编辑导语：数据可视化图表种类如此之多，什么场景下应该用什么图表展示，是一个让人头秃的难题。本文作者总结各种图标的优势和类型。感兴趣的小伙伴们，一起来看看吧！

“大屏”，这个词最近几年来被广泛地提及，几乎各行各业都希望通过“大屏”这种方式来将自己的产品或业务进行数字化升级。同时，也就吸引越来越多的设计师看好可视化大屏在未来的前景。

作为一种交互和视觉都相对炫酷的界面展示方式，不仅能够将多种场景同时展示在一个屏幕上，同时，也可以给观者带来强烈的视觉冲击力，使其直观地了解到想要关注的实时动态信息，或者通过大屏上的数据图表来分析出当前及未来的现状、趋势等。

首先我们先来了解一下，什么是“数据可视化”？

数据可视化就是将抽象概念进行形象表达，将抽象语言进行具象图形可视的过程。简单理解，就是将数据以视觉的形式来呈现，如图表或者地图，从而帮助人们了解这些数据本身以及背后的意义。

数据可视化一个基本的原则，就是将具有价值的数据和洞察，通过简洁、准确、突出洞察的图表表现出来。

所以，将数据可视化不单单是简单的图表的罗列，更重要的是说明数据背后的意义（实际问题&解决方案）；然而很多时候我们只是展示了很多炫酷的图表，但没有解决任何实际的问题；或者具有高价值的数据信息，没有使用合适的呈现方式，导致表达不清楚，输在了这“临门一脚”。

我们用一个简单的关系图来示意一下，一个可视化图表是否体现出了它应有的价值。

一个图表既需要提供出可供参考的价值，也需要兼顾读者理解信息的速度，如果只是提供了价值，但是理解起来比较耗时，那么它一定是低效的；若是清晰地展示数据信息，但是不能够提供足够的价值，那么也只是“空有外表，欠缺内在”。

所以我们在设计一个图表之前，就需要我们知道数据有哪些字段构成、每个字段的数据类型、字段之间的依赖关系等。思考如何用简洁的架构完整的描述业务。

在这里举个简单的例子，比如铁道行业——“什么时间？哪位员工？在哪个地点？执行了什么作业？以及具体的作业内容”

当然，这样的数据是静态的。当面对我们的客户时，他们会更关心问题和答案。而问题通常不是一个单一的问题，而是一连串问题的组合，寻找问题的过程更像是“剥洋葱”。

在业务分析的过程中，都是不同维度层次之间的钻取和关联分析，简单的问题只有一个数据层次，复杂的问题则同时包含多个数据层次及其相互关系。分析数据的过程就是在问题对应的数据层次上，完成聚合分析。站在不同的视角对于一组数据的关注点也会不同。

做为设计师，当我们将一组数据进行数据可视化时，往往是已经经过处理过的数据，我们只需要对图表进行优化即可，而不用去关注原始的数据是如何处理的，在这种情况下设计师的任务就相对来说比较简单了。

但是对于原始数据的处理和分析其实是非常复杂的，有机会和大家分享一下数据背后的故事。

尽管做为设计师只要将数据图表进行优美的设计，但大多数的设计师是不知道什么才是好的可视化图表，这也是写这篇文章解决大家这些问题的初衷。

在设计时，大多数的设计师都是根据自己的第一主观感受或者结合自身经验的积累去判断一个图表的好坏。而不是根据科学的方法来去衡量一个图表是否是好的图表。在此给大家一个验证数据可视化图表设计的“黄金公式”。

我们到底该如何去评判一个图表的好坏？不是通过主观地、带有经验性质的感觉，而是要有科学地依据进行分析和论证，有相对应的指标去衡量。这样才能避免我们走很多不必要的弯路。而这个科学的依据就是“GLAD原则”，是我们验证一条数据可视化的“黄金公式”。

GLAD是由四个短语的开头首字母构成：Good Data and Insight、Less Noise、Accurate Expression、Distinct Mark。它们是黄金公式中四项重要组成部分。探索性数据分析注重内涵，解释性数据分析注重外表，一个好的图表需要内外兼修。GLAD原则，作为优化图表设计的理念，是两者兼顾的。“G”在探索性数据分析过程中着重提升图表的价值，“LAD”在解释性数据分析中帮助读者加快理解信息的速度。