構 有機地結合起來，形成一個完整的指標體系，並最終通過權益收益率來綜合反映。

漏斗圖是一個適合 業務流程比較規範、週期比較長、各流程環節涉及複雜業務過程比較多 的管理分析工具

通過漏斗圖可以很快發現業務流程中存在問題的環節

矩陣分析法是指根據事物(如產品、服務)的兩個重要屬性(指標)作為分析的依據，進行分類關聯分析，找出問題的一種分析方法，也稱矩陣關聯分析法/矩陣分析法。

圖表製作步驟 ：確定所有表達的主題或目的；確定哪種圖表最適合你的目的；選擇數據製作圖表；檢查是否真實有效地展示數據；檢查是否表達了你的觀點。

圖表類型：

圖表美化原則：

色彩

求excel教程！！

EXCEL常見技巧錦集網頁鏈接

一、基礎操作部分：

001、基礎環境介紹

002、錄入技巧（光標跳轉設置、重複上面單元格的內容、填充、分數錄入、輸入當前日期）

003、基本操作技巧（多個單元格內容複製到一個單元格中、CTRL+D填充、快速做序列號）

004、實時預覽、雙擊格式刷、微調字體大小

005、快速移動、複製、互換位置、凹凸邊框製作、給文字添加拼音、斜對齊

006、跨列居中、快速選定內容、斜線表頭的製作

007、自定義數字格式1

008、自定義數字格式2

009、表格樣式（單元格格式、表格樣式、一次性編輯多表）

010、不完全重複的項如何刪除

011、剪貼板的用處你瞭解嗎？（多列合併一列、複製多個單元格內容到一個單元格、多表合併到一個表）

012、初識條件格式

013、快速隔行或者隔列插入

014、強大的CTRL+E（僅限13版本以上的excel）

015、你真的懂查找和替換嗎？

016、全面瞭解選擇性粘貼

017、保護工作表的N種方法

018、數據透視表基礎

019、你該熟練掌握的數據透視表技巧

020、多重合並數據透視

021、破解工作表保護密碼的黑科技

022、讓你更快一點（F2、CTRL+TAB、ALT+TAB）

023、提取實戰（CTRL+E）

024、你可曾遇見這樣的煩惱（被超鏈接、對齊之縮進）

025、合併單元格篩選查看技巧

026、多個工作表快速合併

027、E表打印技巧

028、數據驗證不允許輸入不符合條件的值怎麼破？

029、輸入法裏深藏的技巧

030、用查找法快速查看工作表

031、快速製作工資條的三種辦法

032、高級篩選

033、瀏覽長表的技巧（凍結行列、單元格、快速返回表頭）

034、讓你爽翻了的郵件合併功能

035、2016版excel新增的幾個功能

036、EXCEL中按方向鍵光標居然不動了

037、基本操作練習題（分列，定位）

038、一次性複製格式同時去掉數據中的公式

039、一招讓以科學計數法顯示的數據恢復本來的面貌

040、給你的Excel設定個允許填寫日期（數據驗證）

041、口內打對✔或者✖怎麼弄

042、沒保存的文件意外關閉該怎麼辦

043、批量獲取文件名

044、批量在Excel中插入照片

045、郵件合併批量生成N個文檔

046、郵件合併批量插入對應的照片

047、批量修改文件名

048、跨列、跨越居中

049、在Excel中插入截圖的技巧

050、分列功能裏的技巧

051、Excel中的創建組

052、根據相同的內容批量合併單元格

053、賬期提醒表

054、一分鐘恢復損毀的EXCEL文件

055、13個必學的Excel技巧

056、給excel打印文件添加水印

二、函數部分：

001、來自一個的煩惱（列與矩陣互轉）

002、sum函數經典用法

003、sumif函數（條件表達方式）

004、sumifs函數（多條件求和）

005、數組思維下的sumifs

006、強大的sumproct函數

007、多條件求和練習題（sumproct、sumifs、sumif、sum）

008、if、iferror普及課

009、工作中需要的不僅僅是四捨五入（round、rounp、rounddown、int）

010、舍入函數（floor、ceiling）

011、計數函數大合集

012、女神（vlookup）駕到，快來迎接

013、經典的查找函數lookup

014、lookup的查找原理

015、字符串中的數字提取（isnumber、match）

016、字符串中的數字提取進階！（N^0=1）

017、求區域中最後一個數字（max、min、mod、indirect、text）

018、檢驗下你的水平（區間判斷if、lookup、len、lenb）

019、温故而知新（前面所學函數彙總）

020、在多表中查詢數據（函數中引用工作表的辦法）

021、連續編號的技巧（合併單元格編號，篩選、隱藏行後的編號）

022、把一列中大分類相同的小分類放到一行的方法

023、把一列中大分類相同的小分類放到一個單元格中的方法

024、銀行賬號間自動加空格

025、兩列中互相重複的數字提醒

026、時間日期函數（datedif）

027、人民幣小寫金額轉換大寫

028、練練你的基本功（每個分類編序號、合併單元格求和）

029、rept、trim函數

030、知其然也知其所以然（把一行字按照分隔符拆分成一列）

031、三個簡單的一看就會的函數（large、rank、phonetic）

032、必學的技巧（累計求和、帶單位的數字求和、small）

033、綜合練習（從身份證號碼中提取生日、性別）

034、根據填充顏色求和（get.cell、formulatext）

035、獲取演講比賽成績的前三名（綜合練習）

036、逆向查詢（vlookup、lookup、index+match）

037、統計區間個數的專屬函數（frequency）

038、循環引用的妙處

040、高手的玩法（查找綜合練習）

041、隔行隔列求和

042、提取不重複的值

043、數據庫函數dcount、dcounta

044、時間函數大全

045、日期函數大全1

046、日期函數大全2

047、條件排名的四種思路

048、transpose函數

049、hlookup函數

050、address函數

051、打印表中某個單元格按次序引用一列的內容

052、文本運算式求值

053、多級下拉菜單的製作

054、聯想式下拉菜單的製作

055、用excel做個九九乘法表

056、給你的工作簿做個目錄

057、hyperlink函數

058、最大公約數函數GCD

059、最小公倍數函數LCM

060、去掉一個最高分，去掉一個最低分求平均值(trimmean)

061、沒學quotient之前你是怎麼求商數的

062、檢測是否完成任務還可以這樣(sign)

