
小屏幕的大数据可视化探索
数据并不枯燥,每个基础图表都有其特点,掌握这些特质、作出适用于不同行业不同业务的图表,帮助人们读懂数据并作出决策,就是数据可视化的价值所在。
web和手机两者的屏幕大小差异很大,这引出一个思考,就是如何在更小的手机屏幕上更加美观和易用的呈现大数据分析图表?
我们先整理出web端和移动端所有手势
工具类产品的特点之一是操作频繁,在迁移的过程中应着重考虑符合移动端的交互方式,建议遵循以下流程:
整理出web端所有的操作手势以及对应的功能
判断哪部分操作可以直接延用
对不能延用的交互重新定义
如表:有一些web端的操作手势可以直接在移动端延用,比如单击、双击、拖动,但是有一些web端操作手势在移动端是无法延用的,需要重新设计相对应的手势。具体的操作根据具体的业务来最终确定。
图表分类
站在数据分析师的角度,一般会把图表按照其表达意义来分类,比如说适合分析趋势的图、适合分析占比的图等等;但从交互设计师的角度来看,我们还会按照交互操作方式和操作区域来分类,这可以帮助我们根据不同的类别来设计不同的交互手势。
带轴的图表:
包含最主流的图表类型如柱状图、折线图等;覆盖图表类型最多,可操作内容也最多,交互普适性最广
不带轴的图表:
每个图表都有其个性化操作方式,普适性相对较窄
表格图:
操作少,和web端操作相似度最高,大部分手势可延用
按图表分类定义操作手势
带轴图表展示在移动端时,经常会遇到的一个问题:数据项非常难选中,因为web端的空间够大,我们可以方便的选择和查看具体数据,而移动端的屏幕很小,很多时候光靠手指是无法选中密密麻麻的数据的,在这里就无法延用web端的操作。为了解决这个问题,可以引入选择器的概念。
滑块选择器
滑块选择器适用于通过一个方向的坐标系就能够定位数据项的图表
例如:普通柱状图、普通折线图、普通区域图等等;整个操作空间都集中在了屏幕底部,也保证了不管多小多细的数据项都能被选中。
十字选择器
十字选择器适用于无法通过一个方向的坐标系就能够定位数据项的图表。
例如:散点图、堆叠柱状图、多折线图、多区域图等等,手指拖动十字中心选择数据项,操作区域覆盖整个屏幕。
三角选择器
不带轴图表一般都较为特殊,普适性没有带轴图表这么广,但也有一定的规律可循;三角选择器适用于饼图、南丁格尔图等。
指针选择器
指针选择器适用于环形图、南丁格尔环形图等
图例
除了图表内的操作,用户还常常还需要通过图例查看不同颜色的数据项各自的名称,一般显示在图表上方,web端屏幕够大,一眼就能够看完,几乎不需要额外操作;但在移动端,即使忽略每个名称的字数长度,看全所有的图例也很难,在这种情况下,我们得允许用户在这个区域横向拖动操作,必要的时候还可以做些操作引导。
探索面板
探索功能面板包括一些常用的操作,比如说排序、隐藏数据项等等,在web端是通过右键激活的;但在移动端并没有右键这个操作,这个时候可以把右键替换成长按,同样能够触发面板。
tooltip
tooltip在web端图表操作中也很常见,当用户hover在某个数据项上时,tooltip中会列出关于这个数据项的详细信息;但在移动端有一些问题,首先,移动端没有hover的操作;其次,一些数据项的详细信息内容很多,很有可能出现一个很大的浮层遮盖住大部分图表,当你在拖动滑块浏览数据信息的时候,这个浮层会随着你的滑动一直存在,影响美观。所以,我们把tooltip内的信息放到屏幕最上方展示,保证浮层不会挡住图表,如果最上方展示不下,允许横向拖动浏览完整详情。
表格图
表格图的呈现在两个端十分相似,操作并不多。在移动端的展示需要注意宽高比和web端并不同,可制定一些规则保证操作方便的同时能完整浏览全部数据。
最后送上一张迁移完成的对比图。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10