
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
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29