063、int與trunc的區別

064、求企業連續幾年業績的平均增長率（geomean）

065、英文字母大小寫轉化，阿拉伯數字轉羅馬數字（upper、lower、roman）

066、proct，可曾聽説過

067、隨機函數rand、randbetween

068、用excel做個抽獎器

069、根據進貨、出貨求庫存（綜合練習）

070、中文數字轉化成阿拉伯數字

071、這就是我為啥老推薦你使用2016版excel的原因（新增的幾個函數）

072、綜合練習題（表格自動化）

073、跨表求和

074、跨表條件求和

075、自動在很多表中同時提取該表的表名

076、函數綜合練習（一道可以考考你函數掌握水平的題目）

077、動態表格的製作

078、HR常用的Excel技巧

079、從有重複客户記錄的數據源裏直接提取排名

080、按條件從有重複記錄的數據中按名次提取數據

081、顯示一行中出現次數最多的字符（code、char、mode）

082、函數大全（對函數分類做個全面的瞭解）

083、抽獎器的製作（照片隨名字變動而變動）

084、分解任務遇到的問題（ceiling、floor、sumif通配符求和）

085、合併單元格引起的各種困擾

086、對一組數據中不合格的數據進行計數

087、根據多個條件查找對應的區間

088、087文章的答案

089、一個字符串中是否包含另一個字符串中的幾個字符的判斷

090、相對引用與循環引用的實例練習

091、怎樣生成不重複的隨機數

092、用vlookup進行模糊查找

三、圖表部分：

001、別樣的簇狀柱形圖之系列重疊

002、別樣的簇狀柱形圖之顯示系列差距

003、別樣的簇狀柱形圖之電池電量圖

004、藉助輔助列製作漂亮的柱形圖

005、雙層柱形圖

006、堆積柱形圖之系列線應用

007、柱形圖之斷層圖

008、花式條形圖

009、蝴蝶條形圖

010、折線圖添加數據標記和改變線型

011、傳神的散點圖

012、複合條形餅圖中條形個數的調整

013、餅圖中會動的圖例

014、百分比堆積面積圖的（用公司logo做圖例）

015、雷達圖裏存在的bug

016、數據差異較大時用次座標來調整

017、甘特圖

018、圖表中強調數據的技巧

019、自定義圖表中圖形形狀

020、圓環圖與柱形圖的組合

021、折線圖也可以那麼美麗

022、別樣的圓環圖

023、漏斗圖

024、瀑布圖

025、蛇形圖--高大上的商務圖表

026、旭日圖

027、樹狀圖

028、帕累託圖

029、三維氣泡圖

030、用氣泡圖做波士頓矩陣圖

031、動態圖表（1）

032、動態圖表（2）

033、動態圖表（3）

034、動態圖表（4）

035、函數rept也可以做出讓你驚喜的圖表

036、小巧的迷你圖

四、圖片與圖形

001、你知道Excel裏插入的圖片和圖形居然有這點區別嗎？

002、批量調整插入的圖片大小並讓其貼到對應的單元格里去

003、插入正方形、三欄表頭的方法

004、刪除背景、簡單摳圖

005、提取顏色技巧

四、走進VBA的世界

001、多表合併

002、學習VBA之前先了解幾個基本概念

003、Excel中的宏

004、宏操作舉例：用宏實現點擊按鈕跳轉的功能

005、宏操作舉例：用宏實現數據查詢功能

006、宏操作舉例：用宏做個採購錄入系統

007、VBA代碼該如何調試

008、VBA代碼註釋

009、VBA中的運算符

010、VBA中的變量及數據類型

011、VBA中的變量的聲明方式

012、VBA中變量的生存期限

013、VBA中四種常用的語句（with語句）

014、VBA中四種常用的語句（判斷語句）

015、VBA中條件判斷函數IIF

016、VBA中四種常用的語句（循環語句for next）

017、循環語句FOR NEXT 舉例（數字驗證）

018、循環語句FOR NEXT中的嵌套（九九乘法表）

019、循環語句FOR EACH NEXT

020、循環語句DO LOOP

021、結束DO LOOP循環語句UNTIL、WHILE

022、循環語句總結

023、VBA中四種常用的語句（錯誤轉移語句）

024、VBA中函數的使用

025、一個重要且強大的的運算符（like）

026、VBA中單元格相對偏移的兩種處理辦法

027、單元格區域的選擇（resize）

028、單元格區域的並集（union）

029、聽説這是製作工資單最快的辦法

030、單元格區域的交集（intersect）

031、動態獲取單元格區域（currentregion）

032、動態獲取單元格區域（usedrange）

033、動態獲取單元格區域（end）

034、單元格基礎操作（select、insert、delete）

035、單元格基礎操作（cut、copy）

036、單元格基礎操作（find、findnext）

037、VBA合併單元格（merge）

038、用VBA創建超鏈接（hyperlinks.add）

039、用VBA提取超鏈接（Hyperlink.address）

040、用VBA實現朗讀功能（speak）

041、新建、打開、保存、關閉工作簿

042、根據分公司拆分工作表到工作簿

043、工作表的基本操作（新建、命名、移動、刪除）

044、給工作簿裏的各個工作表做個目錄

045、VBA中遍歷文本名的函數（dir）

046、把每個工作簿中指定的表彙總到一起

047、把一個工作簿中的各個工作表拆分成工作簿

048、VBA中數組的相關概念

049、數組的讀取

050、數組的寫入

051、動態數組

052、數組的下標及其獲取方法（ubound、lbound）

053、一維數組轉變二維數組的辦法

054、與數組相關的一些函數（join）

055、join實例練習

056、與數組相關的一些函數（split）

057、與數組相關的一些函數（filter）

058、數組實例練習

059、工作表事件之SelectionChange事件、事件的啟用和禁用

060、工作表事件之Change事件

061、工作表事件之Activate事件

062、工作表事件之Deactivate事件

063、工作表事件之BeforeDoubleClick事件

064、工作表事件之BeforeRightClick事件

065、工作簿事件之Open事件

066、工作簿事件之AfterSave事件

067、工作簿事件之BeforeClose事件

068、工作簿事件之BeforePrint事件

069、工作表、工作簿事件一覽表

070、VBE窗口無法返回默認排列的解決辦法

071、字典的基礎概念及調用方法

072、字典的屬性和方法（一）

073、字典的屬性和方法（二）

074、字典數據的寫入技巧

075、字典實例一（提取第一次和最後一次）

076、字典實例二（多表求不重複值）

077、字典實例三（每行都要去重複值）

078、字典實例四（單列分類統計）

079、字典實例五（多列分類統計）

080、字典實例六（條目數組的用法）

081、字典實例七（需要寫入key的值有重複怎麼辦）

082、正則的基礎概念及引用方法

083、正則表達式的基本語法

084、正則表達式之元字符

085、正則表達式之量詞

086、正則表達式之分組

087、正則表達式中的或

夠學了吧……後面還會繼續！

review manager 漏斗圖為什麼沒有斜線

隨機效應模型切換至固定模型，然後點開漏斗圖，你會發現有斜線了，然後再切換至隨機模型再點開漏斗圖，就發現也有斜線了。一次不行多點幾次

數據分析，除了Excel數據透視表，還有什麼工具？

現在市面上有很多做數據分析、可視化圖表的工具。

我們公司採購過，所以對這塊比較瞭解，列出當時選型時主要考慮過的一些工具，給題主和其他人做參考，以下順序隨機，無優劣之分。

https://www.tableau.com/zh-cn/procts/desktop

這個是可視化界的大神級軟件了，我們分析師強烈推薦的，可能是由於專業度比較高，選型小姐姐很久都沒搞懂怎麼用，因此放棄。（這個跟我們公司採購軟件的要求有關，領導想要一個全員都能上手的數據軟件）

https://www.shujuguan.cn/

這個是我們最後選中的數據分析工具，理由是操作簡單，全員可上手。他們家的分析模板很全，從銷售到財務，從人力到運營，上載數據就能自動生成報表，非常貼心。數據分析基礎弱，又想試試的推薦這個。

http://echarts.baidu.com/index.html

這個的效果真的是蠻酷炫的，就是那種會定睛看很久的，但是需要編程基礎，對於全員使用這個要求不太友好，所以最後放棄了，還是因為選型姐姐根本就不會編程。

http://www.finereport.com/

算是比較老牌的數據分析公司了，旗下有Finereport和FineBI，最終未入選原因是專業名詞比較多，有使用門檻，沒有數據協作這個功能，也就是在軟件裏不能像微信一樣做到即時溝通，這個數據觀有。

http://www.yonghongtech.com/

這個情況和帆軟有點像，專業名詞，需要SQL基礎，還有一個原因是，不能連接第三方數據源，比如金數據、微信公眾號、雲表格這些，人工頻繁導數據會增加工作量，因此放棄。

以上給大家做參考，也歡迎大家在評論區一起討論。

順便贊一下的話，就更好啦！

excel因為可以做簡單的數據分析，而給大家帶來了很多便利。但如果涉及到複雜的數據分析，數據運算，大屏可視化圖表，氣氛就會變得尷尬起來。

搞不好，還會出現電腦死機，數據丟失等情況。

接下來，我將用3分鐘的時間，向你介紹一款兼容excel功能，但功能更為強大的工具—— 雲表企業應用平台 。 (文末會送出免費的獲取方式，如果你趕時間，也可以拖至文末獲取)

