推荐《数据之美－一本书可以学会可视化设计》
拥有什么数据、能得到什么数据、数据来源是什么，如何获取以及所有变量的意义是什么。怎么进行图表化展现，如何表述一个有价值的数据故事，是一个值得深思的问题。
一个数据故事，需要逻辑条理清晰，可以写下stepN，在每个step讲述什么故事。
比如：
按照叙述方式可以是：时间变化、由大到小、由小到大、突出对比、探究交叉点（银行活期利率＝互联网金融利率 的原因，举个栗子，这是不可能的啦）、剖析原因（拆分：销售额＝客单价＊会员数）、异常值等。
常见图表展示方式说明：
基于数据的可视化组件：色觉暗示、坐标系、标尺、背景信息
色觉暗示：形状、颜色、大小编码数据，选择什么样的数据取决于数据本身和目标
坐标系：用散点图映射数据和与饼图是不一样的，散点图有xy轴，其他有极坐标、直角坐标轴
标尺：有意义的增量可以增强可读性，就像改变焦点一样。线性标尺、对数标尺、分类标尺、顺序标尺、百分比标尺、时间标尺
背景信息：读者对数据不熟，可以阐明数据含义和读图方式
视觉暗示：可视化数据的时候，用形状、大小、颜色老编码数据。位置、长度、角度、方向、形状、面积、体积、饱和度、色调（排列组合使用）
分类
整体中的部分
--饼图、堆叠横条图（建议饼图不超过8块，百分比按一定规则顺时针排序）
子类：可以层次结构，解释数据时很重要，而且出现不同的观点
--矩形树图：紧凑空间显示层次结构，面积和颜色结合使用（面积表达占比、颜色表达种类）
--马赛克图：允许在一个视图中进行跨分类比较
--旭日图：分析数据的层次及占比
--瀑布图：各个部分的的组成成分和大小
时序数据可视化
--条形图：对于离散的时间点很有用
--折线图：线条使趋势更加明显
--散点图：显示不同的点，数据量不大可以用线连接以显示趋势
--点线图：相对于条形图，更聚焦于端点
--径向分布图：与折线图类似，但是围城一圈（建议别超过20个）
--日历：星期的模式
空间数据的可视化
--位置：直接凭直觉将经纬度搬到二维空间
统计图表
--箱线图：比较标准正态分布、不同自由度的t分布和非对称分布数据的箱形图的特征
--子弹图：kpi考核常用，目的是看实际值与期望值差距
子弹图.png
