1.柱狀圖
適用場景：它的適用場合是二維數據集（每個數據點包括兩個值x和y），但只有一個維度需要比較。
優勢：柱狀圖利用柱子的高度，反映數據的差異。肉眼對高度差異很敏感，辨識效果非常好。
劣勢：柱狀圖的局限在于只適用中小規模的數據集。
2.折線圖
適用場景: 折線圖適合二維的大數據集，尤其是那些趨勢比單個數據點更重要的場合。它還適合多個二維數據集的比較。
優勢：容易反應出數據變化的趨勢。
3.餅圖
適用場景：適用簡單的占比圖，在不要求數據精細的情況下可以適用。
劣勢：餅圖是一種應該避免使用的圖表，因為肉眼對面積大小不敏感。
4.漏斗圖
適用場景：漏斗圖適用于業務流程比較規范、周期長、環節多的流程分析，通過漏斗各環節業務數據的比較，能夠直觀地發現和說明問題所在。
優勢:能夠直觀地發現和說明問題所在。在網站分析中，通常用于轉化率比較，它不僅能展示用戶從進入網站到實現購買的最終轉化率，還可以展示每個步驟的轉化率。
劣勢:單一漏斗圖無法評價網站某個關鍵流程中各步驟轉化率的好壞。
5.地圖
適用場景：適用于有空間位置的數據集。
優劣勢：特殊狀況下使用。
6.雷達圖
適用場景：雷達圖適用于多維數據（四維以上），且每個維度必須可以排序。但是，它有一個局限，就是數據點最多6個，否則無法辨別，因此適用場合有限。
劣勢：需要注意的時候，用戶不熟悉雷達圖，解讀有困難。使用時盡量加上說明，減輕解讀負擔。
數據可視化使用小貼士
餅圖順序不當
（最好的做法是將份額最大的那部分放在12點方向，順時針放置第二大份額的部分，以此類推。）
2.在線狀圖中使用虛線
（虛線會讓人分心，用實線搭配合適的顏色更容易區分。）
3.數據被遮蓋
（確保數據不會因為設計而丟失或被覆蓋。例如在面積圖中使用透明效果來確保用戶可以看到全部數據。）
4. 耗費用戶更多的精力
（通過輔助的圖形元素來使數據更易于理解，比如在散點圖中增加趨勢線。）
5.柱狀過寬或過窄
（經過調研，柱子的間隔最好調整為寬的1/2。）
6．數據對比困難
（選擇合適的圖表，讓數據對比更明顯直接。上圖的數據作用是為了比較，顯然，柱狀圖比餅圖在視覺上更易于比較。）
7.錯誤呈現數據
（確保任何呈現都是準確的，比如，上圖氣泡圖的面積大小應該跟數值一樣。）
8.不要過分設計
（清楚標明各個圖形表示的數據，避免用與主要數據不相關的顏色，形狀干擾視覺。）
9. 數據沒有很好歸類，沒有重點區分
（將同類數據歸類，簡化色彩，幫助用戶更快理解數據。上圖的第一張沒有屬于同類型手機中不同系統進行顏色上的歸類，從而減少了比較的作用。下圖就通過藍色系很好的把iPhone,Android,WP版歸為一類，很好的與iPad版，其他比較。）
10.誤導用戶的圖表
（要客觀反映真實數據，縱坐標不能被截斷，否則視覺感受和實際數據相差很大。左圖的數據起始點被截斷從50開始。）
信息可視化案例
信息可視化囊括了數據可視化，信息圖形，知識可視化，科學可視化，以及視覺設計方面的所有發展與進步。下面是信息可視化的案例分享。
(上圖為關系網——基于60000封電子郵件存檔數據，用不同顏色深度的線條呈現了地址簿中用戶和個體之間的關系，比如回復、發送、抄送。)
（上圖通過數據化的比較，用變形的柱狀圖等圖形，形象的展示了不同國家老師的收入水平，社會包括學生和公眾對其的尊重度。）
如何制作信息可視化？
第一步：確定表意正確明確信息圖表達內容，確定最主要的表現內容。
第二步：優化展現形式內容正確還不夠，還要易懂。我們需要在這個步驟里尋找信息圖最優表現形式，讓讀者 一目了然，降低理解難度。
第三步：探索視覺風格在探索視覺風格時要注意抓大放小，先定下來最主要模塊的風格，再做延展。
第四步：完善細節視覺風格確定后，可根據需要添加、完善細節。
第五步：風格延展“一致”的視覺設定有助于用戶理解，也能更好的提升品牌形象。所以主風格確定后，我們需要把它延展到其它有需要的頁面上。
以上是分享了數據可視化和信息可視化相關內容，不過信息可視化和數據可視化是兩個容易混淆的概念，基于數據生成的數據可視化和信息可視化這兩者在現實應用中非常接近，并且有時能夠互相替換使用。但是這兩者其實是不同的，數據可視化是指那些用程序生成的圖形圖像，這個程序可以被應用到很多不同的數據上。信息可視化是指為某一數據定制的圖形圖像，它往往是設計者手工定制的，只能應用在那個數據中。信息可視化的代表特征：具體化的，自解釋性的和獨立的。為了滿足這些特征，這個圖是需要手工定制的。 并沒有任何一個可視化程序能夠基于任一數據生成這樣具體化的圖片并在上面標注所有的解釋性文字。
數據可視化則是普適的，比如平行坐標圖并不因為數據的不同而改變自己的可視化設計?？梢暬膹姶蟮钠者m性能夠使用戶快速應用某種可視化技術在一些新的數據上，并且通過可視化結果圖像理解新數據，與針對已知特定數據進行信息可視化設計繪制相比，用戶更像是通過對數據進行可視化的應用來學習和挖掘數據，而普適性的數據可視化技術本身并沒有解釋數據的功能。
（感謝數據平臺組同仁們對此文章的貢獻，感謝魏茜璐的視覺配圖。）
文章來源：京東設計中心
轉載請注明：學UI網》數據可視化與信息可視化淺談！
分享此文一切功德，皆悉回向給文章原作者及眾讀者.
免責聲明：藍藍設計尊重原作者，文章的版權歸原作者。如涉及版權問題，請及時與我們取得聯系，我們立即更正或刪除。
藍藍設計( paul-jarrel.com )是一家專注而深入的界面設計公司，為期望卓越的國內外企業提供卓越的UI界面設計、BS界面設計 、 cs界面設計 、 ipad界面設計 、 包裝設計 、 圖標定制 、 用戶體驗 、交互設計、 網站建設 、平面設計服務、UI設計公司、界面設計公司、UI設計服務公司、數據可視化設計公司、UI交互設計公司、高端網站設計公司、UI咨詢、用戶體驗公司、軟件界面設計公司