運用智能搜索技術，從設計到實現只需要 7分鐘 ，可以做到媲美專業的數字大屏開發效果。 增強後的數據看板功能模塊，可以進行高度、靈活的自定義。

比如設定複雜的大屏背景、組件風格、界面配置、全局擺放，動態效果.......

業務人員無須設計師參與即可完成開發。

信息瞬息萬變，決策毫秒之間。

DataFocus採用列式數據存儲的方式，通過自帶的內存計算引擎，無須預先建立CUBE， 數據分析實時交互，完全滿足管理決策中經常遇到的臨時性分析、多變的業務需求和頻繁的結果刷新。

IT部門將從此告別延時報表分析，億級數據秒級響應。

目前，雲表是有提供免費版本的，適用於中小微企業。

如果大企業要用，增加併發數即可。

你一定想不到，它除了是一款報表軟件，還是一款免代碼開發工具。

像 華為 、 浙江恆逸 、 南方物流 、 許繼電氣 、 香港建滔集團 、 中冶 等20萬+企業或機構，早已通過雲表，開發出各種個性化的管理軟件，包括 MES ， WMS ， ERP ， OA ， BRP ， SRM ， CRM ， 進銷存 等。

你以前的固有思維是不是，這些管理軟件，要麼請人定製開發，要麼直接購買成 品。

可一旦你這麼做了，正中了軟件供應商下懷，後期有得你折騰。

系統的更新迭代 ，是一個特別棘手的問題，很多想全面實施信息化建設的企業，就栽在了這裏。

因年代久遠，軟件架構與設施已經非常落後，想要找供應商進行軟件更新迭代的時候，這時候供應商就玩起了“消失”，也很難再找到那些熟悉過時技術的人員。

另一種情況，就是，你得靠燒錢升級維護，才能保證系統正常運行下去。

所以説，還不如自己動手開發，來得痛快。

而云表的易用性， 恰好彌補了，企業人手不足，資金不足 這些問題。

這是一款業務人員就能上手的開發工具，你只要有自己的業務邏輯，就可以通過雲表， 拖拉拽，輸入中文文本信息 ，搭建出能隨企業發展而成長的個性化管理軟件。

你沒看錯，功能隨需而改，任何時候都行！

此外呢，只要你想得到的業務，它基本上都能解決。

譬如 權限控制，工作流，流程審批，多人協同 ，H5頁面製作，鬧鐘提醒，消息羣發，文件整合，與用友金蝶等第三方軟硬件集成，掃碼入庫......

只有你想不到，基本上沒有它做不到。

而且， 各系統之間數據共享，信息互通，不存在任何兼容問題 。

對了，它還能生成移動端app，封裝PDA掃描器，設備傳感器，讀卡器等硬件的驅動程序，對接廣泛的物聯網設施。

時間原因，今天就分享到這，解鎖更多功能，需要你自己去實踐。

下面，我在這裏留下免費的獲取方式。

試試嘛，畢竟免費，試了也不虧！

希望我的回答能夠幫助到您，如果有什麼疑問，評論區見。

要想從事數據分析的工作，我覺得一定要掌握一些數據的可視化分析軟件的使用方法。為什麼説一定要去掌握數據可視化軟件的分析方法呢，舉個最簡單的例子，我們都知道數據量很大，但是雜亂無章的數據本身是沒有任何意義的，只有將數據進行統計分類，才能展現出龐大數據的背後意義，因此，我認為掌握一款自助式數據 探索 與可視化分析的軟件是十分必要的。現在市面上類似的平台有很多，我用的是東軟平台雲的一個叫DataViz的，個人覺得還挺好用的，你可以看一下效果。

其它工具好不好用我不知道，但是數據分析工具裏的“扛把子—— 夥伴雲， 我必須強烈推薦！

夥伴雲支持數據 手動填寫 和 excel批量導入 ，儀表盤集大數據分析、可視化報表、智能辦公桌面於一體，不僅可以用來製作常規的可視化圖表，還支持超級炫酷的數據大屏， 作為一款數據可視化 軟件，可以説是非常 簡單 、 好用了！

以下就是用夥伴雲儀表盤及數據大屏做出來的效果，近距離感受一下！！

在夥伴雲，我們可以能把不同工角色及職位常用的快捷入口、想要看的統計分析數據，都集中在儀表盤呈現！

比如，老闆想要查看公司財務報表，店長想要檢查各店面的執行、整改情況，銷售想要預測商機、計算提成......只需進入相應的工作台就可以了！

1、支持手動填寫，也支持導入Excel

2、無限組合的圖表組件，帶來無限視覺分析的可能

夥伴雲儀表盤可提供折線圖、散點圖、條形圖、雙軸圖、餅圖、漏斗圖、地圖等20餘種圖表組件，用户可以根據不同的應用場景自由選擇，點擊組件可快速添加圖表、拖拽即可完成佈局。即使是不懂任何技術的小白也能夠發揮創意，實現自己想要的可視化應用。

3、數據倉庫：數據中心的超級加工廠

夥伴雲數據倉庫可合併鏈接多個表格數據，並可對在線表單進行增刪改查、批量操作等編輯功能，聚合後的表格添加到儀表盤中，可以進行更加豐富的數據分析。

4、高端智能數據大屏，真“屏”實“據”更炫酷

無論信息公示、公開彙報、實時指揮還是監控預警，數據大屏都能讓數據動態一目瞭然，幫您快速掌握業務進展，及時進行問題追蹤。它自帶炫酷炸裂的效果，當你向領導/投資人彙報工作時，分分鐘就能震（hu）撼（zhu）對方！

總之，用完夥伴雲，整體感受就是超奈斯

在企業軟件行業有一個明顯趨勢，那就是使用雲表企業應用開發平台這類產品作報表工具的企業越來越多了，而經過統計，這些企業中超過80%都用過Excel或網絡版Excel作為報表工具來進行辦公。

自己的系統自己開發，企業要發展，軟件也能隨時添修刪改，靈活度高，發展潛力深……

https://www.iyunbiao.com/signup/A3MVVQ240

我知道的有python，微軟powerbi，tableau，qlik，R。

我自己比較熟悉微軟powerbi，和Excel結合緊密，容易上手。推薦。

信息可視化整理

無論數據總量和複雜程度如何，數據間的關係大多可分為三類： 比較 / 構成 / 分佈&聯繫。

基於分類 / 時間的數據對比，通常需用到比較型圖表。 比較條目較少時 ，如5個地區收件量的對比，可選用 柱狀圖 表示。

條形圖 當條目較多， 如大於12 條 ，移動端上的柱狀圖會顯得擁擠不堪，更適合用 條形圖 。 一般數據條目不超過 30 條 ，否則易帶來視覺和記憶負擔。 柱形圖還有許多豐富的應用。例如堆積柱形圖，瀑布圖，橫向條形圖，橫軸正負圖等。

