项目总结

项目复盘：从业务问题到可视化选型

小象实战讲义 · ECharts 数据可视化

这是综合项目和整门课程的最后一节。我们不重新堆叠图表，而是回到最初的项目五问，检查每个问题是否已经由数据、指标和图表回答；再把这条分析路径压缩成一张可复用的选图地图，方便以后从业务问题出发，而不是从“我会画哪种图”出发。

💡 核心导读

• 逐题验收：用项目五问检查用户、商品和行为三个维度是否形成完整证据链。
• 理解结论边界：识别图上的峰值、占比和转化率能说明什么，也明确它们不能证明什么。
• 建立选图地图：按比较、趋势、构成、分布、关系、空间、网络等数据关系选择图表。
• 提炼通用方法：把项目中的分析框架迁移到其他行业，而不是只记住某一段 pyecharts 代码。

一、项目五问：每张图都要回到业务问题

综合项目不是“把所有图放在大屏上”就结束。真正完成的标准是，每个问题都能给出可追溯的指标口径、合适的图和一条有边界的结论。

按第 12 章 notebook 的同一口径复算本项目数据：付费用户 8,886 人，R 中位数为 4 天、F 中位数为 8 次；按 R/F 中位数二值分组后，重要价值客户约 35%、重要发展客户约 20%、重要保持客户约 13%、重要挽留客户约 32%。这些比例只对应本项目当时的统计窗口和阈值；没有固定快照日期、R/F 中位数和统计口径，就不能跨报告直接横向比较。

项目五问的共同结构是：

业务问题
  ↓
分析维度（用户 / 商品 / 行为）
  ↓
指标定义与计算公式
  ↓
数据关系与图表选择
  ↓
图表结论与解释边界
  ↓
大屏或分析报告

二、从数据关系到图表：一幅选图地图

以后面对新项目，可以先问“数据之间是什么关系”，再选择图表。下面这张文字地图覆盖课程中出现的主要图表家族：

我要回答什么？
├─ 比较大小与排名
│  ├─ 类别少 → 柱状图
│  ├─ 类别多或名称长 → 条形图
│  └─ 多个系列同场比较 → 分组柱状图、折线图
├─ 观察时间趋势
│  ├─ 连续时间 → 折线图
│  ├─ 强调累计体量 → 面积图
│  ├─ 金融价格区间 → K 线图
│  └─ 不同量级指标 → 双 Y 轴或并排小图
├─ 展示构成与占比
│  ├─ 少量类别 → 饼图、环形图
│  ├─ 层级结构 → 矩形树图、旭日图
│  └─ 随时间变化 → 堆叠面积图、百分比堆叠柱状图
├─ 分析分布与异常
│  ├─ 单变量分布 → 直方图、箱形图
│  └─ 多变量联合分布 → 散点图、气泡图、热力图
├─ 表达实体关系
│  ├─ 两个连续变量 → 散点图
│  ├─ 第三个数值维度 → 气泡图
│  └─ 节点与连接 → 关系图
├─ 展示空间规律
│  ├─ 省级区域数值 → Map
│  ├─ 城市点位与涟漪 → Geo
│  └─ 三维地球或空间纵深 → 3D 地图
├─ 展示网络与文本
│  ├─ 话题随时间迁移 → 主题河流图
│  └─ 关键词热度 → 词云图
└─ 组合成完整交付
   ├─ 同页多图 → Grid
   ├─ 分页多图 → Page、Tab
   └─ 多维大屏 → iframe 或页面级布局

这张地图不是“唯一正确答案”。同一个问题可能存在多种表达，判断标准是：读者能否更快回答业务问题，图表是否保留必要精度，交互是否服务于分析，而不是仅仅增加视觉效果。

