数据可视化，是一种使用技术手段表达数据结果的一种方式，但是大部分数据可视化=各种图表，这是十分外行的想法。

数据可视化是一个需要理解业务需求、数据结构、数据交互原理、数据表达逻辑以及考察审美的复杂工作。

数据可视化一般是整个数据分析链路的最后一个环节。在数据可视化之前，我们需要对原始数据进行大量的整理和清洗处理，这一环节首选数据库SQL，数据处理之后才是分析和可视化。数据可视化有两个方向很值得去尝试：商业智能BI与动态交互图表。

所以，这里推荐一个数据可视化技能的进阶路线：SQL+BI+Echarts

接下来以分析一个电商销售数据的实操案例，来演示如何用SQL、BI商业智和Echarts制作数据可视化。

为什么数据分析一定要具备SQL技能？

首先，互联网公司每天都需要处理大量数据，这些数据不可能都存储在某个人的PC上。在这种情况下，一般用数据库来存储数据，数据都在数据库里，SQL又是数据库语言，所以当然必备了。

其次，Excel对十万条以内的数据处理起来一点不虚,但是资深的数据分析师还是笑摸狗头,Too Young Too Sample,爷搞得都是百万数据。要百万数据,就得上数据库。

SQL是数据分析师的核心技能之一。有些公司并不给数据库权限,需要分析师写邮件提需求,这非常不好。数据分析师经常有各类假设需要验证,很多时候写十几行SQL就能得到的答案,还得麻烦其他部门导出数据。

在数据可视化之前，我们需要对数据进行大量的处理工作，以“某电商订单”为例。其数据量为37000+，包括7个原始字段：

下图演示的是使用最强大的开源数据库PostgreSQL处理数据的流程，当然MySQL也用的很多：

• 创建数据库并导入csv数据

• 查看并删除相关缺失值

• 列明修改及计算商品打折折扣力度

以上数据整理工作也可以在excel中完成，步骤包括：数据筛选、数据透视、Vlookup连接数据等。但是由于数据量较大，期间你有可能面临灰屏、死机、程序跳出未保存等各种风险。总结来说，在企业级的数据量处理中，excel是不行的。一般10W以上的数据量都要借助数据库。

对于SQL（数据库语言），处理几万条乃至更大体量的数据，效率都是非常高，并且SQL语言应该是最容易理解的语言了。

回到可视化，SQL作为数据可视化工作的第一步，完成了数据管理及清洗工作。

数据可视化作为一种表达艺术，自然有更自由更专业的工具和方式，比如用Echarts制作复杂交互图表！

Echarts —— 一张图，一个故事

复杂交互图表是一种蕴含更大体量数据及更复杂数据结构的可视化，可以使读者和可视化图表之间有更好的互动。其形式包括地理空间可视化、层次关系网络可视化、基于时间的多图表可视化等等。

使用Echarts的工作流可以简单概括为：使用SQL将数据处理成合适的格式（这个格式称为JSON），再读懂echarts图表中的JS参数，修改对应参数并加载JSON数据，实现可视化效果。

还是以”电商销售数据”为例，我们通过修改现有案例的参数来绘制一个交互式图表：

• 找模板及参数查阅

• SQL处理数据

• 代码配置及可视化图表呈现

最终的图表内容中，横坐标是双十一前后10天的日期节点，我们选择了三个品牌来展示不同商品的价格变化趋势，通过图表互动，也可以看到三个品牌在双十一期的打折率、价格和营销策略的区别：

• 打折思路：双十一当天最低价，之后涨价但少于双十一前价格
• 妮维雅产品价格区间主要在100-200元之间；相宜本草产品价格区80-400之间；自然堂产品价格区间较分散

看到这儿，可能很多小伙伴儿会有疑问，以上的两种可视化途径，优劣势如何，上手难度又怎样？

其实，上面的工具都很好学，SQL是一种数据库语言，前面说过了必须掌握，可视化FineBI基本就是拖拽操作，上手非常简单，除了复杂的数据处理工作需要写公式来新增数据字段，条件语句。Echarts需要掌握一点JS语句，熟练了也很容易上手，复杂的需求就不评价了。

应对大部分业务场景的可视化分析，FineBI就足够了，自身可视化效果也有数十种，多了也未必会用。毕竟用起来最简单。

专业的可视化，比如新闻可视化，科学研究，海量数据洞察等，结合Echarts使用的较多，因为开源，而且可以随意个性化自定义。