在酿成酒之前去赞美五谷的香醇，在谱成曲之前去赞美音符的神奇，都很难引起人民的共鸣。
同样道理，数据在可视化之前，纵使数据分析师阐述时巧舌如簧，效果也会大打折扣。原因很简单，字不如表，表不如图。数据本身是有沟通障碍的，尤其是当我们的读者或者上级对数据不敏感时，此时的可视化就相当于是一种“翻译”，就像是两个神交已久的人终于相聚却因为语言不同只能你比划我猜，这时如果送上同声翻译，绝对是雪中送炭。
简而言之，做可视化就是将数据以及数据背后的逻辑，准确又高效地传递给对方。
图表可视化的误区主要表现在观念上，这里有两个极端，十分要不得。
一是可视化“无用”。有些厉害人物，文字功力深厚，出口成章妙语连珠，仅凭一己之力就能让甲方满意，领导赞赏，认为可视化就是锦上添花，华而不实，可有可无。
二是过度可视化。可视化很有用但不能神化，要正确看待，正确使用可视化。这个极端有几种表现：
其一是将所有数据逐一可视化。在一份数据分析报告中有结论有佐证，通常只需将结论性的趋势或者重点辅助指标进行可视化，其他诸如本年销售目标、预期利润率等展示类的KPI指标，上一期与本期销售额、两个业务员的销售业绩等数量较少的对比类指标，借由文字阐述即可，数据可视化时过犹不及，要适可而止。
其二是将所有数据集中可视化。有学员曾经问“如何在一张图中清晰地展示一年365天的销售数据及天气变化，并分析这些变化同星期和节假日的关联？”
这是典型的图表负担太重，图表和人一样都有自己的极限，一个人身兼数职同时处理多件事情就会手忙脚乱，图表内容过于丰富只会变得杂乱无章。这个时候如果将数据拆分成12个月，1张图表达1个月的数据，多图经过排版形成图表组合，既专业又美观。
其三是可视化过于追求变化。一种是求变。据我观察有此想法的人不在少数，同一份数据分析报告每次更新都会更换新的可视化类型，或者更换新的配色。这样好不好呢？人既需要新鲜感也需要稳定，比如我们看国家统计局或者专业的分析机构的可视化，有自己的风格并且有延续性。另一种是求新。前一段整个朋友圈都在转发人民日报的“新冠肺炎全球疫情形势”玫瑰图，很多学员都来问我怎么做，为此我第一时间提供了制作方法，同时提醒大家把握好使用尺度和场合，求新本身没错，吓到领导就是你的错了。
其四是过于迷信某种可视化类型。这个观念与求新求变正好相反，可以称之为可视化的保守派。我的一个老朋友特别喜欢折线图，他的报告里90%都是折线图，用折线图表达趋势变化、横向对比、多属性对比，在他眼里折线图就是超级英雄般的存在。其实，不存在万能的可视化类型，一类图表表现一类问题才是常态。
把可视化做好很简单也很麻烦，简单的是只需要满足读者的需求即可，麻烦的是很多时候读者的需求往往飘忽不定，难以捉摸。
读者需求有多难琢磨，这里举个例子。曾有学员问，1张图中有6条折线，领导觉得杂乱看不明白，我建议将图表进行多区域分隔后成功过关。
过了几天这个学员又来问怎样把多折线做得清晰易懂，我很疑惑，学员说上一次通过的方案，这一次领导不喜欢了。
我猜想领导可能想要多方位多维度的分析问题，这时候一张图表往往无法满足需求，于是就建议做成看板，层层剖析数据，学员说领导觉得看板里的图表太多抓不到重点。
于是我接着建议，不妨把折线图做成动态图表，通过按钮选择关注的业务种类，此时关注业务的折线高亮显示，其他折线呈灰色。这个建议同样被PASS，学员说领导不喜欢动态图表，只喜欢静态图表。
实在抓不到这位“领导”的点，我也是无能为力了。没想到几天后学员来报喜说方案通过了，我很好奇，哪个方案这么神奇能得到领导的青睐，学员说最初的方案。
所以想做好图表可视化还是要善于思考，了解喜好，总结规律，保持原则。具体有哪些原则呢？
一是平衡性。
在可视化规范与领导喜好之间寻求平衡点。大名鼎鼎的IBCS建立了关于报表、幻灯片、仪表板、图和表的制作标准，就像下图这样。
