原文链接:https://juejin.im/post/5c735004e51d45454b62dad5
阿里云Clouder认证
五、使用DataV制作实时销售数据可视化大屏
1. 课程目标
-
(1) 了解数据可视化的应用场景
-
(2) 掌握阿里云DataV可视化工具
-
(3) 了解可视化大屏制作的流程
-
(4) 使用DataV模板制作可视化大屏
-
(5)目录
-
- 数据可视化介绍
-
- DataV介绍及基本操作
-
- 可视化数据大屏设计
-
- 任务:制作实施销售大屏
-
复制代码
(1)数据可视化
- **数据可视化:**是指将相对复杂的数据通过可视的、交互的方式进行展示,从而形象、直观地表达数据蕴含的信息和规律。
- 展示——用数据展示企业特色:
- 企业形象传播
- 峰会论坛展台
- 嘉宾访客接待
- 驱动——用数据驱动业务发展:
- 查看业务实况
- 业务监控预警
- 驱动内部相应
- 洞察——用数据洞察预测未来:
- 多维数据呈现
- 辅助数据洞察
- 视觉发现新知
- 种类:
- 展示类
- 分析类
- 监控类
- 展示类大屏:
- 用于领导、嘉宾接待,或业务交流类活动
- 偏重于展示业务信息结构以及业务亮点
- 重点需要梳理业务相关的信息架构
- 平铺布局。配合视觉元素,串联讲解脚本
- 分析类大屏:
- 展示数据关联及分析结果,为多人员讨论决策提供帮助
- 通过页面展示细粒度比较数据,通过交互实现数据的串联
- 展示关联性最高且最为关键的内容,多用于讨论决策
- 对整体行业有一定的认知,理解数据之间的相互关系
- 监控类大屏:
- 为公司内部人员或相关的业务运维人员提供监控信息
- 展示业务整体概况,达到对业务实时监控及调度的目的
- 除概况外还需要展示分析结果,并给出优化方案
- 比较依赖行业经验,在信息设计时会以业务方为主导
(1)DataV介绍
- DataV是一款阿里云提供的数据可视化在线工具。通过拖拽式的操作,使用数据连接、可视化组件库、行业设计模板库、多终端适配与发布运维于等功能,让非专业人员也可以快速的将数据的价值通过视觉进行传达。
- **多种精美模板:**可直接使用多种场景下的专业的可视化模板
- **多种数据源接入:**支持RDS(阿里云数据库)、ADS(分析型数据库)、静态文本、本地文件csv、在线API等
- **多种国表组件:**多种图表自由搭配,传统图表、地图、拓扑图等
- **播控、多屏适配与发布:**针对PC/大屏端的各种分辨率适配与拉伸,播放控制等
- DataV提供指挥中心、地理分析、实时监控、汇报展示等多种场景模版,简单修改即可快速投入使用。即便没有设计师,也可以做出高设计水准的可视化作品。
- 除针对业务展示优化过的常规图表外,还能够绘制包括海量数据的地理轨迹、地理飞线、热力分布、地域区块、3D地图、3D地球、地理数据的多层善加。此外还接入了ECharts,AntV-G2等第三方开源图表库。
- 能够接入包括阿里云分析型数据库(AnalyticDB,原ADS)、RDS for MySQL、本地CSV上传和在线API接入,且支持动态请求。可实现各类大数据实时计算、监控的需求,充分发挥大数据计算的能力。
- 提供多种的业务模块级而非图表组件的Widget,所见即所得式的配置方式,只需要通过拖拖拽拽,无需编程能力,即可创造出专业的可视化应用。
- 能够图形化地配置图表之间的交互联动,通过图表之间的参数传递实现数据的交互分析。
- 特别针对拼接大屏端的展示做了分辨率优化,能够适配非常规拼接分辨率做适配优化。创建的可视化应用能够发布分享,没有购买DataV产品的用户也可以访问到应用,企业版可设置访问密码进行访问权限控制。
- 本地化运行部署
- 大屏拼接中控系统
- 支持二次开发
(1)数据可视化要考虑的问题
- 解决什么问题?
- 想要表达什么?
- 是否了解业务?
- 是否可以实现?
- 什么场景使用?
- 目标用户是谁?
- 他们需要什么?
- 有什么偏好吗?
- 哪些数据可用?
- 哪些类别关系?
- 哪些表现方式?
- 如何布局组织?
- **搜集信息点:**了解需求方的目的,以及想要突出展示的内容
- **了解物理屏:**了解大屏的类型、分辨率、尺寸、比例、环境等
- **处理信息点:**整理信息板块,包括核心、重要、详细等部分
- **信息点可视化:**指标类信息点和地理类信息点,选择合适方式
- **数据预研:**了解数据信息,规模、特征、联系等
- **绘制原型稿:**确定叙事逻辑,选定布局方式,组织可视化组件
- **绘制视觉稿:**根据原型稿,使用DataV完成终稿设计
- 口诀1——大小适配、主次分明:
- **突出层次结构:**每个大业务块对应到小业务块时,用3-6个小标题来表示。用边框把同类数据放在一起,越优先的越放在中间+上方,优先级越低的放在两侧和下方。
- **合理拆解板块:**先从工作总结报告入手,分出几大业务块,业务块数量能和拼接屏块数与播放模式相适配。按照拆分好的板块组织信息点。
- 口诀2——完微兼顾、动静结合:
- **KPI设置:**KPI都要有细节来解释。大业务块用2-3个KPI来总览,每个小块再用1-2个指标和2-4个解释性的信息来填补。细节也都要有提炼性的教据来表达...
- ** 老三样:**
- 对比细分超势排行榜...
- 饼图、桂图、气泡图...
- 折线趋势、同比环比...
- 新三样:
- 明细预警轮播飞线、实时轨迹...
- 预则评分、个体预警...
- LOG0墙,指标意动...
推荐阅读
- 数据可视化|数据大屏 - guandata智能数据可视化分析
- #|2 数据可视化大屏 - 布局
- Python数据分析|Seaborn可视化绘制散点图
- 可视化|用可视化探索数据特征的N种姿势
- 数据分析|Python 疫情数据的可视化与分析(二)
- 大数据可视化|Python疫情数据可视化分析+数据预测(pandas+pyecharts+statsmodels+matplotlib+sql)
- 数据可视化|第一章 【数据分析师---数据可视化1】 matplotlib
- python数据分析|numpy+pandas
- 数据可视化|Python-Matplotlib可视化(6)——自定义坐标轴让统计图清晰易懂