三、课程中最重要的四类判断

1. 先定口径，再选图形

PV 与 UV、点击与支付、Top10 占比与全站占比都是不同口径。口径不清时，图形越精美，误读风险越大。

2. 先定关系，再选图表

趋势优先考虑折线图，比较优先考虑柱状图或条形图，构成优先考虑饼图或堆叠图，关系优先考虑散点图或关系图。不要因为某张图“看起来高级”而改变分析目标。

3. 交互组件要服务于任务

Tooltip 用于查看明细，DataZoom 用于长序列缩放，VisualMap 用于数值到大小或颜色的映射，Toolbox 用于保存图片、数据视图和还原。组件不是装饰，只有当它帮助用户完成某项操作时才值得加入。

4. 大屏是信息架构，不是图表仓库

先按用户、商品、行为分组，再决定页面、分栏和联动。每增加一张图，都要能回答“它新增了什么信息”。如果两张图只重复同一个结论，就应删掉信息价值更低的一张。

四、把项目方法迁移到其他行业

电商案例只是载体。迁移到其他业务时，仍然执行同一套流程：

1. 拆业务问题：把模糊目标改写成可以验证的问题。
2. 选分析维度：从时间、对象、行为、价值、空间等角度拆分。
3. 定义指标：写清分子、分母、时间窗口、去重规则和阈值。
4. 验证数据：检查缺失、重复、异常值、样本量和口径漂移。
5. 匹配图表：让图形结构对应数据关系。
6. 解释与动作：给出结论、证据、边界和下一步业务动作。
7. 组织交付：用大屏、报告或交互页面服务不同消费深度。

例如在零售场景中，可以把“用户”换成“门店”，“商品”换成“货品或品类”，“行为漏斗”换成“到店→试用→下单→复购”。图表库可以复用，但指标和业务解释必须重新设计。

五、交付前最后检查

• 数据口径是否写在标题、注释或报告正文中？
• Top10、占比、漏斗和 RFM 的分母是否明确？
• 图表是否使用了真实可复现的数据，而不是无法追溯的随机输出？
• 地图、3D、词云等资源是否在本地可加载？
• 交互组件是否真的帮助查看、缩放、筛选或导出？
• 大屏在窄屏、桌面和本地 HTTP 服务下是否都能打开？
• 结论是否区分相关性、因果性和样本限制？

📝 动手练一练

1. 迁移五问：把电商项目五问改写成你所在行业或熟悉场景的五个问题。

   点击查看参考答案

   可以保留“时间、对象、头部、流转、价值”五个分析骨架。例如教育业务可改写为：学习行为如何随时间变化、哪些课程被反复访问、哪些课程完课率最高、用户在哪个环节流失、哪些学员值得重点服务。问题变了，指标和图表也要随业务重定义。

2. 判断图表选择：要比较 30 个门店的营业额排名，为什么通常优先考虑条形图而不是饼图？

   点击查看参考答案

   排名是比较关系，条形图能直接表达长度和顺序，30 个类别也更容易阅读；饼图强调部分与整体的占比，类别过多时标签密集且不利于精确比较，不适合作为排名主图。

3. 反驳“双轴一定更好”：什么时候应该把两个指标拆成两张单轴图？

   点击查看参考答案

   当两个指标量级差异很大、业务不需要逐点同步比较，或者双轴刻度容易让读者误判交叉含义时，应拆成两张单轴图。双 Y 轴的目的是同时观察趋势，不是强行把不同量纲变成可精确比较。

本章小结

这门课真正要留下的不是一串孤立的 pyecharts 调用，而是一条稳定的分析路径：业务问题 → 分析维度 → 指标口径 → 数据关系 → 图表与交互 → 结论边界 → 大屏或报告。掌握这条路径，换行业、换数据、换图表时仍然能够重新完成设计。

📋 行动清单

• 用自己的业务场景重写项目五问，并为每一问指定指标和图表。
• 从本节选图地图中挑出三种不熟悉的图表，回到对应章节重做一遍。
• 对一个已有图表补写“结论、证据、解释边界”三句话。

—— 小象教研组