数据可视化已成为当今信息时代中不可或缺的一部分。随着数据量的不断增长，人们需要更加高效、清晰的方式来呈现和展示数据。在这个过程中，各种类型的数据图表应运而生。你可能熟悉柱状图、折线图、饼图等常见图表，但其实还有许多其他种类的图表，它们能够更加全面地表达数据的特点与规律。而BI内部，也默认嵌入了各种可视化数据图表的模板。本文将全面介绍你知道的、不知道的所有图表类型，让你对BI的数据可视化功能有更深入的了解。

分类一：柱形图

• 优点：可以清晰地展示不同类别或时间段之间的数量或比较关系，直观易懂。
• 缺点：如果数据过多，图表会显得拥挤混乱，难以阅读。此外，柱形图不能有效展示数据分布的形状，例如数据的峰度和偏度等信息。

1.普通柱形图

柱形图可以展示每项数据在一段时间内的变化及数据间的比较情况。例如，柱图可以比较某个路口不同时间段的车流量、各月的销售额展示、公司不同年份利润展示等。如下图所示：

2.甘特图

甘特图又称为横道图、条状图。其通过条状图来显示项目、进度和其他时间相关的系统进展的内在关系随着时间进展的情况，常用于项目管理。

3.堆积柱形图

堆积柱形图将每根柱子进行分割，可以显示大类目下的细分类目占比情况。它既可以直观地看出每个指标的值，还能够反映出维度总和。

4.百分比堆积柱形图

柱子的各个层代表的是该类别数据占该分组总体数据的百分比，每个系列按照所占的百分比进行堆积，这样就能直观的看出每个系列所占的比重。比如下图显示了 1986 年至 2016 年期间，民众对体罚儿童的支持态度对比变化情况。

5.瀑布图

瀑布图采用绝对值与相对值结合的方式，来表达数个特定数值之间的数量变化关系。这种效果的图形能够在反映数据多少的同时，直观反映出数据的增减变化过程。

在实际的应用场景中，瀑布图常用于经营情况分析，解释从一个数字到另一个数字的变化过程。比如评估公司利润、比较产品收益、突出显示项目的预算变更、分析一段时间内的库存或销售情况 、显示一段时间内产品价值变化等。

分类二：饼图

• 优点：可以直观地展示各个部分在整体中所占比例，特别适合用于展示相对比例关系。
• 缺点：当饼图中的部分数量差异不大时，难以准确比较各个部分的大小。此外，如果饼图中包含过多的部分，图表会显得拥挤，难以读取和理解。

1.普通饼图

饼图用于分析数据的占比，用户可通过饼图很直观的看到每一个部分在整体中所占的比例。

如下图所示：

2.多层饼图

多层饼图又叫旭日图，指的是具有多个层级、且层级之间具有包含关系的饼状图表。多层饼图适合展示具有父子关系的复杂树形结构数据，如地理区域数据、公司上下层级、季度月份时间层级等等。

例如：内圈不同颜色的弧度分别映射每个区域的销售额，外圈浅色切块代表该区域下不同品牌的销售额。

3.玫瑰图

玫瑰图通过扇形的面积和半径显示数据的占比情况，可以展示每一数值相对于总数值的大小、数据在某一时间段的变化，也可以用来比较各项数据间的情况等。

分类三：折线图

• 优点：可以清晰地展示数据随时间、顺序或其他连续变量的变化趋势，能够凸显出数据的趋势和变化规律。
• 缺点：是在处理离散数据或数据缺失时可能存在困难。如果数据点之间存在较大的间隔或存在缺失值，折线图可能无法准确地反映数据的连续性和趋势。

1.普通折线图

普通折线图可通过线的升降变化显示连续数据之间的变化趋势。可应用在：

• 展示公司当年销售额的变化情况。
• 城市课堂仪表板中，展示不同时间段学生签到情况。
• 一天之内不同时间段，店铺客流量。

2.多系列折线图

多系列折线图用于在同一区域查看指标的变化趋势，能直观看出趋势对比。效果如下图所示，该图展现了自 1800 年至 2017 年全世界能源消耗情况，图中不同颜色的折线代表不同的能源类型（固态、液态、燃气等）：

