1樓：Lady Stark
我是這樣學習資料視覺化的，先說下我之前也是學了不少的視覺化工具，但是一直覺得做出來的圖表沒有靈魂，成為了一種為了視覺化而視覺化的負擔。後來我圍繞著解決實際問題來做，就會為了解決這個實際問題而制定一些目標具體要達到什麼效果，為了實現這些目標目前所掌握的技能不足以支撐，就會自主的去查詢去學習，這樣反而進步的很快。所以建議先看一下別人做的案例，然後仿照案例去做一些嘗試，不會的就去查資料。
2樓：DiVoMiner
可以試試看DiVoMiner平台，已經有一些新聞界朋友在用我們平台做資料新聞。python功能強大，但是上手稍微難了些。DiVoMiner不需要程式設計，更適合社科人。
me.divominer.cn 學習版免費
3樓：帆軟
資料視覺化入門並不困難，這裡我們從什麼是資料視覺化、資料視覺化的價值、什麼是好的資料視覺化、資料視覺化難在哪、怎麼做資料視覺化、視覺化高階路線、視覺化工具推薦、資料視覺化注意事項這八個方面簡單介紹一下：
視覺化可簡明地定義為：通過可視表達增強人們完成某些任務的效率。
任何形式的資料視覺化都會由豐富的內容、引人注意的視覺效果、精細的製作三個要素組成，概括起來就是新穎而有趣、充實而高效、美感且悅目三個特徵。
很多資料產品在幫助資料分析的同時提供了內建的視覺化圖表，也提供了配色參考建議，諸如以下我用FineReport做的產品分析。
FineReport
資料視覺化都有乙個共同的目的，那就是準確而高效、精簡而全面地傳遞資訊和知識。視覺化能將不可見的資料現象轉化為可見的圖形符號，能將錯綜複雜、看起來沒法解釋和關聯的資料，建立起聯絡和關聯，發現規律和特徵，獲得更有商業價值的洞見和價值。因此，資料視覺化能夠加深和強化受眾對於資料的理解和記憶。
資料視覺化能做到準確、充實、高效、美感就是好的視覺化：
準確：用最簡單的方式傳遞最準確的資訊， 最簡單方式就是最合理的圖表，需要根據比較關係、資料維數、資料多少選擇。
充實：乙份資料分析報告或者解釋清楚乙個問題，需要多個指標或者同一指標的不同維度相互配合佐證分析結論。
高效：成功的視覺化，雖表面簡單卻富含深意，可以讓觀察者一眼就能洞察事實並產生新的理解。
美感：分為兩個層次，第一層是整體協調美，沒有多餘元素，圖表中的座標軸、形狀、線條、字型、標籤、標題排版等元素是經過合理安排的 ， 第二層是讓人愉悅的視覺美，色彩應用恰到好處。
好的產品體驗不是一件容易的事情，需要具備一定的資料分析能力、熟練使用視覺化工具、較好的美術素養、良好的使用者體驗感覺。
1. 資料不準確、結論不是很清晰，所以資料視覺化的最大難點在資料視覺化之外的基礎性工作，資料收集、資料分析沒有做好，視覺化就是徒勞無功。
2. 資料視覺化是用高度抽象的圖表展示複雜的資料、資訊，需要邏輯及其嚴密。
3. 維度多、變數多，不確定應該展示哪些資訊？資料過多，需要採用互動式的展現視覺化。
4. 和UI圖形介面相比，圖表只有有限的文圖指引，不能很好的說明資料的上下文關係。
5.圖表高度抽象，對於閱讀者素質要求很高。
6.選擇正確的圖表不容易，各類圖表都有自己的優勢和侷限性。
7.圖表細節處見真功夫，圖表需要考慮細節實在是太多，布局、元素、刻度、單位、圖例等等都需要合理。
1. 明確圖表想說明什麼業務問題、業務邏輯 、資料分析結論
3. 根據對比關係，資料維度，資料分類多少選擇合理的圖表，每一種圖表都有它自身的優點和侷限性
4. 生成圖表並驗證是否正確，是否和預期一致
