2.1 对比分析（比大小）

2.1.1柱状图

放好离散、连续属性的位置就行：

2.1.2条形图

在柱状图的基础上，转置，排序：

可创建分层结构：实现数据钻取

右键创建分层，就可以展开了（用完了可以右键移除分层结构）

添加筛选器：实现数据选取

离散属性可以设置单选、多选等，数量和日期都是拉动选择范围。

2.1.3 热力图

热力图=突出显示表

门店数据按门店名称等展开，突出显示GMV，最后直接将度量值GMV拖拽至颜色

2.1.4气泡图

度量值区分气泡大小，维度区分颜色和显示标签就行，这个貌似没有坐标轴。

2.1.5词云

在气泡图的基础上改“圆”——“文本”

2.2 变化分析（看趋势）

2.2.1折线图

两种类型的日期，还是有点迷迷瞪瞪？

连续的月份可以预测：

也可以设置趋势线：

2.2.2面积图

●    使用场景

有内部累计关系的值随时间变化

不强调趋势，强调绝对值

●    图表逻辑

         在折线图的基础上选择面积作为视觉影射

如：要看每天每个平台的GMV差异

2.3 构成分析（看占比）

2.3.1饼图

门店——GMV占比：

【维度】代表各扇区的颜色，【度量】代表饼图中各扇区角度的大小。

【度量】和【维度】拖拽至标记显示数值，但饼图一般不标记绝度值，只标记百分比。

●    【快速表计算】

右键标签度量选择快速表计算，合计百分比计算各数值的百分比占比

最后右键标记的数值设置格式，区，第一个，设置为为1位数百分比

帮助右下角可以调整视图的显示方式

2.3.2 树堆图

在饼图的基础上，切换为“方形”。

2.3.3堆积图

堆积图=看内部占比

对数值进行百分比计算，看每个门店各平台的实际占比：编辑表计算

对坐标轴也进行百分比计算：

可以又看相对又看绝对：

2.4 关系分布（看位置）

2.4.1散点图

●    使用场景

分析某一【维度】变量在两个【度量】下的分布和变量之间的相关性

产品的销售额和所得利润之间的关系（正相关、弱相关、不相关）

●    图表逻辑

         横纵轴各代表一个【度量】，【维度】中的变量则作为一个点，根据横纵轴上的度量值大小确认位置

如：看各门店在cpc总费用和GMV下的相关性。

如下是各门店的投入产出比：

如下是每天、各平台的投入产出比：

趋势线越陡峭，说明投入产出比越高。

2.4.2聚类分析

此处使用“群集”功能：

●    分析-群集即可对变量进行聚类分析，具有相同分布特征的变量会被分为一类

●    K-means聚类算法，基于欧式距离计算

门店：根据投入产出比，将门店分为黄色、蓝色2类

日期：根据投入产出比，将日期分为黄色、蓝色2类。

可以看出后期投入产出比更高？

不大懂啥意义。。。

2.4.3直方图

直方图 = 数据桶 = 对数据进行分类再计数

●    使用场景

         查看单一度量下的数据分布

         常见分布：

                  2/8法则

                  马太效应

                  40-20-10

如果你想让你的APP保持增长势头，那么你的新用户次日留存率，7天留存率和30天留存率应该分别维持在40%、20%和10%左右

●    图表逻辑：将度量下数据分组计数

方法1：直接偷懒用智能推荐

下图说明订单金额主要集中在40-50比较多。

方法2：右键创建——数据桶——拖入坐标

下图说明用户实付金额主要集中在15-20比较多。

2.4.4地图

●    使用场景

基于地理位置的数据分析

●    图表逻辑

以地理位置为店，用点大小、颜色展示度量值大小等特征

图像放缩问题！！！已经成功可视化了看到只是一个点，放大说不定内容就出来了！！！！！！

下面这个经纬度确定的门店位置，但是颜色表示的距离不对，可能存在多个订单重合的情况。

其中：主键是自己创建的计算字段

综合几个独一无二的信息属性进行可靠的区分。

可以看出颜色最浅（距离最近）的地方就是这个经纬度确定门店位置。

数据下载:

链接:https://pan.baidu.com/s/1HSPTOZshZW0NED3TelpvSg?pwd=4pr4 
提取码:4pr4