3.维度对比折线图

在使用多系列折线图的时候，用户会拖入多个指标，对不同指标进行对比。

当只拖入一个指标字段，需要对维度字段「合同签约时间」下不同年份的「回款金额」进行对比时，应当如何做呢？比如对比 2016 年与 2017 年的回款金额，如下图所示：

分类四：面积图

面积图可用来展示持续性数据，可很好地表示趋势、累积、减少以及变化等。例如，展示「合同金额」随日期的变化。

分类五：散点图

• 优点：散点图能够直观地展示两个变量之间的关系。通过将数据点在平面上绘制出来，我们可以观察到它们的分布情况、趋势以及可能存在的异常值。这有助于我们发现变量之间的相关性或者任何其他的模式。
• 缺点：散点图在处理大量数据时可能会变得混乱和难以解读。当数据集较大时，数据点将会重叠，难以区分每个数据点，导致图表变得杂乱不清。此外，散点图只能显示两个变量之间的关系，不能同时探索多个变量之间的复杂关系。在这种情况下，其他类型的图表（如气泡图、平行坐标图等）可能更适合。

1.普通散点图

散点图（Scatter Chart）是科研绘图中最常见的图形类型之一，通常用于显示和比较数值，使用一系列的散点在直角坐标系中展示变量的数值分布，可以通过观察发现两者的关系与相关性。如下图展示了一组人群身高体重的分布数据，红色代表女性，蓝色代表男性：

2.多维度散点图

多维度散点图是散点图的一种展示方式，需要观察多个变量间的相关关系时，若逐个绘制它们间的简单散点图会非常繁琐。

此时可利用多维度来同时绘制各自变量间的散点图，这样可以快速发现多个变量间的主要相关性，一定程度上克服了在平面上展示高维数据的困难。

如下图显示了各地区销售市场利润与销售额的关系：

分类六：雷达图

• 优点：雷达图能够直观地比较多个变量之间的差异和相似性。通过将每个变量的数据点连接起来，形成一个多边形，我们可以看到每个变量在整体中的位置和表现。这有助于观察变量之间的模式、趋势和相对重要性，并帮助做出综合评估。
• 缺点：雷达图在处理大量变量时会变得混乱和难以解读。当变量数目增加时，多边形的边数也会增加，导致图表变得拥挤和复杂。此外，雷达图只能显示具有相同比例的变量，无法准确表示不同变量之间的绝对差异。

雷达图（Radar Chart），又可称为戴布拉图、蜘蛛网图（Spider Chart），每个分类都拥有自己的数值坐标轴，这些坐标轴由中心向外辐射， 并用折线将同一系列的值连接。用以显示独立的数据系列之间，以及某个特定的系列与其他系列的整体之间的关系。

例如：可以用雷达图展现两款手机 A、B 之间的性能对照，如下图所示：

分类七：聚合气泡图

• 优点：聚合气泡图能够同时展示三个变量之间的关系，通过气泡的大小、颜色和位置来表示不同变量的值。这样一来，我们可以更直观地观察到数据点的分布情况、趋势以及可能存在的异常值，帮助我们发现变量之间的相关性或者其他模式。
• 缺点：聚合气泡图在处理大量数据时可能会变得混乱和难以解读。当数据集较大时，气泡将会重叠，导致图表变得杂乱不清。此外，如果气泡的大小差异过大，或者颜色使用不当，可能会引起误解或者无法准确地比较不同变量的值。

