洞察力|如何运行数据可视化项目

编辑导读：产品每天都会产生海量的数据，将这杂乱的数据用图表或者动画等可视化的方式展现出来，提升可读性。那么，如何运行一个数据可视化项目呢？本文作者从自身工作经历出发，对此进行分析，希望对你有帮助。

文章插图
每个数据可视化项目都始于需求，无论需求来自问题还是决策，每个项目都有特定的流程。首先，每个项目都需要数据进行可视化。在每个数据可视化项目中，都需要考虑许多因素来最大程度地降低风险并确保项目成功。
本文将解释其中的许多概念以及可用于特定类型业务的一些用例。探索的关键主题之一是风险，因为在决定使用哪些数据以及特定图表类型如何最好地表征数据时，最小化风险是一个关键因素。除了风险之外，团队还可能面临与数据无关的某些限制。需要考虑团队中的人员和技能，因为这可能会限制可视化可以呈现给哪些受众。
在设计数据分析项目时，我们常常想知道首先从哪里开始？从数据收集、清理、探索、分析和可视化，需要做很多工作才能获得对业务可操作且有利可图的洞察力。
步骤 1：了解业务问题在项目开始时，重点是清楚了解工作的整体范围、业务目标、利益相关者正在寻求的信息、他们希望你使用的分析类型以及关键的可交付成果。在开始分析之前定义这些元素很重要，因为它有助于提供更好的洞察力。此外，一开始就搞清楚很重要，因为在项目完成之前可能没有另一个提问的机会。
步骤 2：了解数据集此阶段从初始数据收集开始，然后进行数据质量检查、数据探索等活动，以发现对数据的初步见解，或检测有趣的子集以形成隐藏信息的假设。我们可以使用多种工具来理解数据。根据数据集的大小，我们可以使用 Excel 来管理可管理的数据集，或者使用更严格的工具，如 R、Python、Alteryx、Tableau Prep 或 Tableau Desktop 来探索和准备数据以供进一步分析。
要记住的关键事项是确定关键变量以研究数据、查找错误（遗漏的数据、逻辑上没有意义的数据、重复的行，甚至拼写错误）或任何需要修改的缺失变量所以我们可以正确地清理数据。
重要的是要注意，在企业/业务环境中工作时，让对源系统具有敏锐知识的人员（例如 DBA）参与进来会有所帮助，他们可以帮助理解和提取数据。
步骤 3：数据准备一旦组织了数据并确定了所有关键变量，我们就可以开始清理数据集。在这里，我们将处理缺失值（替换为均值、删除行或替换为最符合逻辑的值）、创建新变量以帮助对数据进行分类并删除重复项。数据准备任务可能会执行多次，并且没有任何规定的顺序。在此步骤之后，最终数据集已准备好输入建模工具进行进一步分析。
从业务角度来看，在整个数据准备过程中，需要不断加深对数据结构、内容、关系和派生规则的理解。必须验证数据是否处于可用状态，并且可以管理其缺陷，并了解将其转换为用于报告和可视化的有用数据集需要什么。在这种情况下，利用数据剖析可以帮助探索企业源系统中的实际内容和关系。数据分析可以像编写一些 SQL 语句一样简单，也可以像专用工具一样复杂。例如，Tableau 的数据准备是用于分析小型项目数据的绝佳工具。对于企业，很多ETL供应商提供了多种工具，可以根据业务的需要和预算进行选择。
步骤 4：建模【洞察力|如何运行数据可视化项目】在这一步中，我们将使用各种建模技术来测试数据并寻找给定目标的答案。通常，同一数据挖掘问题类型有多种技术，对数据形式有一些特定要求。常见模型包括线性回归、决策树和随机建模等。