5. 細節調整，座標軸（刻度標記型別、間隙、刻度標籤位置、資料型別、小數字、是否千分位）、顏色取值、圖例位置、圖上標籤、圖表標題等細節
6. 在恰當處備註文字說明，例如標註特殊事件
資料視覺化一般是整個資料分析鏈路的最後乙個環節。在資料視覺化之前，我們需要對原始資料進行大量的整理和清洗處理，這一環節首選資料庫SQL，資料處理之後才是分析和視覺化。資料視覺化有兩個方向很值得去嘗試：
商業智慧型BI與動態互動圖表。
SQL是資料分析師的核心技能之一。有些公司並不給資料庫許可權,需要分析師寫郵件提需求,這非常不好。資料分析師經常有各類假設需要驗證,很多時候寫十幾行SQL就能得到的答案,還得麻煩其他部門匯出資料。
對於資料視覺化，有諸多任務具，如：
1、圖表類外掛程式：ECharts、Highcharts、D3js等功能都十分強大。
2、資料包表類：Excel、金蝶、FineReport等，對於日常的報表製作，更加易學實用。
3、視覺化BI類：比如cognos、tableau、FineBI等，更直接地針對業務分析。
以上，前兩者是純粹的可是化圖示，後兩者涵蓋從資料採集、分析、管理、挖掘、視覺化在內的一系列複雜資料處理。
FineReport
總結幾點注意事項，少走些彎路：
1. 資料圖表主要作用是傳遞資訊，不要用它們選技巧，不要追求過分漂亮，以反映業務問題為主
2. 不要試圖在一張圖中表達所有的資訊，不要讓圖表太沉重，適得其反
3. 資料視覺化是以業務邏輯為主線串聯，不要隨意堆砌圖表
4. 避免過度開發，什麼資料都想展現，資料太多就選擇最核心的資料指標、和正常偏差大的、能支援分析結論的
5. 不要試圖掩蓋問題，迴避「不良結論」，真實反映業務，暴露問題
6. 避免過度設計，一般不適用3D、陰影，合理運用色彩同樣能讓圖表顯示的很高階
4樓：mr.k
與題主經歷相似，畢業一年，產品經理轉資料分析師，沒人帶，只能自己摸索學習，有些小建議供題主參考。
第一，用在行約行家。
在學習過程中難免遇到門檻和瓶頸。如果感覺目前進步很慢的時候，找乙個過來人聊聊會有很多收穫。
第二，找一些志向相同的朋友，參加一些學習小組。
乙個人在學習過程在獲取到的知識是有限的，但是有一些學習目的相同的人交流，碰撞會產生很多有價值的點。
前端資料視覺化與資料分析的不同以及作為前端開發該如何選擇資料視覺化崗位和資料分析師崗位？
3crazyone 我理解資料視覺化和資料分析其實兩個方向，但也存在交叉。資料分析整理自己得到的資料然後進行視覺化，也可能不需要視覺化，從資料的角度去分析一切趨勢，一些方向，不過多數資料分析者來說應該都有對資料視覺化的需求。畢竟分析後得出結論配套相應的視覺化圖更有說服力。目前對於資料分析者來說可能還...
資料分析方向好還是資料視覺化分析好？
dataDog 不太了解你說的這兩個方向在你們專業定位中有什麼差別，至少在工作中資料分析師肯定要承擔資料從產出 資料埋點 統計 sql 分析 ppt手動狗頭 視覺化 報表或者ppt 這樣乙個完整的過程的。如果只去看視覺化就會相當侷限，最後會成為乙個tableau操作師？fe？最後打個小廣告，一對一資...
資料分析與視覺化你覺得用哪個軟體最好？
Terry陳 國內十大活躍報表 BI 產品深度對比及點評 幹學院主流開源 BI 產品對比 幹學院 報表工具對比選型系列 圖形 幹學院 上面這三篇對比帖子，前兩篇是從資料分析能力 報表能力，BI多維分析能力 去分析對比國內外主流的，以及開源的資料分析工具 BI 報表工具的 後一篇是從視覺化最低粒度 圖...