聚合气泡图，采用力学图的形式展示气泡，可以用来观察数据的分布，将数据映射到气泡的面积大小上。

聚合气泡图展示效果如下图所示，用户根据下图可以直观观察出「江苏、上海、山西」的录取人数最多。

分类八：箱形图

• 优点：箱形图能够提供关于数据分布的多个重要统计指标，包括中位数、四分位数和离群值。通过这些指标，我们可以快速了解数据的中心趋势、离散程度以及是否存在异常值。箱形图还能够直观地比较不同组或不同条件下的数据分布情况，帮助我们进行有效的数据分析和决策。
• 缺点：箱形图无法提供更详细的数据分布信息，如具体的数据点和频率分布。它只展示了数据的总体特征，而没有展示每个数据点的具体取值。因此，在需要更精确了解数据分布和密度的情况下，箱形图可能不足以满足需求。

涉及到多个指标分析时，如对采购价格进行分析，箱形图可分析最高价，最低价等各个价格计算指标。当需要了解数据分布特征或需要查看数据中的异常值时，可以使用箱形图进行数据分析。箱形图最常见用于质量管理、人事测评、探索性数据分析等统计分析活动。

分类九：桑基图

• 优点：桑基图能够清晰地展示各个节点之间的关系和转移，通过不同宽度的线条表示不同的流量或数量，同时还可以通过颜色、标签等方式展示更多信息。这样一来，我们可以直观地了解不同节点之间的依赖关系、流量分布和可能存在的瓶颈，帮助我们发现问题、优化流程并做出决策。
• 缺点：桑基图在处理大量节点和流量时可能会变得混乱和难以解读。当节点较多时，线条会交织在一起，导致图表变得杂乱不清，难以准确地比较不同节点之间的流量和关系。此外，如果节点之间的流量差异过大，或者线条使用不当，可能会引起误解或者无法有效地传达信息。

桑基图多用于表示数据的流向。用两组数据构成多个坐标点，考察坐标点的分布，判断多变量之间是否存在某种关联或总结坐标点的分布模式。通常应用于能源、材料成分、金融和网站用户流量等数据的可视化分析。

例如，有一家做海鲜批发生意的供应商，给全国各地的门店根据订单要求发货。商家想要预测未来哪些海鲜需要多补充库存，但不知道订单的情况，到底哪些海鲜的订单较多，都卖到了哪里。

现在想分析一下销售最好的5款海鲜是哪几个，都是在哪些门店卖出去的。我们通过桑基图，能看到每个产品，流向的门店，线的粗细，代表流向的多少。如下图所示：

分类十：漏斗图

• 优点：漏斗图能够直观地展示一个过程中不同阶段的数据量变化情况，帮助我们了解转化率、漏斗效应以及可能存在的问题或瓶颈。通过漏斗的形状，我们可以快速识别出数据量的变化趋势并比较各个阶段之间的差异。漏斗图还能够有效地传达信息，使人们更容易理解和记忆。
• 缺点：漏斗图有时会忽略时间因素或其他关键细节，导致信息的丢失或误导。漏斗图通常关注的是数量的变化，而忽略了其他可能影响转化率的因素，如时间、成本等。此外，漏斗图在处理较多阶段或复杂流程时可能变得混乱，不易解读。

漏斗图是一种直观表现业务流程中转化情况的分析工具，适用于业务流程比较规范、周期长、环节多的流程分析，使用梯形面积表示某个环节业务量与上一个环节之间的差异。

漏斗图从上到下，有逻辑上的顺序关系，表现了随着业务流程的推进业务目标完成的情况。

分类十一：热力区域图

• 优点：热力区域图能够直观地展示数据的密度和趋势，通过颜色的渐变和不同区域的面积大小来表示数据的相对重要性或频率。这样一来，我们可以迅速识别出高密度或低密度区域，并直观地比较不同区域之间的差异。热力区域图还能够有效地传达信息，使人们更容易理解和分析数据。
• 缺点：热力区域图在展示细节方面可能有限。由于热力区域图主要关注数据的整体密度和趋势，它可能无法提供每个数据点的具体取值和分布情况。因此，在需要更精确了解数据的具体取值或数据点的位置分布时，热力区域图可能不足以满足需求。

