04.可视化分析：有用、清晰、好用

数据可视化，看这一篇就够了

•  “可视化”的两个大方向：
  • Infographic：展示、传播、劝服
  • Data visualization：探索、分析、驱动决策
  • Data Visualizations vs. Infographics
  • The Real Difference between Infographics and Data Visualizations
• Why Data visualization?
  • 8 个具有历史意义的数据可视化作品教给我们的设计秘诀
  • 需求：满足特定的真实业务需求
  • 困境：数据本身的规模和复杂度超出了人的一般处理能力
  • 分析解决方案的可用性，取决于
    • 理解数据的能力
    • 呈现数据的界面
• Howto
  •  数据驱动的整体解决方案
    • 目标：业务导向
    • 生产资料：Garbage in, garbage out ，对于数据也是这样
    • 生产工具：
      • 数据科学(Data Science)
      • 决策理论(Decision Theory)
      • 行为经济学(Behavioral Economics)
      • 决策架构(Decision Architecture)
      • 数据开发与架构(Data Development and Architecture)
      • UI/UX 开发(UI/UX Development)
      • 仪表板开发
  • 可视化分析相关的部分：
    • 统计图表(Statistical graphics)
    • 仪表板(Dashboard)
    • 筛选器(Filter)
  • 工具的选择
    • 学术探索、单项任务：
      • 单兵作战，编程语言：
        • Excel
        • MATLAB：完全不懂
        • R：为统计分析、绘图以及数据挖掘而生，可惜我一点都不懂
        • Python
          • 统计图表：5大Python可视化库到底选哪个好？
          • 特定目的：ggplots2、PyLdavis等（很多都来自R）
      • 在线集成平台：
        • SPSSAU：网页版数据科学算法平台工具，提供研究方法的推荐
        • Hiplot：新型生物医学可视化工具箱
    • 行业定制在线方案，如数据新闻：
      • JavaScript：
        • D3.js – Bring data to life with SVG, Canvas and HTML
        • Vega – A Visualization Grammar
        • Echarts – 系出名门，登堂入室
    • 商业决策、整体方案：
      • Tableau：Tableau适用范围说明书
      • PowerBI：Excel超进化！微软出品，可惜我不会……
      • Python：谁是Python/R/Julia中最强Dashboard APP开发工具？
      • 其他方案尤其是大数据解决方案
• 推荐资源：
  • 数据可视化的优秀入门书籍有哪些？
  • Tableau官方提供的学习资源
  • 喜乐君的博客以及两本书：
    • 《业务可视化分析：从问题到图形的Tableau方法》：序言
    • 《数据可视化分析：Tableau原理与实践》：序言
  • 我翻译的《数据变现：构建用数据驱动增长的策略和解决方案》