随着各行各业大数据的渗透，BI 类数据分析需求与日俱增，如何让可视化更好的展现数据的价值，是 BI 类产品一直努力的方向。对此国内外的 BI 产品都有自己的方法，如国外大牌的 PowerBI、Tableau，还有国内的 FineBI、BDP、Quick BI 他们都提供了丰富度可视化能力，但对于新手而言，有了数据之后如何选择合适的图表？如何配置酷炫夺目的图表？多个图表如何组织有故事的报表？亦或是你想了解可视化背后的技术原理，本文将一一为你解答。
图表开发要使用 Quick BI 做可视化分析，只需要简单的三步（开启试用后方可进入下方链接，点击此处开始试用）
连接数据源，打开 http://bi.aliyun.com/workspac… 轻松配置。目前 Quick BI 已经支持包括 Mysql/PostgreSQL/SQL Server/Hive 在内的绝大多数数据源类型新建数据集，打开 http://bi.aliyun.com/workspac… 选择数据库中一个表创建数据集，数据集也支持多个表之间雪花模型和星型模型关联创建仪表板，接下来就可以开始选择需要的图表
首先看一下 Quick BI 图表的种类：
如上图，Quick BI 目前共提供十三类三十多种图表，如柱状图包含普通柱图、堆积柱状图、百分比堆积柱图、条形图、堆积条形图、百分比堆积条形图 6 种，能涵盖 BI 分析中的绝大多数场景。
Quick BI 还能轻松构建线柱组合图。如下图，为了分析服装类目利润和访客数及销量关系，利润使用柱状展示有利于突出主次关系。
鼠标 hover 到图例上能高亮指定数据，适合维度过多情况下单个维度分析。
此外，Quick BI 相对于其它图表，会对大数据量场景做适配，避免文案覆盖或展示不全。如下图，当饼图用例过多时，会对图例自动开启滚动条展示，Tooltip 显示位置优化排布：
此外还有来源去向图，适合分析页面间调整和用户行为路径：
QuickBI 提供这么多图表展示方式，但如何选择合适的图表类型能？这就需要根据数据特征出发，掌握这一技能需要练习和经验，对于新手，你可以参考如下图表选择流程图。
图表实现原理介绍完图表类型和使用方法，如果你对图表技术原理感兴趣，可以看接下来的图表实现原理分析。
图表框架从上到下共分为 4 层：
组件层
基于图表展示方式的不同，交互有很大差别，因此将线图、柱图、面积图、条形图、饼图等归位基础图表，他们基于常规的笛卡尔坐标系或极坐标系构建；交叉表、矩阵树图、漏斗图、来源去向图等交互各异，需要针对性优化，归为富交互图表；地图需要基于 LBS 地理位置数据，目前内置中国省市县地图，可以在不同级别上钻和下钻。最后一类是未来计划上线的 3D 图表。结合着目前 VR/AR 设备的兴起，3D 图表在视觉效果上有更好的体验，未来计划发力。
图表交互层
静态图表是呆板的，灵活的交互就像让图表说话一样提高数据分析的效率和体验，对于 OLAP 类数据来说钻取联动跳转是基本交互，这些所有支持类图表可以统一实现。坐标轴 Axis、图例、提示框 Tooltip 在多个图表都支持，封装成通用模块方式提供。对于大数据量而言，这 3 个通用模块都需要解决小空间下如何展示大量文案的问题，Quick BI 内部基于很多算法来做展示优化，如当坐标轴数量过多时，通过对比坐标轴宽度和文案宽度，自动计算坐标轴文案倾斜夹角，避免文案重叠。对于数据量过大情况，实现自动抽样展示。
数据配置层
数据主要分为两类：『展示数据』和『图表配置数据』。
展示数据是业务中的原始数据，不会因为图表类型的不同而变化。
图表配置数据又分为『用户产生的图表配置』和『图表默认配置』，最终图表展示是以二者合并之后为准。
由于上层图表交互只负责展现，因此需要的数据结构也是为了高效展现，接口提供的数据是为了方便存储，因此二者很多情况下不一致，所以就需要数据转换层做数据格式适配。
这一层是整个数据处理的核心，并不仅仅是转换方法，数据结构的设计同样是关键，需要兼顾到不同图表类型横向和未来扩展纵向的多重考量。
底层依赖
由于可视化图表的多样性，一套框架或绘制方法很难高效满足业务需求，因此底层基于 G2、Three.js、Leaflet 三个基础库，这三者有不是现成的图表库，都需要具体实现图表。类似于面粉和面条的关系，这三者相当于不同口味的面粉，最终开发的图表像面条。
G2 是一套基于可视化编码的图形语法，以数据驱动，适用于基础图表；Three.js 是 WebGL 的封装，提供高效 API 开发 3D 图表；Leaflet 适用于开发交互式地图类图表。
总结以上是 Quick BI 图表的介绍、用法和技术原理。Quick BI 正是凭借阿里巴巴在大数据领域多年的经验，不断打磨出来的一款 BI 产品。希望他能帮你从杂乱的数字转换为酷炫的图表，帮你发掘数据背后的价值。
本文作者：supwdl
阅读原文
本文为云栖社区原创内容，未经允许不得转载。