从入门到精通：如何用图表做好数据分析？
随着精益化运营的概念不断深入人心，数据分析已经成为了互联网人的必修课。相比于高深的概率统计、算法模型，简单、直观的图表工具得到了更为广泛的应用。
那么图表都有哪些类型？不同类型的图表又该怎么用？在这篇文章中我们结合互联网产品和运营的业务需求，由浅入深地给大家解答这些问题。
一、初阶：维度和指标
初阶的图表简单易懂，能满足简单的数据分析需求，具体包括趋势、频数、比重、表格等类型。图表数据分析的前提就是将自己需要呈现的指标，以一定的维度拆分，在坐标系中以可视化的方式呈现出来。
（一）趋势图
趋势分析是最基础的图表分析，包括线图、柱状图、堆积图等多种形式。
线图可以观察一个或者多个数据指标连续变化的趋势，也可以根据需要与之前的周期进行同比分析。柱状图可以观察某一事件的变化趋势；如果将整体拆分可以做成堆积图，同时观察到部分所占比重及变化趋势。
图1：GrowingIO周期对比线图
图2：GrowingIO（堆积）柱状图
产品经理和运营人员通过趋势图分析流量的实时走向，如每日PV、UV、DAU等基本数量指标以及停留时长、平均访问页面数等质量指标，可以及时把握产品的变化趋势。一旦趋势周期对比发生异常（异常高和异常低），我们需要及时介入排查原因、解决问题。
（二）频数图
根据业务需求对指标按照一定维度拆分，对比不同组别的频数，便于分清轻重缓急。
图3：GrowingIO条形图
条形图清晰展示了用户在不同类别上的频数，并且按照数量从大到小排序。上图展示的是某产品用户使用浏览器的频数分布，在资源有限的情况下产品可以先适配Chrome和IE浏览器以提升绝大部分用户体验。
图4：GrowingIO双向条形图
上面的双向条形图展示了某B端产品的客户平均停留时长极端情况（非常高和非常低），企业1-5非常活跃，可以让运营人员促进客户增购、续约，而企业6-10活跃度非常低，即将流失，需要运营人员立刻介入干预。
（三）比重图
比重分析主要是用来了解不同部分占总体的比例。横向比较，扇形图、环形图可以满足这类需求；纵向比较，百分比堆积图可以显示不同部分所占比例的趋势变化。
图5：GrowingIO访问用户来源环形图
图6：GrowingIO百分比堆积图
环形图（图5）显示了某节点访问用户来源渠道比例，百分比堆积图（图6）则动态显示了不同渠道比例的变化趋势，市场或者运营人员可以据此动态优化我们的资源投放。
（四）表格
表格信息密集，可以同时分析多维度、多指标数据，适合对数据敏感的人群使用。虽然表格能看到具体的数值，但是不能直观看到趋势、比重。
图7：GrowingIO表格提供三十多个维度供指标拆解
通过表格（图7）不难发现，移动端访问用户占了非常大的比例，但是跳出率非常高。这样的表格数据启示我们有必要优化移动端产品，提升整体访问深度。
（五）其他图表
下面介绍的是气泡图，气泡图用来展示一个事件与多个维度之间的关系，如分析B端产品客户成单周期与客户活跃度、登录账号数量之间的关系。
图8：GrowingIO”客户温度-健康度”气泡图
除了上述常见的图表，还有散点图、箱线图、股价图、雷达图等图表，在此不一一赘述。
二、进阶：用户行为洞察
正如前面所言，初阶图表能满足简单的业务需求。但要想深入洞察用户行为，还需要紧密结合业务实践，用更加专业的图表辅助数据分析。在这里，我和大家分享三个实用的工具：漏斗图、留存图和热（力）图。
（一）漏斗图
漏斗图主要用于转化过程，例如注册流程、商品购买流程，分析用户在不同阶段的转化或者流失情况。
图9：GrowingIO漏斗图
产品运营应该关注重点转化路径的转化率，对于转化率非常低的环节、或者转化率突然下降的情况，都需要及时排查原因。
（二）留存图
留存是指用户首次访问你的网站，多少天后又重新回访的情况。利用留存曲线可以对留存进行深入分析。
图10：GrowingIO留存曲线
某问答社区通过留存曲线（图10）发现，通过搜索引擎来源的新用户（红色）留存度和活跃度远远高于一般新用户（绿色），这启示社区运营者：EDM可能成为社区的下一个增长点。
（三）热（力）图
热图，又称热力图，显示的是用户在你产品页面上的点击、停留偏好。借助热图产品经理可以优化产品页面布局，运营可以优化内容，确实是一个好工具。
图11：GrowingIO热图
三、高阶：用数据驱动增长
随着数据可视化技术的不断发展，图表的类型越来越丰富，我们不可能在一篇文章中将其穷尽。但是图表数据分析的本质不会变，其最终目还是要辅助人们的决策。
（一）搭建属于自己的数据看板
人们的工作在不断细分，需要分析和决策的内容也不太一样。同样都是市场部门的同事，负责内容营销的与负责SEM的需要关注的数据差异很大，而这就需要搭建属于自己的数据看板。
图12：GrowingIO数据看板
例如SEM主管根据工作需要搭建数据看板，将广告投放（表格）、访客来源（百分比堆积图）、访问用户量（线图）、登录用户量（柱状图）和注册转化率（漏斗）等重要数据集中在一个看板中。数据看板能帮助我们以合适的方式展示数据，集中精力做好业务决策。
（二）在实践中践行MVP
用图表做好数据分析并非易事，它绝非一朝一日之功，但也并不是无规律可循。
图13：在实践中用数据驱动增长
首先是对业务的理解，能洞察数字背后的商业意义。其次是灵活选择维度拆分指标，在图表坐标系中以合适的形式进行可视化展示。最后一定要从图表数据分析中发现问题，并指导业务决策。在这样不断反复的过程中，不断优化我们的图表数据分析过程，用数据来驱动业务增长。
本文作者：GrowingIO增长团队，集工程、产品、市场、分析多重角色于一身，负责拉新和用户活跃，用数据驱动业务增长。本文首发于GrowingIO博客和公众号，授权转载。
