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
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01