看趨勢 – 折線圖 當X軸為 連續數值 （如時間）且 注重變化趨勢 時，則適用折線圖。

擴大差異 – 南丁格爾玫瑰圖 。由於扇形的半徑和麪積是平方的關係，南丁格爾玫瑰圖會將數值之間的差異放大， 適合對比大小相近的數值 。玫瑰圖也適於表示 週期 / 時間 概念，比如星期、月份。依然建議 數據量不超過 30 條 ，超出可考慮條形圖。

當 比較正反兩類 甚至更度的數據時，可試嘗試雙向條形圖。用顏色區分大區，空心/實心區分收件量和派件量， 既能整體比較大區，又能詳細對比地區的情況 。

打怪升級，再加點難度。 在雙向圖上再增加一個維度 ，如下表，比較 5 個地區的利潤及相應的收入和成本。請先思考一下，再下滑看推薦圖表。

通過圖形一眼就能看出深圳區的利潤低於廣州區，即使它的收入高於廣州區，但成本相對來説高於廣州區。

目標達成 – 子彈圖 考察指標的達成情況，如 收入達標情況及所處區間 （優、良、差）。

子彈圖，因為像子彈射後帶出的軌道。相較於儀表盤，它能夠在狹小的空間中表達豐富的數據信息，在信息傳遞上有更大的效能優勢。

若還要比較4個季度的收入情況，只需用不同顏色區分。如下圖，一眼便知第二季度表現較好，而第一季度則不佳。

性能 – 雷達圖。的性能數據 ，如綜合評價，常用雷達圖表示。 在遊戲中看到它比較多 。 它在商務、財務領域應用較大，適合用在固定的框架內表達某種已知的結果。常見於經營狀況，財務健康程度。

指標得分接近圓心，説明處於較差狀態 ，應分析改進； 指標得分接近外邊線，説明處於理想狀態 。 比如我對企業財務進行分析，劃分出六大類：銷售、市場、研發、客服、技術、管理。通過雷達圖繪製出預算和實際開銷的維度對比 ，會很清晰。如下圖：

以上就是“比較”類的常用圖表，歸納如下：

一個整體被分成幾個部分。這類情況會用到構成型圖表 ，如五大區的收件量佔比、公司利潤的來源構成等。

單層 – 餅狀圖

第1關中，對比5個地區的收件量時用到了柱狀圖。若看 佔比情況 ，餅狀圖更合適。餅圖是有缺陷的，它擅長表達某一佔比較大的類別。 但是不擅長對比。30%和35%在餅圖上憑肉眼是難以分辨出區別的 。當 類別過多，也不適宜在餅圖上表達 。

如果變成 17 個地區，會怎樣？餅圖分類一般 不超過 9 個 ，超過建議用條形圖展示。

除餅圖外， 環形圖（甜甜圈圖）亦可表示佔比，其差異是將餅圖的中間區域挖空 ，在 空心區域顯示文本信息 ，比如標題，優勢是其 空間利用率更高 。

分層 – 環形圖、旭日圖

對於管理層而言，需先把握大局和重點。比如大區負責人需一眼看到重點地區及重點分部的情況（如下圖），如何展示？

這個叫旭日圖，逐層下鑽看數據，大區的重點地區及相應分部的構成情況一目瞭然。

累計趨勢 – 堆疊面積圖

看數值構成隨時間變化的案例：第一大區（包含四個重點地區）近 四年收入構成的趨勢 要如何可視化？

推薦方案是 堆疊面積圖，可以展現分量（地區）對於總量（大區）的貢獻 ，並 顯示總量（大區）的變化過程 。需要説明的是，地區收入的起點並非從 y=0 開始，而是在下面的地區基礎上逐層疊加，最後組成一個整體。

面積圖最佳設計指南：波動較大的類別放在最上面、使用透明色、不要超過4個類別，y軸從0開始，不要用面積圖展示離散數據，只有連續數據有中間值。

累計比較 – 堆疊柱狀圖

如果將上圖X軸的標籤文字（即年份）和圖例（即地區）互換（如下圖A），用來看 每個地區近四年的收入構成 ，用哪個圖更合適？

堆疊面積圖 A 方案和堆疊柱狀圖 B 方案都可以表現累加值。差別在於， 堆疊面積圖的 x 軸是連續數據（如時間），堆疊柱狀圖的 x 軸是分類數據 。此案例中的 x 軸是非連續的分類數據，因此用 B 方案更適合。

累計增減 – 瀑布圖

若想表達兩個數據點間數量的演變過程，可使用瀑布圖。 開始的一個值，在經過不斷的加減後，得到一個值 。瀑布圖將這個過程圖示化，常用來展現財務分析中的收支情況。

通過分佈 & 聯繫型圖表能看到數據的分佈情況，進而找到某些聯繫， 如相關性、異常值和數據集羣 。

兩個變量 – 散點圖

仍以業務為例，下圖為全國網點的單票成本/收入分佈情況。

單單這樣看，可能看不出什麼，如果加兩條平均線就不一樣了。

加了平均線，就知道哪些網點高於平均線，哪些低於平均線。但網點那麼多， 總不能逐個點擊查看是哪個大區的 ， 給散點加上顏色後 ，就很有意義了。

通過此圖，可以看出哪些大區單票利潤較低，急需提升，比如 廣泛聚集於右下角的第四大區，單票收入低於平均線，單票成本卻高於平均線 。

三個變量 – 氣泡圖

大家都知道，網點 總利潤除了和單票利潤有關，還和體量（即收件量）有關 ，用散點的 面積大小 表示收件量，就變成了氣泡圖。

一切和空間屬性有關的分析都可以用到地理圖 。比如 各地區銷量 ，或者 某商業區域店鋪密集度 等。氣泡圖與地圖結合可演變為熱力圖。通過熱力圖，能看到哪些網點收派件量較多，需進行資源調配。

地理圖一定需要用到 座標維度 。可以是 經緯度 、也可以是 地域名稱 （上海市、北京市）。座標 粒度即能細到具體某條街道 ，也能寬到 世界各國範圍 。POI是很重要的要素。POI是“Point of Information”的縮寫，可以翻譯成信息點，每個POI包含四方面信息，名稱、類別、經度緯度、附近的酒店飯店商鋪等信息。藉助POI，才能按地理維度展現數據

最佳設計指南：一、使用細的地圖輪廓線；選擇合適的配色；少用填充圖案；選擇合適的數據區間。

用户行為分析，將瀏覽、點擊、訪問頁面的操作以高亮的可視化形式表現。下圖就是用户在Google搜尋結果的點擊行為。

總結：當我們拿到數據後，先提煉關鍵信息， 明確數據關係及主題 ， 再選擇合適的圖表進行可視化 。

好的可視化是會講故事的，它向我們揭示了數據背後的規律。對可視化的使用認知或許來源於下面這張圖。雖然結構清晰，但它只針對Excel圖表，不夠豐富。

數據分析中經常會提及維度。維度是觀察數據的角度和對數據的描述。 我們可以説地區是一種維度，這個維度包含上海北京這些城市。也可以認為銷售額是一個維度，裏面有各類銷售數據。維度可以用時間、數值表示，也可以用文本，文本常作為類別。 數據分析的本質是各種維度的組合

