今天勾妹给大家分享一下数据可视化分析的方法论。
数据可视化分析方法论结构图
我们首先了解下数据可视化分析的“建设目标”。在讲解“建设目标”之前，我先讲讲数据可视化分析，它是数据分析的一种模式，通过强调数据内容的呈现方式、可视化数据内容，以数据的视觉特征来描述数据背后的特征。
数据可视化分析的输入数据，既可以是经过简单处理的原始数据，也可以是机器学习算法模型处理过后的输出结果，比如线性回归数据或聚类特征数据。
它的处理过程，包括清洗、转换、加工、可视化图表设计和可视化图表发布。
数据可视化分析的内容输出是可视化的，支持动态交互的可视化图表；它的结果输出是基于数据可视化特征，发现的数据洞察结论。
这里需要提醒你的是，数据可视化的内容输出并不等同于结果输出，因为数据可视化的内容输出只是数据分析的一个过程。基于可视化输出的内容，需要介入人工/机器的洞察之后的数据结论，综合之后才是数据可视化分析的最终结果。
接下来我们来讲讲建设目标，它是为业务服务的，用来解决数据化运营、数据化营销、数据化决策等企业数字化转型面临的业务数据化问题。
建设目标是围绕业务问题解决的过程，分为 4 个环节：呈现业务、发现问题、分析问题、定位原因。
数据可视化分析之建设目标图
1.呈现业务
数据可视化分析的首要目标是通过将数据以可视化图表的形式真实、完整地呈现业务现状，为发现业务问题打好基础，包括实时的业务数据、数据历史的变化趋势、数据的空间分布和数据构成分布等。
在系统建设层面，呈现业务对应的业务系统，往往是业务运营监控系统。
通常情况下，我们看到的类似天猫双12数据大屏，公安、交通指挥中心的数据大屏等，都是呈现业务的典型案例。
2.发现异常
了解了业务后，就要对相关数据进行多维度的监控，发现数据的异常，包括对比差异、时间变化趋势、空间分布和构成结构上的异常等，都属于异常。这一环节可以人工完成，也可以系统自动完成，一般的数据可视化系统都会集成异常数据监控能力。
3.分析问题
分析问题往往需要人工介入，基于业务现象和异常的表现，通过时间维度、空间维度、结构维度和关系维度，分析引起异常的可能原因，并进行逐一验证。
分析问题通常以人工 + 系统的方式完成，系统提供分析问题所需要的功能，人工通过该功能进行操作来验证问题的原因。
4.定位原因
定位原因是一个比较复杂的系统工程，不止需要人工介入，还要基于数据表现，制定对应的产品和运营策略，通过A/B测试的模式，来验证假设，对于分析问题过程中的推论进行业务验证，从而发现根本原因。
例如，当你发现商品的价格因素可能是导致销量下降的原因的时候，可以通过适当的降价/促销等营销活动，来验证这个假设是否成立。
上述四个方面既是数据可视化分析的建设目标，同时也是基于数据可视化分析，解决业务问题的四个步骤，在逻辑上具有前后依赖关系。从系统建设和使用视角而言，则是业务监控、数据化运营、数据化营销和数据化决策的过程。
构建数据可视化分析体系，可以有效支撑业务运营决策，从而优化现有业务过程模型。
和勾勾一起探讨哦！！！
如若转载，请注明出处：https://www.ozabc.com/keji/138079.html