分析平臺生成的報告中總是有大量晦澀難懂的數字。如果以詳細的彩色圖形來顯示這些數字，那么情況又會是另外一番局面。雖然這些圖形也是分析軟件生成的，但是大多數非技術用戶卻可以輕松掌握瞬息萬變的發展趨勢。

數據可視化工具將數據以可視化的形式表現了出來，例如創建圖形、表格、導航圖等，這使得分析對于業務用戶來說更具意義。

鑒于人類大腦處理信息的方式，使用圖表等圖形元素實現復雜數據的可視化要比使用電子表格等基于數字的報告更容易發現一些趨勢。借助于數據可視化，業務分析師通過手頭上的數據集就能夠輕松發現市場趨勢、模式和異常值。

與其他的技術工具一樣，如何從數據可視化中獲得最大價值也有一些最佳實踐。以下為專家們分享的一些技巧。

考慮受眾

管理人員需要了解哪些人將使用可視化和設計儀表板來滿足他們的需求。

作為一家為零售商和超市提供自有品牌食品的制造商，H.&J. Brüggen于2016年開始使用Qlik可視化工具來提高供應鏈的透明度。在需求計劃的預測和供應商的物流等方面，這家總部設在德國呂貝克的制造商也引入了可視化。

該公司的供應鏈管理總監Martin Gries表示：“在考慮分析最佳實踐時，我們設想在儀表盤、分析和報告這3個方面引入Qlik的DAR方法（DAR即儀表盤、分析、報告的首字母）。除了選擇將要引入儀表板的數據之外，我們還必須牢記受眾是誰以及如何快速有效地獲取數據以實現可視化。”

儀表板設計是最基礎的，它應為用戶提供簡單而有用的分析。如果設計出色，那么這將會帶來強大的分析。報告的生成會變得更加容易，并且可針對不同的用戶提供鳥瞰圖或其需要的某些細節。

Gries說，“當企業為管理人員設計可視化時，我們通過在儀表盤上使用指針等元素來幫助他們快速回答是否達標的問題。這些可以用來比較一段時間內的績效，并且可以很方便地與整個公司的決策者共享。”

我們不會使用Boxplot圖表，因為它們實現起來太復雜了，并不是每個人都能理解其中的信息。因此IT部門還應牢記許多用戶的數據知識是有限的。

H.&J. Brüggen選擇使用樹狀圖來顯示產品組中諸如服務水平和訂單價值等要素，以使用戶更直觀地理解諸如高訂單價值等要素。

將協作作為優先事項

利益相關者之間的協作對于數據可視化的成功至關重要。僅創建了能夠提供深刻洞察力的可視化視圖，并不能獲得功能。除了獲得洞察力并向深度和廣度擴展外，促進協作的文檔與合適的平臺也至關重要。

如果一個團隊利用了某些數據集或是選擇了某個可視化方案，那么他們需要記錄所有內容并向其他人詳細解釋。數據分析和可視化是一項團隊操作。讓同事能夠快速完成數據可視化工作并在自己離開后繼續發揮作用是非常重要的。

研究公司ESG的高級分析師Mike Leone稱，他曾與為一家大型保險公司工作的兩個人進行過交流。這兩個人的職責都是分析，但是對應的是不同的業務部門。第一個人介紹了她連接多個數據源的工具和流程，以及通過這些工具和流程獲得了某個特定人群的詳細分析。坐在她旁邊的另一個人說，他花了4個小時做了同樣的事情，但是卻沒有意識到他的同事已經做完了這些工作。

為了探索和可視化，許多企業正嘗試著讓更多的人訪問更多的數據。在這種情況下，協作對于確保較高的生產力和及時獲得投資回報非常關鍵。

培訓如何正確使用分析工具

許多主要的分析和商業智能（A＆BI）平臺如今都有著復雜的增強分析功能。這意味著用戶不需要精通數據或技術即可通過A＆BI平臺實現可視化。

Brabham指出：“這不僅有效地促進了可視化的普及，同時還突顯了數據質量和數據素養的重要性。用戶需要為這些復雜的增強型分析工具提供高質量數據，同時還必須確保業務用戶充分理解這些數據對于運用A＆BI工具所生成內容至關重要。”

除了以A＆BI工具為重點展開基礎性培訓外，Gartner的許多客戶正在開展數據素養培訓和設計思路研討會。這不僅可以確保用戶知道如何使用A＆BI工具，而且還可以確保用戶能夠以更具創造性和批判性眼光看待這些分析數據。無論A＆BI工具多么友好，最終發揮作用的還是數據可視化。

確保工具被正確使用

盡管各種數據可視化技術可能會非常誘人，但是企業在做出相應的選擇時需要考慮自己到底需要什么樣的數據可視化。

在由領先的數據分析、商業智能和數據可視化提供商所提供的各種耀眼的新功能面前，用戶在做選擇時很容易迷失方向。在目前數據可視化方面，最先進的技術仍然是Microsoft Excel。

如果企業需要對幾個較小的數據集實現基本的可視化，那么Excel可能還不夠好，但是勝在它們易于使用，易于訪問且被大多數人所熟悉。

但是如果企業想擁有更強大的工具以整合大型團隊或業務線，連接不同規模和結構的數據集，讓用戶能夠嘗試和體驗不同的數據可視化，以及使用機器學習等功能，那么Excel就不是最佳選擇。

Leone說：“要找到一種既能滿足所有人的需求又能滿足不同專業水平的全能式可視化平臺，那是不可能的。”在選擇可視化工具時，企業需要考慮內部各個用戶組的要求和技能水平。

保持簡潔

數據可視化的分析過程非常復雜，但是可視化本身并不復雜。市場研究機構Gartner的高級分析師Daren Brabham建議：“構建數據可視化時，簡潔和優雅非常重要。人腦在高效處理的內容方面存在局限性，因此視覺信息要保持視覺簡潔并易于快速理解。”

Brabham說：“我們的許多客戶正在完善主管和經理專用的儀表板，例如通過嘗試一些交互元素，將復雜的內容轉化為易于理解的指標和得分，以及用紅、黃、綠等顏色快速展現大量數據。”

醫療保健提供商加州大學圣地亞哥醫療中心的可視化目標就是實現簡潔化。信息服務高級總監Josh Glandorf說：“有時候，我們總想著創建一種適用于各種情況的可視化方案，這導致使用起來極為復雜。對于那些技術上不熟練的用戶來說更是如此。”

Glandorf說：“讓圖表保持簡潔，突出KPI（關鍵績效指標）并提供必要的支持性指導信息，這樣用戶就能夠理解數據可視化的結構，發現其中的細微差別。如果可視化過于復雜就不容易理解，那么用戶會變得不知所措，同時采用率也會受到影響。”

加州大學圣地亞哥醫療中心目前使用Tableau的可視化工具，并于最近開發了一組標準設計模板，以統一所有儀表板的外觀。

利用可視化進行持續分析

隨著企業數據可視化技能的提高，可視化的發展應當與數據分析的發展保持一致。Brabham說：“要想針對某個主題進行持續分析，那么這可能意味著需要開發能夠深入研究和探索專用的交互式可視化工具。亦或是在報表中構建一個儀表板或實現可視化效果，然后按一定的順序向用戶連貫地展示業務中一些事件的起因和發展。”