維度主要是三大類的數據結構：文本、時間、數值。地區的上海、北京就是文本維度（也可以稱為類別維度），銷售額度就是數值維度，時間就是世界

數值維度可以通過其他維度加工計算得出，例如按地區維度，count出有多少是上海的，有多少是北京的。維度可以互相轉換。比如 年齡原本是數值型的維度，但是可以通過對年齡的劃分，將其分類為小孩、青年、老年三個年齡段，此時就轉換為文本維度。

1.箱線圖

箱線圖一般人瞭解的不多， 它能準確地反映數據維度的離散（最大數、最小數、中位數、四分數）情況。凡是離散的數據都適用箱線圖。

下圖就是箱線圖的典型應用。線的上下兩端表示某組數據的最大值和最小值。箱的上下兩端表示這組數據中排在前25%位置和75%位置的數值。箱中間的橫線表示中位數。

2.關係圖

展現 事物相關性和關聯性的圖表 ，比如 社交關係鏈、品牌傳播、或者某種信息的流動 。

有一條微博，現在想研究它的傳播鏈：它是經由哪幾個大V分享擴散開來，大V前又有誰分享過等，以此為基礎可以繪製出一幅發散的網狀圖，分析病毒營銷的過程。關係圖依賴大量的數據，它本身沒有維度的概念。

3.矩形樹圖

上文説過， 柱形圖不適合表達過多類目 （比如上百）的數據，那應該怎麼辦? 矩形樹圖出現了。它直觀地以面積表示數值，以顏色表示類目 。

下圖中 各顏色系代表各個類目維度，類目維度下又有多個二級類目 。如果用柱形圖表達，簡直是災難。用矩形樹圖則輕輕鬆鬆。

電子商務、產品銷售等涉及大量品類的分析，都可以用到矩形樹圖。

4.桑基圖

比較冷門的圖表，它常表示信息的變化和流動狀態。

5.0 漏斗圖

大名鼎鼎的轉化率可視化 ，它 適用在固定流程的轉化分析 ，你也可以認為它是 桑基圖的簡化版。 轉化率也可以用幾組數字表示，不一定做成漏斗圖。

可讀性**

圖表的 首要功能是解釋 ，而不是設計，尤其大部分圖表都會落入到 過度設計 的陷阱。

客觀性

數據的解讀因為每個人的觀點和視角不同，可以呈現諸多的結果。這也是我們常説統計學會撒謊的原因。

下圖是一張銷售額柱形圖，看來銷售額沒有啥特大變化嘛。

換另外一種圖表展示。就看到了變化的增長趨勢。

實際上兩張圖表的數據沒有任何差異，為什麼呢？ 區別只在座標軸。第一張圖的Y座標軸起始為0，第二張圖起始是2.45 。第二張是截取了部分的柱形圖。

統一性

如果圖表整體顏色是冷色調，那麼就不要再加入暖色。

如果圖表文字是雅黑，就不要再加入宋體。

如果某地區數據，用了柱形圖對比，其他地區也遵循柱形圖樣式。

如果某圖表，女性使用紅色，男性使用藍色，那麼這一規範應該在所有圖表體現。除了顏色，其他設計元素同理。

如果有多張圖表，圖表元素應該統一，如標題、座標軸刻度、座標軸位置等。

用户為啥會有「將數據轉化成圖表」的需求？

最終的答案一定是迴歸到 企業管理的「第一性原理」——開源節流 。企業需要 數據去分析如何才能節省更多錢，如何才能賺更多錢。 未來的 BI 的產品不能將自己定位為「工具」，而是應該定位為「服務」。

1.0 從流程來看，探索性可視化是這樣的：

此類可視化集中在圖表的微觀功能上 ，像 輔助線、預警、各種圖表類型 等。

2.0 解釋性可視化需求

一般集中在完成了數據探索，並且 形成一定數據洞察後的 story-telling 場景 。大家在網上看到的一些「 一張圖搞懂 XXX 」、「一張圖瞭解 XXX」就屬於解釋性可視化 。

此類集中在整體的圖表可視化上，比如將多個圖表組合起來， 製作成一份報告或者故事版，所以會提供類似標題編輯器、排版編輯器等功能 。目前市面上的 BI 產品，像網易有數、BDP、Tableau、PowerBI 都是採取這種模式

1. 這種偏業務型的產品框架，並不太適合國內市場 。

因為這類產品面向的用户基本上是專業用户（數據分析師），而忽略了一個事實—— 大部分中國企業並沒有設立專門的數據分析崗位 。有能力配備數據分析師的企業一般都是中大型企業，他們付費能力可能比較強，但是也意味着用户量會較少。

專業用户對應的是數據分析師，而 半專業用户則對應的是類似財務、銷售、HR 等，在業務上專業但數據分析上不專業的用户。這類用户的 日常工作一般集中在解釋性可視化上面，比如年終總結、年度規劃、每月彙報 中都需要利用到數據可視化。這類用户的流程是這樣的：

[圖片上載失敗...(image-e6e0b4-1556103840929)]

用户導入數據，無需太複雜的操作，即可直接生成圖表。 存在問題：

可視化的理解： 信息可視化就是用圖形正確的表現複雜的信息和邏輯關係 ，

•通過圖片特有的美觀和趣味性，吸引讀者 •通過最優表現形式，使內容更易懂

•拉近讀者與產品的距離，提升品牌認知度

作品一：安全產品首頁展示

創作靈感：從需求文檔中看到這些子產品名字有御前衞、八卦陣、御城河……當時就覺得非常有意思，腦海中立刻浮現出一個古城的畫面，古城周圍有士兵、有八卦 陣、有御城河等。跟視覺設計師表達這個想法後大家一拍即合，最終產出了這個方案。 中間的城樓最開始是紅色的，有點太搶眼，為了避免喧賓奪主又體現出數據被 保護的感覺，就把它改成了這種半透明的、很數據化的虛擬感覺 。

作品二：產品結構圖

創作靈感：通過競品分析發現國內外同行在這方面都非常下功夫，所以我們也要力求用一張圖來把產品結構和關係描述清楚。下篇文章會講具體的設計過程。

作品三：使用流程示意圖

創作靈感：產品經理給出的這個圖很嚴謹，但是對於用户來説理解起來比較困難，因此先用線框圖把它簡化為單向的流程圖，但這樣又不夠美觀和直觀。心靈手巧的視覺設計師經過圖形的美化，巧妙解決了這個問題。

修改中（局部）：

改良後：

作品四：方案描述示意圖

也是先梳理信息邏輯，用更易懂的方式去表現，再通過視覺設計師美化。

改良圖：

把一件事情做好，首先要知道做好的標準是什麼。把這些失敗的作品放到一起，就可以大概得出失敗的原因是什麼，而好的標準又是什麼。

[圖片上載失敗...(image-cf4898-1556103840928)]

