干货预警，全文8888字，配图100+，阅读预计10分钟。赶时间的朋友点赞▲收藏★关注❤，方便以后再看。

数据可视化分析工具一般分为软件类+网页类，对于兼具数据分析+可视化呈现，推荐大家从Excel入手，再学习其他数据分析工具。

这里给大家推荐四个适合新手入门的可视化工具，给大家安利了2款软件和2个网站工具，通过接触这4款工具，也能快速做到举一反三，迅速上手其他可视化工具。

工具1：Excel

推荐Excel的理由有很多：01.普及率高、可定制；02.入门简单、自由操作度高；03.方便与PPT结合展示，工作场合最广泛。也建议日常要处理报表同学都是从Excel学起。

有人会觉得Excel的可视化比较差，那是因为绝大多数同学不知道：主题配色、排版，装饰元素等等细节问题。

下面就给大家看看Excel的作品：

工具2：Power BI

Power BI也是微软出品的可视化工具，原来是基于Excel的三大插件:Power Query、Power Pivot Power View组成。它图表丰富、有第三方图表库，可在线分享报表。

可视化作品如下：

工具3：flourish网页

网址：https://flourish.studio/

这是一个国外的动态可视化网站，只需要导入数据，就可以实现一些超棒可视化效果，如下：

如果简单的数据可视化，Excel的普及率、兼容性和在数据储存、数据分析、数据呈现都有着坚实的基础。还有最重要的一条是，某些领导就是要看Excel文件。

对于基础的可视化需求，Excel就足以实现了。太难的图表即使自己会做，还经常要跟领导/观众解释一番。

最近整理了关于Excel数据可视化表达的知识点，并且做了相关案例演示和配套练习资料，在这里分享给大家。

01.REPT函数

02.条件格式

03.迷你图

4.地图可视化

5.Excel图表

二、Power BI可视化

想要掌握可视化图表的制作，一定要先了解基本图表的制作方法，和每种图表的特点。以下就是常用的25种系统图表。

经过前面的5章节内容，终于来到了Power View报表制作的环节了。

回顾一下Power View的界面

控制图表主要是由三个因素决定的：元素/对象、主题/配色，排列对齐。

三个因素决定的：元素/对象、主题/配色，排列对齐。

1.元素对象

图表来源可分为2大类：系统自带、APP市场下载。

根据图表展示性质，分为6大类图表：分别为比较、分布、趋势、占比等。

如何选择图表类型

如何选择图表类型

一个图表组成的基本要素有以下：标题、图例、横坐标、纵坐标、数据标签、背景、边框。

这里的图表跟Excel区别是，Excel能直接在图表里面删减。这里的颜色、格式设置，均有在图表设置区域完成。

• 1.字段设置：控制横坐标、纵坐标的字段。
• 2.格式设置：控制图表元素是否显示，字体、颜色、样式等设置
• 3.分析：添加辅助线，对比分析。

主题设置

主题设置可以批量更换整个Power BI的配色设置。

有同学可能疑惑，Power BI的默认图表颜色是如何设置的，为什么是这种颜色？图表颜色和【视图】选项卡中主题颜色：颜色1~颜色8，对应下来的。

当然PowerBI除了系统自定义的配色方案，还给我们提供了丰富的主题库参考，解决我们配色的烦恼。

自带配色

主题库里面有很多良好配色，在【视图】选项卡下的【主题库】

进入分享博客中就有很多良好的配色主题库，点击对应的作品，可下载主题。

网址：https://community.powerbi.com/t5/Themes-Gallery/bd-p/ThemesGallery

社区配色方案

点击下载.json类型文件，就能下载主题库。

再点击回浏览主题库，使用刚刚下载好的主题库文件，技能快速更换配色了。

靛青色主题

由于时间问题，先更新到这里，有疑问可以在评论区留言，到时候抽空给大家更新更详细内容。

数据可视化工具有哪些？

市面上的数据可视化工具很多，大体分为3类：

1、专业图表制作类，专业的图表制作网站/软件，针对性的制作一些可视化图表，一般不带有数据处理功能

2、开发工具，比如python，调用第三方可视化库可以制作非常个性化的可视化图表，门槛高，要会写代码

3、零代码可视化分析工具，比如BI工具，操作简单，门槛低，自带数据处理功能，适合普通的业务人员或者数据分析师

专业图表制作网站

1、Flourish

推荐人群：可视化爱好者

我用过最好用的免费可视化在线网站，拥有非常丰富的可视化模板，操作非常便捷，个性化程度稍微差一点，唯一的缺点是界面全英文，看起来有点费劲

2、图表秀

国内免费的在线图表制作工具，支持自由布局与联动交互分析。主要看中它几点：图表新颖丰富，操作简单一键替换，支持一键导出PPT、在线动态数据展示。不过和大部分图表制作网站一样，个性化程度不高，样式受模板限制。

