在商业分析中，图表是数据最直观、最生动的表达方式。它们能够将复杂的数据集转化为易于理解和记忆的信息，帮助决策者快速捕捉关键信息，洞察市场趋势。然而，面对琳琅满目的图表类型，我们常常不知道该如何选择合适的图表来呈现特定数据。面对千篇一律的柱状图、折线图和饼图等，我们还有什么其他选择？今天，我们将聚焦那些不常用但极具价值的图表，并探讨它们在实际工作中的应用场景。

1 帕累托图：聚焦关键问题

帕累托图，以意大利经济学家维尔弗雷多·帕累托的名字命名，是一种结合了条形图和累积百分比曲线的复合图表。它通过将数据按照重要性或影响度排序，并计算累计百分比，从而直观地展示“少数关键因素导致大部分问题”的二八法则。帕累托图的核心在于帮助分析者快速识别出影响最大的几个因素，从而集中资源解决关键问题。这一图表基于“二八定律”，即约80%的问题源于20%的主要原因。

使用方法

帕累托图只能绑定一个度量字段，绑定后默认生成两列度量列，新生成的附属列名固定为“累计百分比”。绑定后会一同绘制线图、柱图，并生成以累计百分比为目标轴、值为80%的目标线，类似组合图。二八分析线可以更直观的表达出是在哪些条件作用下对结果产生了80%的影响。

使用场景

• 质量管理：在制造业中，帕累托图可以帮助识别导致产品缺陷的主要原因，从而优先解决这些问题，提高产品质量。
  
• 生产优化：在生产工程中，通过分析生产线上的各个环节，找出制约生产效率的瓶颈因素，优化生产流程。
  
• 市场营销：通过分析客户购买数据，识别出最受客户欢迎的产品或服务，制定更有针对性的营销策略。
  
• 成本控制：在企业管理中，识别出成本消耗最大的业务领域或产品，以便进行资源重新分配或业务调整。
  

2 雷达图：多维度比较

雷达图（Radar Chart），也称为网络图、蜘蛛图、星图、蜘蛛网图、极坐标图或Kiviat图，是一种从同一点开始的轴上表示三个或更多个定量变量的二维图表。每个轴代表一个变量，轴上的刻度表示变量的度量值，它通过将数据点在二维平面上进行连接，形成类似于蜘蛛网的图案，从而直观地展示数据的分布特征和变量之间的关系。

使用方法

雷达图可只绑定度量，也可在轴上绑定维度来展示度量数据。轴上只绑定度量时，会根据度量数进行等分，来对多个度量进行比较。

轴上既绑定了度量，又绑定了维度，会根据维度数进行等分，逆时针分布所有的维度。

使用场景

• 企业经营分析：雷达图可应用于企业经营状况的评价，包括收益性、生产性、流动性、安全性和成长性的多维度分析。通过将企业实际经营情况与行业标准进行对比，可以清晰地展示企业的优势和劣势，为决策提供有力支持。
  
• 财务分析：在财务分析中，雷达图可用于展示公司的财务状况，如收入、支出、现金流等多个财务指标。通过雷达图，管理者可以直观地了解公司的整体财务状况，及时发现问题并采取措施。
  
• 市场调研：在市场调研中，雷达图可用于展示消费者对产品的偏好、满意度等多个维度的数据。通过对比不同产品或服务在各项指标上的表现，企业可以明确市场定位，优化产品和服务。
  

3 盒须图：数据分布的快速概览

盒须图（Box-and-Whisker Plot），又称箱型图或盒式图，是一种用于展示数据分散情况的统计图形。它通过几个关键统计量来概括数据的分布情况，包括下须、下枢纽（Q1）、中位数（Q2）、上枢纽（Q3）、上须以及异常值。由于图形形状像箱子，故得名箱型图。盒须图主要用于反映原始数据的分布特征，并能有效地进行多组数据分布特征的比较。

使用方法

创建盒须图，通常需要先将度量字段绑定到列轴或行轴上，然后将维度字段绑定到分组或者标记组中。

盒须图中有几个数值需要关注：

1. 异常值：不被包含在盒须图的主体部分（即盒子和须）内，而是单独标出，一般用点表示。在数据分析中，可以直观地识别出异常值，进而决定是保留、删除还是进行其他处理。如图所示，异常值为42364。
2. 上须：上须通常表示数据的最大值。它提供了数据分布上限的直观表示，有助于识别超出正常范围的数据点。同时，它也反映了数据分布的右偏斜程度。如图所示，上须为44001。
3. 下须：下须通常表示数据的最小值。它提供了数据分布下限的直观表示，有助于识别低于正常范围的数据点。同时，它也反映了数据分布的左偏斜程度。如图所示，下须为9941。
4. 上枢纽：为一组数据从小到大排列后，位于75%位置的数据点。它表示有75%的数据小于或等于这个值，25%的数据大于这个值。它有助于了解数据的分布情况，特别是在分析数据分布范围和形态时。如图所示，上枢纽为32684。
5. 下枢纽：为一组数据从小到大排列后，位于25%位置的数据点。它表示有25%的数据小于或等于这个值，75%的数据大于这个值。它有助于了解数据的分布情况，特别是在数据偏斜或存在多个峰值时。如图所示，下枢纽为11495。

• 中位数：中位数是数据分布的中心位置，它对于描述数据的中心趋势非常有用，特别是在数据存在偏斜或极端值的情况下，中位数比平均数更能代表数据的中心位置。如图所示，中位数为12717。

使用场景

• 品质管理：快速识别生产过程中的异常值，监控产品质量的稳定性。
  
• 金融分析：比较不同投资组合的风险与收益分布。
  
• 市场调研：分析不同消费者群体的购买行为差异。
  
• 医疗健康：监测患者的某项指标变化趋势，识别异常波动。
  

4 桑基图：解释复杂流程

桑基图（Sankey diagram），又称桑基能量分流图或桑基能量平衡图，是一种基于流量的可视化图表，用于展示复杂的数据流向和交互关系。它由瑞士工程师Matthew Henry Phineas Riall Sankey于1898年首次提出，并以他的名字命名。桑基图通过延伸的分支和线条的粗细来代表数据流量的方向和大小，具有直观、简洁的特点，非常适合于展示能源、材料成分、金融、人口流动等多种类型的数据。

使用方法

您可以将想要展示的流出的维度、流入的维度和度量字段绑定到数据绑定区域相应的位置。

使用场景

• 能源消耗与产出：展示不同能源来源之间的关系以及能源的消耗与产出情况，帮助评估能源效率和可持续性。
  
• 产品供应链：跟踪原材料的来源、制造过程中的变化和消耗，以及最终产品的分发和销售情况，揭示供应链中的瓶颈和改进潜力。
  
• 人口流动：展示人口在不同地区和群体之间的流动情况，对城市规划、社会科学研究和人口统计分析具有重要意义。
  
• 网站流量分析：展示网站的访问流量和用户行为路径，帮助优化网站设计和内容布局，提升用户体验和转化率。
  

帕累托图、雷达图、盒须图、桑基图等这些不常用的图表工具，以其独特的视角和强大的分析能力，为我们提供了宝贵的洞见。它们不仅仅是数据的简单可视化，更是洞察市场趋势、优化业务流程、提升决策效率的关键工具。因此，作为数据分析师，我们应该不断探索和尝试新的图表工具，以更加全面和深入的视角去审视数据，挖掘其中的潜在价值。同时，我们也要注重将这些工具与具体的业务场景相结合，用数据说话，用图表展示，为企业的战略规划和业务决策提供更加有力的支持。