热力区域图以特殊高亮的方式展示坐标范围内各个点的权重情况，通过颜色高亮程度展示指标数据的差异。可应用在：

• 某地区每月的 24 小时平均气温分布情况。
• 近几年雨水在 12 个月的分布情况。

分类十二：矩形树图

• 优点：矩形树图是一种常用的数据可视化方式，它可以在有限的空间内清晰地展示大量数据，从而方便人们快速理解和分析数据。可以直观地呈现数据的层次结构，使得数据结构更加清晰明了。
• 缺点：当需要呈现的数据量过大时，矩形树图可能会变得非常拥挤，导致难以辨认或阅读。此外，由于矩形树图仅适用于树形结构的数据展示，所以对于其他类型的数据结构，使用矩形树图可能不是最佳选择。

矩形树图是用来描述层次结构数据的占比关系，能够进行逐级钻取显示下层数据情况。

例如展示合同金额的情况：同一种颜色表示一个年份，同一种颜色种的每一个方块代表一类产品。哪一年哪一种产品的合同金额的大小可以通过矩形块的大小直观展示。

分类十三：词云图

• 优点：可以提供直观的数据层次结构展示，使得数据关系一目了然，便于理解和分析。
• 缺点：在处理大规模数据时，随着数据数量的增加，图表可能会变得拥挤，导致信息的可读性降低。

词云是一种直观展示数据频率的图表类型，可以对出现频率较高的「关键词」予以视觉上的突出，形成「关键词云层」，从而过滤掉大量的文本信息，使浏览者只要一眼扫过文本就可以领略重点。

可应用于制作用户画像，对用户进行聚类，分析话题热度，实现精细化营销等。

分类十四：组合图表

1.柱形图-面积图

柱形图-面积图适可以直观地表示数据量的大小并进行比较，可以比较明显地显示出各数据之间的比例差异，也可以显示部分与整体的关系。

2.面积图-折线图

面积图-折线图可以直观地反映数据量的大小并进行比较，适用于计划和实际的对比场景。

例如，求生产中计划成本与实际成本的对比，用浅色面积图表示计划成本，深色折线图表示实际成本，方便观察成本消耗是否异常。

3.柱形图-折线图

柱形图和折线图是比较常见的组合，图表组合后既可以用柱形图比较数据大小，又可以通过折线图查看数据变化趋势。

4.复杂图表

自定义图表能够实现不同类型图表的自由组合，其高度的灵活性可以帮助用户随心创作出复杂图表。

当需要反映同一维度下不同指标数值情况时，逐一绘制图表会显得太过冗杂，此时可选择自定义图表，将多项指标组合在一张图表中，增强图表信息密度的同时节省工作时间。例如我们进行利润分析，为尽可能全面地呈现信息，用「柱形图」展示各个省份利润情况，用「点图」来展现利润目标是否达成的情况，以及用「面积图」展现利润达成之间的差额，同时还能够使用「折线图」对于各省份销售额和销售额目标进行对比查看。

结语

在本文中，我们深入探讨了可视化数据图表的丰富多样性。无论是传统的柱状图、折线图，还是现代的热力图、雷达图，每种图表都有其独特的优势和应用场景。通过合理选择和运用这些图表，我们可以将复杂的数据转化为直观、易懂的视觉呈现，从而更好地理解和分析信息。相信通过阅读本文，大家对于BI可以制作的可视化数据图表的认识又更进一步了。希望这些知识可以在你们的工作和学习中发挥积极的作用，提升效率和决策质量！

在数字化与信息化高速发展的时代，FineBI——市场占有率第一的BI数据分析软件，旨在帮助企业的业务人员充分了解和利用他们的数据，加速企业数字化转型，提升市场竞争力。得益于FineBI强劲的大数据引擎，用户只需简单拖拽便能制作出丰富多样的数据可视化信息，自由地对数据进行分析和探索，让数据释放出更多未知潜能。

如果您对BI以及数据可视化感兴趣，可以点击下方的图片或按钮，立即试用FineBI！

商业智能BI产品更多介绍：www.finebi.com

免费下载FineBI 立即体验Demo