除了这种综合性的图表制作网站，还有针对地图、词云图等特殊图表制作的网站，比如：

数据地图：PolyMaps

词云图：微词云

开发工具

1、E charts

百度出品的开源免费的javascript数据可视化工具，专为大数据量可视化设计的，数据实时展现，需要一定的代码能力

2、D3.js

开源的可视化库，在 JS 绘图界的地位很靠前。功能非常强大，灵活性高，很多其他的库都是基于它所开发。非常适合开发者学习研究，需要牛逼的编程功底，门槛较高。

3、Highcharts

国外的产品，对标的是E charts，两者用起来差不多，图表种类也很丰富，不过和E charts一样都需要进行二次开发，它的优点是它有详细的文档，示例和详细的 CSS，产品稳定性好，缺点是商用版付费。

零代码工具

1、tableau

全球知的数据可视化工具，除了可视化图表制作，还带有数据处理、数据连接功能，是一个专业的数据分析工具，操作简单，图表设计也比较简洁，个性化程度高用。入门门槛低，一般的业务人员就能上手，缺点是免费版功能有限，收费版对于个人用户来说有点贵。

2、FineBI

和tableau类似的一款数据分析工具，国产的，图表制作方法和tableau基本差不多，也带有数据处理、数据链接功能，主打的是数据分析，可视化图表非常丰富，而且带有智能图表推荐功能。操作相比于tableau更加符合中国人的使用习惯，而且个人版免费，功能和收费版相比，没有阉割

哪个数据可视化工具比较好？

看了一下其他的回答，都是利用现有的可视化软件，这里以Python为例，介绍2个比较好用的可视化包—seaborn和pyecharts，简单易学、容易上手，绘制的图形漂亮、大方、整洁，感兴趣的朋友可以尝试一下，实验环境win10+python3.6+pycharm5.0，主要内容如下：

1.seaborn：这是一个基于matplotlib的可视化包，是对matplotlib更高级的API封装，绘制的图形种类繁多，包括常见的折线图、柱状图、饼状图、箱型图、热力图等，所需的代码量更少，使用起来更方便，下面我简单介绍一下这个包的安装和使用：

• 安装seaborn，这个直接在cmd窗口输入命令“pip install seaborn”就行，如下：

• 安装成功后，我们就可以进行简单的测试了，代码如下，很简单：

程序运行截图如下：

• 更多示例的话，可以查看seaborn官网的教程，很丰富，也有详细代码注释和说明，值得学习一下：

2.pyecharts：这个是echarts提供给python的一个接口，在前端的数据可视化中，可能会用到这个echarts包，借助pyecharts，我们不仅可以绘制出漂亮的柱状图、折线图等，还可以绘制3D图形、地图、雷达图、极坐标系图等，简单好用，非常值得学习，下面我简单介绍一下这个包的安装和使用：

• 安装pyecharts，这个直接在cmd窗口输入命令“pip install pyecharts”就行，如下：

• 安装成功后，我们就可以进行简单的测试了，代码如下，绘制了一个简单的柱状图：

程序运行截图如下：

• 更多示例的话，也可以查看官方的教程，介绍很详细，参数说明也很具体，值得一学：

至此，这里就简单介绍了seaborn和pyecharts包的安装和使用。总的来说，这2个包使用起来非常方便，简单易学、容易上手，绘制的图形也很美观、漂亮，只要你有一点python基础，看看官方示例，很快就能掌握的，当然，你也可以使用可视化工具来完成，像JMP等，这里就是提供一种思路，感兴趣的朋友可以尝试一下，希望以上分享的内容能对你有所帮助吧，也欢迎大家评论、留言。

好用的数据可视化工具？

d3.js, chart.js都支持javascript语言，支持接入到ThingJS进行二次开发，和Echarts, Highchart的图形类库通用功能类似，只不过更有点函数式编程的思路，自由度很大，有一定的技术挑战。

