技术人最不该忽视可视化数据分析！

不合理数据也是相对于具体的分析场景而言的，例如，我们为衡量电话营销人员的表现设定了一个数据指标——平均每周成功3单推销即为优秀员工，这里就需要结合场景将“实习期员工”剔除，或者说，将工作年限过短的样本数据剔除。

4.3 对特殊值做精细化处理

为了可视化效果，我们需要关注那些含义不明的数据和“极端数据”，这些数据的存在有时候会直接影响我们的内容展现。

★ 空、null、0

这3个数据值是典型的“含义不明“数据，有些场景下，他们表达的意思相同，有些则代表了截然不同的信息。我拿”考试“作为一个case来比喻这三者的区别：

• 0：小明参加了语文考试，得了0分;
• 空：小明没参加语文考试;
• null：小明没有语文这门考试。

在进行可视化表达时，一定要注意对数据的准确表达。

★ 极端数据

极端数据指一种样本数据极端分布不均匀的情况，比如“100条某产品的销量分布，1条记录10W，其余99条记录在0~1000之间，“如实”反应数据的图表将很难看出**大部分样本数据的特征信息**。需要结合业务场景，做应对处理(比如剔除&“矮化”极端数据，并做对应的文本解释)

4.4 汇聚数据到合理程度

在使用BI工具进行可视化展示的时候，需要注意原始数据的数据量大小。通常软件服务所在的服务器性能不是无限的，合适大小的数据量有助于取得交互展示的最佳表现。

当原始数据过大，我们可以根据实际场景，剔除某些字段，对数据进行汇聚。

（编辑：新余站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!