有了这些视化规范是不是直接参照就可以呢？还不行，还需要加入一些“中国特色”，也就是领导的喜好，否则可能水土不服。如何把握领导的喜好？作为一个数据分析师，这应该是一个基本功吧。
二是逻辑性。
一个好的分析师会用数据讲故事，数据可视化之后故事会更吸引人，好的可视化就是与数据的逻辑完全契合，想展示什么（数据背后的含义）——依据是什么（数据的趋势变化）——结论是什么（数据反映的问题）。
三是准确性。
可视化要忠于数据，刻意夸大或者美化数据及变化都不可取。举个例子，前一段帮一个朋友做可视化，数据在1-50之间，做成的蝴蝶图中“数据1”对应的条形几乎不可见，这时候朋友就不满意了，明明有数图中却看不见这必须得改，接着又拒绝我增加“折断”的想法，万般无奈之下被逼着将“1”改成了“2”，终于露出一个“尖尖角”。一声长叹，数据可视化时既要满足甲方需求，也要尽可能地坚持原则。
四是稳定性。
刚才在谈可视化的误区时，建议大家不要过于求新求变，不要执着于某一类可视化类型，而是应该保持稳定性，通过增加细节适度微创新，还是领导熟悉的味道只是加了点料，保持了可视化风格延续的同时又有一点小惊喜。比如增加标准线，增加差异箭头、增加区域分隔等等。
常用的可视化工具主要有这4类：
一是在线可视化工具。主要有镝数、花火等，优点是图表种类丰富、类型新颖、配色年轻化，还提供了一些十分酷炫动态图表，操作也比较简单，很多新媒体都在用，缺点是数据保密性不够。
二是编程可视化工具。主要有E-charts、D3、ggplot、Matplotlib、pandas、plt等，优点是可以制作大型数据集和交互动画的图表，高端大气上档次，可视化效果跟脑洞大小呈正比，缺点是需要有编程基础，门槛较高。
三是商业智能工具。比如国内比较有有名的FineBI等，是专业的大数据 BI 和分析平台，主要为企业提供一站式商业智能解决方案，用他们做数据分析和可视化驾驶舱真是妥妥的，不需要写代码，而且操作比较方便，缺点是目前市场上的大部分BI都收费，不过FineBI个人版免费，这一点算是很人性化的
四是基础可视化工具。主要就是Excel，优点是通用、易用、实用，傻瓜式操作，基本上人人都会，使用成本较低，同时还有基于excel开发的图表插件Thinkcell Chart、Zebra Bi，国内可视化大神Peter开发的Easyshu，可以高效地制作出商业图表。缺点是Excel本身主要制作常规性的图表，很多特殊图表无法实现，功能强大的图表插件价格不菲。
山不在高有仙则名，水不在深有龙则灵。工具没有好坏，也不是越多越好，好用趁手就行，对于我个人来说这4类可视化工具各有特色，但要说最容易上手，最适合入门，适合大部分人日常需求的工具，非Excel莫属。
一是多看。
他山之石可以攻玉，多看优秀的可视化作品可以提高审美，比如Power Bi、商务周刊、经济学人、第一财经、数可视等，以及花火、镝数、Thinkcell Chart、Zebra Bi等，都可以从中汲取营养，成为我们可视化灵感的来源。
二是多想。
在一些数据分析讨论群里问的80%以上的问题都是，数据是什么什么样的，应该做成什么样的图表？有这种困惑的主要原因还是对可视化的类型不够熟悉，思考得太少，没有搭建起来可视化与观点呈现之间的桥梁。
三是多练。
练习是提高可视化水平最有效的手段，练习时无需过于追求复杂的制图技术，忽视图表本质。IBCS之所以能成为全世界的商业图表标准，是其对图表的标准化以及对细节的优化，降低了图表的理解难度。这里的多练就是要打好基本功，掌握基本操作+常用技巧。有一个小技巧可以判断基本功是否扎实，就是看到一个图表后大概能分析出来是如何做出来的，大家不妨试试。
四是观念。
可视化需要趁手的工具，个人认为比较理想的状态是熟练掌握一两个软件操作，准备一些趁手的可视化模板随时能用，安装一个能提高制图效率的插件，仅此而已。