從表現形式的角度“信息圖表”作為視覺工具應包括以下六類：圖表、圖解、圖形、表格、地圖、列表。

按照形式特點我們常把圖表分為關係流程圖、敍事插圖型、樹型結構圖、時間分佈類及空間解構類五種類型。

1、關係流程類圖表

2、敍事插圖型圖表

敍事性圖表就是強調時間維度，並隨着時間的推移，信息也不斷有變化的圖表。

3、樹狀結構示意圖

把繁複的數據通過分支梳理的方式表達清楚。運用分組，每組再次分類的主體框架表示主從結構。

4、時間表述類示意圖

時間表述類示意圖只要以時間軸為中心加入文字數據即可。從設計的角度來看，將主題融入圖形設計中，挑選重要事件點解讀，就可以使畫面精美，加深理解力度。

5、空間結構類示意圖

運用設計語言把繁雜結構模型化、虛擬化是空間結構示意圖存在的意義

這個流程需要協作完成， 數據需要篩選和整理 ，精準是首要條件 ， 其次是梳理。找出出主線邏輯 ，篩選次要內容從而進行精心的設計。

1、基礎圖形創意

柱狀圖和餅狀圖是最常用的兩種基礎圖形，但是簡單的幾何形態很難給人設計感。 對基礎圖形的創意來突出設計主題 ，就可以取得一舉多得、事半功倍的效果

上面圖片中左右的內容是完全一致的，但右圖即使讀者不詳細關注也可心領神會。

2、高吸引度與視覺亮點

從傳統網頁到社交微博，用户對信息的瀏覽速度也越來越快，高吸引度便是最寶貴的財富點。

3、畫面簡潔明瞭

4.象徵圖示

在設計的上要注重保持風格的統一，這樣才能讓人視覺連貫、賞心悦目。

1、餅圖順序不當

餅圖是一種非常簡單的可視化工具，但他們卻常常過於複雜。份額應該直觀排序，而且不要超過5個細分。有兩種排序方法都可以讓你的讀者迅速抓取最多的重要信息

方法一：將份額最大的那部分放在12點方向，逆時針放置第二大份額的部分，以此類推。

方法二： 最大部分放在12點，然後順時針放置

2、在線狀圖中使用虛線

虛線會讓人分心，而是用實線搭配合適的顏色更容易彼此區分

3、數據擺放不直觀

你的內容應該符合邏輯並於直觀的方式引導讀者閲讀數據。對類目進行按字母，次數或數值大小進行排序

4、數據模糊化

確保數據不會因為設計而丟失或被覆蓋。例如在面積圖中使用透明效果來確保用户可以看到全部數據

5、耗費讀者更多的精力

要通過輔助的圖形元素來使數據更易於理解，比如在散點圖中增加趨勢線

6、錯誤呈現數據

確保任何呈現都是準確的，比如，氣泡圖的大小應該跟數值一樣，不要隨便標註

7、在熱圖中使用不同顏色

一些顏色比其他顏色突出，賦予了數據不必要的重元素。反而你應該使用單一顏色，然後通過顏色的深淺來表達

8、柱狀過寬或過窄

柱子與柱子之間的間隔最好調整為寬的1/2

9、數據對比困難

對比是呈現差異的有效方式，但如果你的讀者不易對比時，效果就大打折扣了。確保數據的呈現方式一致，可以讓你的讀者對比

10、使用三維圖

儘管這些圖看來讓人振奮，但3D圖也容易分散預期和擾亂數據，堅持2D是王道

數值可視化的本質就是用各種視覺屬性來表達數據值的大小。視覺屬性有這麼幾類：位置、長短、面積、顏色。對應視覺設計的點，線、面和色值。

其可視化的核心思想在於根據上下文用擬物的方式，將其與我們現世界中數值的事物聯繫在一起。

如果是奔跑的速度15km/h，那麼可以畫一個運動員跑步的圖來表達這個數字。如果是奔跑的速度70km/h，那麼就可以畫一隻獵豹奔跑，通過模糊的背景來表達奔跑的速度快。如果要描述山的高度5km，就可以畫以座聳入雲霄的山，給人一種高山的直觀形象，更多的創意設計都可以圍繞想象展開

汽車行駛的速度，分為慢速、中等和超速，如下左圖所示。在表達評價信息時，你需要根據背景 展開聯想 。比如説：降水量50毫米，我們可能想象到的就是用一個試管接了50毫米深的水。

一維表格如下圖所示，數據表格中只有一行或者一列數據。我們需要對數據可視化的目標進行分析，跟進目標可將數據分為以下幾類:

•強調絕對數值的數據；

•強調趨勢的數據；

•百分比數據；

•不同類型的數據。

3.1.1 柱狀圖

收入10000元的就是收入5000元的2倍，GDP一萬億就是五千億的兩倍，這種數據稱之為等比數據。柱狀圖的閲讀者一般視覺會被柱子本身所吸引，不會去注意縱軸的起點，用户往往會默認柱子的長度代表絕對數值的大小。所以柱狀圖的縱軸的起點必須從零開始。

3.1.2 直方圖

直方圖數據本質的區別在於表達 連續的區間上數量的分佈 。統計學中，直方圖的縱軸要求是計數數據，也就是説，直方圖是用於統計某個區間內的對象個數。

3.1.3 柱狀圖變式：條形圖

條形圖還有一個很大的排版優勢，能將文字和條形在一側顯示，能夠對分類附加説明。在中國，如果不是因為排版的原因，請慎用這種橫向的條形圖。

3.1.4 柱狀圖變式：計數條形圖

3.1.5 柱狀圖變式：徑向柱狀圖、徑向條形圖、螺旋圖

為了適應排版的區域，或者增加圖形的趣味性，會對柱形圖進行扭曲變形。

3.1.6 柱形圖變式：用擬物代替柱子

在平面設計，海報宣傳頁面中，一般會添加擬物的元素，使得數據的表達更加生動。其 基本的思路都是圍繞着數據主體展開聯想，用擬物的對象代替柱子 。

示例1 ：如果描述的是足球相關的內容，那麼可以用踢球的形象代替柱子。

示例2 ：如果描述的是星體相關的內容，那麼可以用星體的形象代替柱子。

示例3 ：如果描述的是男女差異，那麼可以用男女的形象代替柱子。

示例4 ：如果是抽煙相關的數據，正好用煙頭的形狀代替柱子。

示例5 ：如果是山的高度，那麼可以用山的形態。

3.1.7 柱形圖變式：按某些維度展開重組設計

上一節中，用擬物代替柱子的思路仍然是在柱狀圖的框架下的。但是很多時候，甚至可以拋開柱狀圖的束縛，根據關鍵詞展開聯想。在聯想的過程中，我們只需要記住第一章中提到的數據可視化的本質：通過位置、長短、大小、顏色四個視覺元素來表示數據大小。

示例2 ：城市和省份PM2.5值（假設數據）

這種數據只能以地點為關鍵詞展開，以地圖的方式呈現 。

PM2.5是一個沒有形象的概念，所以可視化的時候，不太可能在PM2.5上面展開。 那麼這種數據只能以地點為關鍵詞展開，以地圖的方式呈現 。

省份在地圖上本身就是一個形狀大小固定的面，可以通過顏色熱力圖來表示數值（下圖，左）。

示例3 ：各網站訪問量

例4 ：遷徙地圖

單個城市的遷徙圖的數據原型仍然是一維數組。以地圖為維度展開設計時，需要表達的是各個城市與北京的連線。連線的長短信息已經被城市到北京的距離所用，於是只能用連線的顏色來表示數值。