问题来了，是选择定制好的图形库？还是自己自由开发图形？如果是可视化项目开发需求，建议简化开发流程，选择js类库，开发效率更高。

ThingJS平台新推出三维可视化大屏为主的3D城市应用，正好满足数据可视化的前端展示，实现过程其实很简单，在ThingJS的前端页面开发基础上，导入城市级3D场景和基础地理数据，引入Echarts插件，结合Ajax技术异步调用方式动态读取数据库，将数据信息用可视化的图形界面展示在前台。数据分析的前端配置步骤如下：

ThingJS 3D可视化大屏应用演示【案例中心】

BI数据可视化工具应该如何选择？

目前有很多开源的第三方可视化工具如：Pentaho，Birt，JFreeChart，Open Flash Chart，ZK等等，在实际BI建设中，应该如何选择？像百度统计、淘宝数据魔方都是使用自主开发的工具吗？

很多企业都认识到了数据给企业带来的价值，通过对数据的挖掘，实现指导企业进行科学决策、达到推动业务增长的目的。但是对于中小企业来说，如何搭建数据分析体系？如何对数据有效利用？这些都是难题。

1:企业成立数据中心，搭建开发团队，自助开发数据分析后台。这样的成本极高，每名IT工程师年支出都至少10万+。

2:内部员工自己通过Excel进行数据分析。就目前来看，这是中小企业选择最多的一种方式。但是使用Excel进行数据分析，存在人工成本高、工作量大、人工操作导致的数据准性差、实时性差等问题。

3:定制开发商业智能软件。这是一个不错的选择，但是如何选择？能否与公司已有IT系统很好结合？随着企业发展、业务调整、组织结构调整，报表的维护成本也在上涨。

作为中小企业，最关键的是要形成大数据的理念，考虑投入产出比的同时，要选择适合公司发展需求、熟悉好用的“数据分析武器”。

01、高性价比，拓展性强

对于中小企业而言，最重要的就是在有限的预算内实现数据分析平台的搭建，实现分析需求。相比于国外的BI产品，国内的数钥分析云产品价格可谓更加亲民化，高性价比。
分析云BI专家会充分结合企业信息化建设水平和需求，选择最适合的模块，助力企业低成本、快速使用上智能BI产品。

值得一提的是，分析云预置了U8、NC、K3、T+等市面上主流ERP财务、供应链主题分析，实施周期短、见效快，大大节约了实施成本，还能够快速呈现效果！

另外， 分析云产品具有较强的创新性与拓展性，支持在线免费更新，通过不断地优化升级，为用户带来更好的体验，帮助企业更加高效、流畅地分析数据。

2、拖拉拽，敏捷自助分析

很多中小企业在做数据分析时，往往是由业务人员提出需求，IT人员负责导出数据，再由业务人员在Excel中进行分析。
这种模式下，报表的及时性和数据的准确性都很难得到保障。

而，分析云则很好的解决了这一难题。基于语义层，业务人员不再是面对复杂的代码，业务人员可以通过简单的拖拉拽即可自主分析，IT人员只负责技术部分、维护好底表即可。由此，简化了数据分析流程，大大降低了人工成本的同时，提高了数据时效和质量，逐步转型智能数据分析。

03、技术支持，维护成本低

企业信息化经过30年的发展，维护成本也逐渐被企业重视，作为信息化系统考评的一个重要系数。

对于市面上的一些BI产品而言，不断变化的报表，使得企业对报表的维护成本变得越来越高，报表的变化，就意味着BI产品的重新实施。原因就在于它们并没有在底层真正打通数据仓库的数据。

例如，企业的绩效考核指标调整了，对考核收入的考核从开票+回款即确认考核收入调整为开票+回款+发货。

IT人员要将使用到“考核收入“这一指标的所有报表重写取数规则，这也就意味着要重新制作数百张报表，所以，维护成本极高。

而在分析云中，语义层将后台数据库系统中的存储数据从技术人员的视角转向业务人员和管理人员的视角。后台由技术人员进行维护，前端分析由业务人员负责。在业务维度和数据口径之间的mapping规则稳定的前提下，变化对另一侧的延续影响被语义层隔离。

也就是说，IT人员在数据模型中只需更新考核收入指标的取数规则即可，业务部分无需调整，大大降低了报表的维护难度和维护成本。

随着大数据、互联网的深入推进，数据产生的速度越来越快、数据的规模越来越庞大，对于中小企业而言，要尽快培养起数据分析的意识，做好数据积累和准备工作，仔细研究企业的需求与资源匹配情况，选择适合自己的大数据发展之路，才能在激烈的市场竞争中乘风破浪、越走越远。