京公网安备 11010802034615号
经营许可证编号:京B2-20210330
Excel:专业商务图表的设计与制作原则
多年的电信市场经营分析经历中,制作过和看到过无数的统计图表,有好的例子,更多的则是糟糕的例子。如何让图表具有专业外观和专业精神?这篇日志小结一下在用Excel设计与制作专业商务图表中需要注意的地方。
一般原则:
1、是否需要使用图表?不要在不需要的时候也用图表凑数。
2、不要使用太多图表,轰炸多了印象反而不突出。
3、不要使用Excel的默认颜色和样式,建立你自己的图表风格。
4、在图表的标题中说出你的观点,要向标题党学习。
5、在脚注中填上数据来源,能立即增加你的专业性。
6、尽量减少非数据元素,不能减少就使用淡色。
7、色彩要协调柔和,或者使用同一颜色不同深浅,如黑白灰。
8、尽量不使用3D效果,实在想用的话也要很薄很浅。
9、不要使用excel的数据表,如需则自己画个表格放在图表下面。
10、一个图表只表达一个观点,不做过于复杂的图表,必要时分开做图表。
11、图表不要太大,word文档中邮票般大小的图表就很合适。
条形图:
1、数据要从大到小排序,最大的在最上面。
2、条与条的间距要小于条的宽度。
3、有负数时坐标轴标签放右边或图外。
4、标签非常长时,可放在bar的中间。
柱形图:
1、不要使用斜标签,别让读者歪着脑袋看。
2、分类标签文字过长时,使用条形图。
3、Y轴刻度应从0开始,即使要从非0开始,也要在底部假意标上0及截断标识。
4、同一数据序列不应使用不同颜色。
5、有负数时坐标轴标签放上边或图外。
曲线图:
1、线条要足够粗,明显粗过所有非数据元素。
2、一般不要使用marker。
3、不要放太多线条,以免杂乱,必要时分开做图表。
4、不要使用斜标签,让读者歪着脑袋看
5、Y轴刻度应从0开始,即使要从非0开始,也要在底部假意标上0及截断标识。
6、可不使用图例,直接标在曲线边。
7、多条曲线时,强调其中需要强调的那根,最粗线型或最深颜色。
8、做小而多的曲线图时,各图坐标刻度要保持一致。
饼图:
1、数据要从大到小排序,最大的从12点位置开始。
2、数据项不要太多,小于7项或者5项,太细的归于其他。
3、不要使用爆炸式,最多可将某一片扇区分离以强调。
4、不要使用图例,直接标在扇区上或旁边。
5、尽量不使用标签连线,如用则切忌凌乱,最好手工画直/折线。
6、尽量不使用3D形式,如用则厚度要薄、仰角要大。
7、做有色饼图时,边框线用白色,可产生切割感。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14