3.2 強調趨勢的數據

3.2.2 折線圖的變式：曲線圖

3.2.3 折線圖的變式：均線圖

3.2.4 折線圖的變式：面積圖

3.2.5 折線圖的變式：股指走勢圖

一般來説，百分比的數據使用餅圖（或環形圖）的方式表達，這是最常規的。

環形圖與餅圖不同點在於環形圖可以將主題與圖更好地融合。

3.3.2 餅圖變式：將餅形轉化成對象擬物形態。

示例一 ：如果是描述人體的成分，那麼可視化可以圍繞人形展開，將餅的形狀變的形狀。

示例二 ：如果你想描述各類行業人羣佔比，那麼你可以考慮畫出100個人，各類行業的人用不用樣式的圖形，如左下圖所示；而當你想描述各類殺案件支的來源，下右圖所示。

STEP1：確定表意正確

“正確”是信息圖最基本的要求，所以這裏首先要確保信息圖的內容是正確的。

對於業務比較複雜難理解的產品，可以讓產品經理先根據自己的理解畫一個圖，設計師和產品經理進行溝通，確認雙方的理解是一致的。

《淘寶技術這十年》裏有一句話説的好“好的架構圖充滿美感”。淘寶工程師用十年的時間證明了這件事。而其實不僅是技術架構圖，好的流程圖、結構圖、信息圖 等都充滿美感。

怎樣優化信息圖的表達形式呢？如果是一個邏輯比較複雜的結構圖，可以這樣：

雖然邏輯沒有錯誤，但是箭頭有交叉，看起來不美

數據分析方法

對比分析法 ，指將兩個或兩個以上的數據進行比較，分析它們的差異，找出數據代表的事物發展的變化情況和規律。

對比分析法的 特點 是，可以直觀地看出事物某方面的變化，且該變化可量化。

注意，進行對比分析時，可單獨使用總量指標、相對指標或平均指標，也可結合起來對比。比較的結果可用相對數表示，如百分數、倍數等。

對比分析常用的維度有：

1.與目標對比

實際完成值與目標進行橫向對比，比如，對比當前業績與全年業績目標，按階段計算完成率，與時間進度進行對比，看是否能完成目標。

2.不同時期對比

選擇不同時期的指標數值進行縱向對比，比如，將當前業績與去年同期的對比（同比），或與上個月完成情況對比（環比）。

3.同級部門、單位、地區對比

與同級部門、單位、地區進行橫向對比，瞭解自身某一方面的發展水平在公司內部或各地區處於什麼樣的位置，明確哪些指標是領先的，哪些指標是落後的，找出下一步發展的方向和目標。

4.行業內對比

與行業中的標杆企業、競爭對手或行業的平均水平進行橫向對比，瞭解自身某一方面或各方面的發展水平在行業內處於什麼樣的位置，明確哪些指標是領先的，哪些指標是落後的，找出下一步發展的方向和目標。

5.活動效果對比

對某項營銷活動開展前後進行縱向對比，分析營銷活動開展得是否有效，效果是否明顯。

對投放廣告的前後業務狀況進行對比，瞭解投放廣告是否有效，如品牌知名度是否提升，產品銷量是否有大幅度提升等。

對活動的開展狀況進行分組對比，比如，對A組開展優惠活動，對B組保持原來的策略發展，通過對比兩組的業績來了解活動是否有效。

進行對比分析時，需要注意：

1.指標的口徑範圍、計算方法、計量單位必須一致。

2.對比的對象要有可比性。

3.對比的指標類型要一致。

分組 是為了便於對比，而將總體中具有不同性質的對象分開，把性質相同的對象合併，從而保持各組內對象屬性一致、組間屬性有差異。所以，分組分析必須 與對比分析結合使用 。

分組分析的關鍵是確定組數和組距。一個組的最小值稱為 下限 ，最大值稱為 上限 ，上限與下限的差為 組距 ，平均數為 組中值 。

分組分為等距分組和不等距分組。 等距分組 的步驟如下。

1.確定組數。根據數據特點/大小來確定。

2.確定組距。 組距 = （最大值 - 最小值） / 組數 。

3.根據組距大小，對數據進行分組。

什麼時候採用等距分組，什麼時候採用不等距分組？由分析對象的性質特點決定。

1.等距分組，各單位數據變動比較均勻。

2.不等距分組，各單位數據變動很不均勻。

結構分析法 ，總體內各部分佔總體的比例分析法。一般某部分比例越大，則其重要程度越高。

結構相對比例計算公式 ： 結構相對比例 = （總體某部分的數值 / 總體總量）* 100% 。

經典應用

市場佔有率 = （某種商品銷售量 / 該種商品市場銷售總量）* 100%

平均分析法 ，用計算平均數的方式來反映總體在一定時間、地點條件下，某一數量特徵的一般水平。

平均分析法的主要作用 ：

1.用平均指標對比同類現象在不同地區、不同行業、不同類型單位等之間的差異程度。

2.用平均指標對比某些現象在不同歷史時期的變化，説明其發展趨勢和規律。

平均指標 有：算術平均數，調和平均數，集合平均數，眾數和中位數等。

交叉分析法，也稱 交叉表分析法（列聯表分析） ，同時將兩個有一定聯繫的變量及其值交叉排列在一張表格內，使各變量值成為不同變量的交叉結點，形成交叉表，從而分析交叉表中變量之間的關係。

綜合評價分析法，其基本思想是將多個指標轉化為一個能反映綜合情況的指標來分析，比如，不同國家的經濟實力，不同地區的社會發展水平，企業經濟效益等的分析。

綜合評價分析5步驟：

1.確定綜合評價指標體系；

2.收集數據，並對不同計量單位的指標數據進行標準化處理；

3.確定指標體系中各指標的權重；

4.對處理後的指標再彙總，計算綜合評價指數或分值；

5.根據綜合評價指數或分值對參評單位進行排序，並得出結論。

綜合評價分析法3大特點：

1.評價過程是用特殊方法將多個指標的評價同時完成的；

2.在評價過程中，要根據指標的重要性進行加權處理；

3.評價結果是以指數或分值表示參評單位綜合狀況的排序。

數據標準化 ，是將數據按比例縮放，使之落入一個小的特定區間。一般用於取出數據的單位，將其轉化為無量綱的純數值，便於不同單位或量級的指標能進行加權比較。典型的方法有0-1標準化和Z標準化。

權重確定方法 有：專家訪談法，目標優化矩陣法，德爾菲法，層次分析法，主成分分析法，因子分析法，迴歸分析法等。

杜邦分析法採用金字塔形結構，使各個指標的比率分析層次更清晰，簡潔明瞭地表示各指標之間的關係。

漏斗圖 ，適合於業務流程比較規範、週期性較長、各流程環節設計複雜業務過程較多的分析。

漏斗圖的特點，直觀展示業務流程，可以很容易地發現業務流程中存在問題的環節。

漏斗圖的典型應用：網站中某些關鍵路徑的轉化率的分析。

單一的漏斗圖無法評價網站某個關鍵流程中各步驟轉化率的好壞，但結合對比分析法，可以對同一環節優化前後的效果進行對比分析，或對同一環節不同細分用户羣的轉化率做比較，火堆同行業類似產品的轉化率進行對比等。

