数据可视化，本该是更快更好地表达数据中隐藏的、非直观的信息，是数据分析的升级工具。然而随着大数据火热，人们审美的提升，本该内涵丰富的数据可视化变成了争奇斗艳的选美竞技场，似乎已经忘了数据本身的含义了。
见过某系统使用了和弦图，客户要求去掉这种看不懂的破玩意，设计人员解释说“这个叫和弦图，Gartner（diao炸天的分析机构）都这么用”，客户当即对项目组创新能力大加赞赏，但依然没有人清楚地知道那个和弦图放在那能干什么。你们这么搞，考虑过和弦图的感受吗……
————南丁格尔玫瑰图
昵称——“扇形图”、“就那个……那个……那放射型的那个饼图”等。
归类——尽管一些报表生成工具也把它归类到饼图了，但其本质是圆型直方图
典型应用——用于夸张、突出数据的差距，因为半径长一点，面积差距就很大。比如死亡率这种数据在直方图上看，微弱的差别很容易被忽视，然而放到南丁格尔玫瑰图上，由于面积的放大效应，微弱的差别也会如同真实的生命一样看起来触目惊心。
背景故事——据说是南丁格尔（对，就是你知道的那个南丁格尔）出于公务人员对统计结果不重视的忧虑，发展出一种色彩绚烂的表达形式，以让人印象深刻，用以表达军医院季节性死亡率，并最终使医改提案获得了高层支持。
————和弦图
图例说明——用于表示数据间的关系和流量。外围不同颜色圆环表示数据节点，弧长表示数据量大小。内部不同颜色连接带，表示数据关系流向、数量级和位置信息，连接带颜色还可以表示第三维度信息。首尾宽度一致的连接带表示单向流量（从与连接带颜色相同的外围圆环流出），而首尾宽度不同的连接带表示双向流量。外层加入比例尺，还可以一目了然的发现数据流量所占比例。
优点——信息量大；视觉冲击力强；功能创新。
缺点——普及度较低，大家都是蒙蒙的，只知道是用来表示关系的。
典型应用——1、在狭小的空间展示了大量信息，展示空间受限时大有可为。2、数据关系过于复杂，且关系远比流量重要时。
注意事项——1、一定要契合应用场景使用，不要为了吸引眼球而使用，禁不起推敲。2、使用最好提前培训和沟通，因此目前其实不太适合C端应用，因为没有机会一个个培训。3、如果数据节点过多就看瞎了……
————桑基图
背景——是一种特定类型的流程图，图中延伸的分支的宽度对应数据流量的大小，通常应用于能源、材料成分、金融等数据的可视化分析。
特征——始末端的分支宽度总各相等，即所有主支宽度的总和应与所有分出去的分支宽度的总和相等。
典型应用——一切需要关注物质、能量、信息转化量的场景，如生产制造、节能减排等。
本文首发自公众号燊刻不深刻（shenkebushenke），转载请标明版权信息。
本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流，内容版权归原作者所有，如涉作品、版权和其他问题请给「我们」留言处理。
