大数据可视化

1. 传播分析

• 评估维度：包含认知（知晓、记忆）、行动（点击、搜索）、情感（喜好、美誉）三个层面
• 传统评估：主要关注广告点击率和观看次数等表面指标
• 深度评估：需要分析广告观看后的真实影响和转化效果

2. 大数据营销效果评估

• 评估对象：涵盖媒体、网站用户、广告主等多方参与者
• 技术支撑：依赖DSP（广告需求方平台）和DMP（数据管理平台）等技术平台
• 评估指标：包括广告曝光量、用户访问路径、转化率等多维度数据

3. 数据可视化的概念



• 本质特征：是数据分析的"临门一脚"，将复杂数据转化为可理解的视觉信息
• 演变趋势：已超越简单的图表展示，发展为综合性的信息传达系统
• 核心价值：通过"预测未来"实现数据价值，而不仅是总结过去
• 决策支持：最终目标是帮助决策者消化吸收信息并做出正确决策

4. 企业重视数据可视化的原因



1）趋势预测

• 快速洞察：能直观发现数据中的趋势和规律
• 风险控制：显著降低企业高层决策风险
• 案例说明：如通过留存率分析（6.20日16.49%到6.30日41.90%）预测用户行为

2）精准广告投放

• 技术实现：基于SSP（媒体供应方平台）和实时竞价技术
• 投放优化：通过可视化分析消除无效广告投放
• 平台协同：DSP与DMP平台的数据整合实现精准定向

3）抢占先机

• 信息优势：在信息社会中实现"知己知彼"的竞争策略
• 决策速度：通过可视化快速获取关键信息，比竞争对手更快响应
• 商业价值：如通过多日留存率分析（第2天39.31%到第9天16.49%）指导产品优化
• 核心价值：不仅反映历史数据，更重要的是预测未来趋势

常见图表使用场景

• 选择维度：图表选择需要考虑四个关键维度：数据比较、分布展示、构成分析和变量关系
• 比较类图表：
  • 基于分类比较：柱状图适合少量类目（

    n<5n<5n<5

    ），条形图适合多类目横向比较
  • 基于时间比较：雷达图和曲线图适合多周期数据，柱状图+曲线图组合适合少量时间点
• 分布类图表：
  • 直方图适用于少量数据点（

    n<100n<100n<100

    ）的分布展示
  • 正态分布图适合大数据集（

    n>1000n>1000n>1000

    ）的分布形态
  • 散点图用于展示2个变量关系，曲面图适合3个以上变量
• 构成类图表：
  • 堆叠图（柱形/面积）适合展示相对差异和绝对差异
  • 瀑布图适用于显示累计或扣减到总计的过程
  • 饼图/环形图专用于展示占总体的比例关系
• 关系类图表：
  • 气泡图可同时展示3个变量的关联性
  • 热力图适合表现高维数据的密度关系

1）图表选择原则



• 业务导向原则：图表选择应基于客户需求而非技术实现难度，需要明确客户最关注的信息维度
• 数据量适配原则：
  • 柱状图最佳实践：类目数

    n≤7n\leq7n≤7

    ，时间点

    n≤5n\leq5n≤5

  • 条形图转折点：当类目标签文字过长或类目数

    n>7n>7n>7

    时优先选用
• 变量维度原则：
  • 1个变量：直方图/箱线图
  • 2个变量：散点图/折线图

  • ≥3\geq3≥3

    个变量：气泡图/雷达图/热力图
• 时间序列原则：
  • 周期数

    n>10n>10n>10

    ：优先曲线图
  • 周期数

    5<n≤105<n\leq105<n≤10

    ：柱状图+曲线组合
  • 周期数

    n≤5n\leq5n≤5

    ：纯柱状图
• 最佳实践提醒：技术实现只是基础，业务场景匹配度才是图表选择的黄金标准