矩陣分析法 ，根據研究對象的兩個重要屬性（指標）作為分析依據，進行分類關聯分析，找出解決問題的方案。常用於戰略定位、市場定位、產品定位、用户細分、滿意度研究等。

以屬性A為橫軸，屬性B為縱軸，建立一個座標系。在兩個座標軸上分別按某一標準（平均值，經驗值等）進行刻度劃分，構成四個象限，將要分析的對象投射到這四個象限中，進行交叉分類分析。

矩陣關聯分析法的特點 ，在解決問題和資源分配時，先解決主要矛盾，再解決次要矛盾，有利於資源優化配置。

發展矩陣 比簡單矩陣多了“發展趨勢”這個維度，可直觀瞭解之前每個項目的狀況，以及未來發展趨勢。

改進難易矩陣 ，用氣泡表示改進難易程度的矩陣。除了“改進難易程度”，氣泡還可以表示其他屬性。

meta分析為什麼終點的mean要減去基線mean

有一個想法，然後確定生產何種產品，就是我們選題的過程。經過一番調研，我決定生產橙汁，因為在我的家鄉橙子是一個低成本的水果，且目前市面上橙肉含量高的飲品非常少，所以我相信我生產出來的橙汁會是一個有競爭力有市場的好產品。



二、尋找原材料——meta分析文獻檢索

確定生產方向後，接下來我需要走訪橙子種植基地，尋找滿意的橙子。因為不知道哪一個地方的橙子是最符合我的需求的，所以我將縣裏每個鎮的橙子都買回了家裏。這就相當於分析過程中的文獻檢索環節，全面檢索數據庫，不遺漏每一篇相關文獻。



三、篩選品種——meta分析文獻篩選

儘可能多的尋找到我需要的橙子品種，接下來我需要按照我的規劃逐一品嚐挑選我需要的橙子品種，確定供貨來源。

首先，橘子必須果粒飽滿，排除掉一批水分不足的橙子。其次，橙子必須味道甘甜，排除掉一批口味酸甜的橙子。最後，橙子的供應成本不能高於10元每千克，排除掉價格過高的橙子，剩下來的都是我所需要的了。

這個過程就是我們的文獻篩選，根據納入排除計劃逐一閲讀文獻確定納入和排除的文獻。



四、進行採購評估——meta分析質量評價

選擇好了原材料的供應商，接下來我需要實地去種植基地採購我所需要的橙子，併為原材料出具一份質量評級表，讓我的消費者以後可以放心的飲用我的橙汁。

採購挑選評估橙子的過程，就是我們的文獻質量評價，一個橙子的好壞直接影響了一瓶橙汁的品質，被納入的文獻質量同樣也會直接影響我們最終結果的質量，所以我們必須對每一篇文獻進行質量評價，讓讀者對我們所納入的文獻質量有個認識，放心“食用”這篇Meta分析。



五、生產-削皮剔肉——meta分析數據提取

有了原材料橙子，下一步需要把橙子削皮切塊。從供應商裏買回來的是一箱箱的整顆橙子，但是進榨汁機器裏的只能是橙子果肉，所以我們必須把果肉取出來。

這一步相當於研究過程中的信息提取。納入的文獻都是完整的論文，而我們實際要使用分析的僅僅是文獻中的研究數據和研究方法，所以我們必須要數據通過表格提取出來。



六、生產榨汁——meta分析統計處理

有了果肉，就很簡單啦。直接把材料倒進機器，讓機器為我們榨汁即可。

同樣，Meta分析有了數據就比較簡單了，只需要把數據丟進軟件，讓軟件為我們分析即可，這一步就是我們Meta分析中的數據綜合。

STATA、R語言、RevMan這些軟件都可以做到，後面幾周我們會逐一介紹。



七、送檢-排除異質性

榨汁完成後，需要將橙汁送檢，讓相關機構檢測我們的橙汁是否含有其他雜質，併為我們出具一個證書，這樣就可以讓消費者放心購買我們的產品了。

而在Meta分析中，同樣也需要進行這一步，通過綜合分析得到Meta分析的結論後。我們還需要檢測各個文獻之間的差異性，確定文獻之間的異質性有多大，以判斷結論是否可信。

因為在綜合階段我們是將數據混合到一起進行分析，如果被我們提取的兩個文獻本來差異性就很大，那我們的直接將他們混合進行分析，出來的結果誤差非常大，也就沒有研究意義了。

這一步就是我們的異質性檢驗，如果通過異質性檢驗得出結論存在較大的異質性，我們就需要進一步分析異質性的來源，排除異質性以及選擇不同的效應模型進行再一次的數據綜合。



八、排除造假風險

到這一步，我得到了一批好喝的橙汁，但是新的問題出現了。我如何保證橙汁口味的穩定性，確定橙汁中沒有混入其他影響性因素呢，比如萬一張三家欺騙我，向橙子中注入了糖水，所以才讓我的這批次橙汁達到合適甜度？

所以，確保最後批量生產後產品品質的穩定性，我重新再買入了一批橙子，排除一些看起來不太靠譜的供應商的原材料，或者再加入一條榨汁技術不同的生產線，重新生產橙汁。

如果每一項調整，口味變化都不大，證明我的生產流程是穩定可信的，橙子品質也是統一過關的，我可以實現批量生產；相反，如果改變了其中一項，口味就發生了巨大的變化，過酸或者果肉過細，這些都很大程度上影響了我橙汁的口味，説明其中某項影響因素的影響很大，要實現穩定的批量生產就必須對這些影響因素再做進一步測試。

這也就相當於Meta分析中的敏感性分析。敏感性分析是指改變納入標準（特別是尚有爭議的研究）、排除低質量的研究、採用不同統計方法/模型分析同一資料等，觀察合併指標的變化，如果排除某篇文獻對合並效應量有明顯影響，即認為該文獻對合並RR敏感，反之則不敏感。



九、排除隱瞞風險

最後，我們在測試生產品質時，只購買了一小批橙子，供應商給了我們長得又大又好的橙子，生產出來的結果是穩定可靠口味好的。那其他沒有給我們的個頭稍小，品質稍次的橘子呢？不能排除某些供應商為了合作，只向訂購商出示品相好的，而刻意隱瞞品相差的。所以最後我們只需再次確定供應商是否品質穩定，刻意展示好的而回避不好的，如果沒有，我們就可以實現量產了。

在Meta分析裏，這就是最後一步，評價發表偏倚。橙汁好喝可能是因為你選到了供應商可以給你的好橙子，而在實際生產中也許並沒有那麼品相完美的橙子。

同樣因為在醫學統計研究中，陽性結果往往比陰性結果更容易發表，所以我們納入的文獻可能本身是因為“品相好”的文獻被提供給了我們，我們還需要考慮到那些未發表的“稍次”的文獻是否會影響我們的結果。可以通過評價漏斗圖是否不對稱，識別發表偏倚、Begg和 Egger法是檢驗漏斗圖對稱性、Trim法和失安全數法等實現檢驗，後續分享到STATA都會展開。



十、生產調研階段結束

到此為止，我們基本上完成了工廠的搭建，當然後續還需要拓展市場、營銷、售後之類的才能真正意義上實現企業運轉，也就類似於Meta分析的後續的論文寫作、格式排版等等，但是最重要的“產品”我們已經生產完成，只要產品夠硬，後續的都很簡單啦~

下期Meta踩坑集將進入數據綜合的榨汁階段，向你分享如何使用RevMan和STATA榨出橙汁，尚未成功，同志們還要是跟着我一起努力學習呀！