資料視覺化正夯!初學者、行銷人學習資料視覺化 6 步驟+ 5 個工具推薦

September 7, 2021

數位行銷發展至今,已經逐漸擺脫以往只著重過往經驗決策,或是僅追求曝光的思維模式。現在更強調要蒐集數據,透過解讀數據資料意義,來進行分析與決策。數據的重要性提高,也代表行銷人必須要有數據蒐集與呈現的能力,資料視覺化(Data Visualization)已經不再只是研究人員或資料科學家(Data Scientist)才需具備的技能。


什麼是資料視覺化 Data Visualization?


Data Visualization 除了常被翻成資料視覺化,也會被稱作數據視覺化、資料可視化、數據可視化等。不管怎麼翻,傳達的概念都是一樣,將龐雜的數據資料用圖像、圖表或地圖的方式呈現,讓人一眼就能清楚數據所要傳達的意義,從視覺化的資料中,輕易找到異常數據,就是資料 視覺 化。


大數據(Big Data)概念紅了多年,資料科學家、資料分析家(Data Analyst)成了科技業、新創等產業最搶手的工作之一,這也改變了各行各業的生態。因為數據不只對科技業,對金融、消費品、服務業、政府單位、教育業等行業,都有很大的幫助。例如各產業的行銷領域,就開始非常強調數據導向。因此行銷人須具備蒐集、分析數據的能力,並能夠將資訊視覺化,幫助決策者快速、正確地讀懂數據意義,做出決策。資料 視覺 化 Data Visualization ,自然也逐漸成為行銷人需要學習的技巧。當然絕對不只行銷人才,無論你是做營運、零售、產品管理、市場調查、老師、人資或業務,若具備 資料 視覺 化的能力,能活用資料視覺化工具在工作領域,將會讓你的工作事半功倍,績效比別人更佳。


這篇文章接下來要教你一些初學者學習 數據 視覺 化 的基本步驟、觀念和常用的資料 視覺 化 工具介紹。在開始之前,可以點此索取更多整理過的學習資源,幫助你更了解資料視覺化的觀念與訣竅。


初學者如何學習 資料 視覺 化 Data Visualization?


如果是非常龐大的資料分析和 資料 視覺 化,常需要 R 語言、Python 的技能,但非資料科學家、分析師的行銷人或其他職業人員,多半不具深度的程式能力,仍有辦法做到數據視覺化嗎?當然可以,現在有非常多好用又漂亮的資料視覺化工具,無需程式能力也有辦法上手。但學會這些工具,其實不是資料視覺化的首要目標。那麼行銷人如何開始學習資料視覺化呢?接下來就一步步來解析。


ㄧ、確定要探討什麼議題


資料視覺化的目的,是要能夠快速找出問題進行決策。開始將數據視覺化之前,首先必須釐清,這次想看知道什麼事情?例如廣告投放人員可能想要看 30 檔廣告的點擊成本(CPC)差異,或是零售業者想要看不同店舖的熱賣商品排行,也有可能是行銷主管想要看每個數位行銷渠道每週轉換率的表現。先定義清楚這次執行資料視覺化,是想要看到什麼,才有辦法往下執行資料 視覺 化。



二、先學會解讀數據

決定好要探討的議題後,接下來就是思考能從哪些資料搜集工具中,找出能反映議題的有用數據,來進行 數據 視覺 化。因此了解這些資料搜集工具每個指標的意義非常重要。例如,行銷人常用的廣告投放工具如 Google Ads 的後台,有一個指標叫「每次行動成本(CPA)」。那 CPA 在這檔廣告裡代表什麼意思?是將商品放到購物車,就算一個行動,還是要完成結帳才算一個行動?如果原本 CPA 的定義是加入購物車就算一個行動,但主管想看的是營收 ROI,這邊的 CPA,就應該不是你該撈出的數據。


從上述簡單的例子可以清楚知道,若不清楚數據的定義,撈出來的資料可能是錯的,那即使圖表做得再精美,這份視覺化圖表也完全沒有價值,甚至會導致決策錯誤。因此學習 資料 視覺 化 前,數據解讀能力是基本功。


三、學會整理數據

無論是行銷人常用的社群媒體、廣告投放平台,或是商務管理常用的 EPR,都有非常龐大的數據可以檢視、匯出。不過這些資料匯出後,往往還需要再整理,才是乾淨、可用的資料,方便進行資料視覺化。通常可以用 excel 或 Google Sheet 整理,所以將基本的功能、公式學起來,有利於資料視覺化過程更順暢。


四、選擇合適的資料視覺化方式


圖表有很多種,像是圓餅圖、折線圖、長條圖和地圖等,每種圖表有不同的使用時機。圓餅圖適合呈現不同比例的資料,例如不同產品佔所有營收的佔比;折線圖適合趨勢的變化,例如每個月營收的佔比。先了解不同圖表適合呈現什麼樣的數據關係,數據視覺化的過程才能順利進行。



五、檢視這份視覺化圖表的缺失


資料視覺化是將龐雜的數據資料,簡化成一眼就看得懂圖像。不過正因為要化繁為簡,因此設計上很有可能會為了圖表易讀性,一張圖表無法呈現所有該傳達的訊息。又或者雖然將所有資料視覺化後,圖表複雜度太高。因此製作完成後,要再回頭以一個要閱讀這份資料的外人角度檢視,是否太複雜,失去視覺化的意義?或者可能想呈現兩種產品在不同地區的銷售總額,但視覺化圖表的表現方式,沒辦法讓人輕易看懂?


六、思考是否有更好的優化方法


對執行資料視覺化的新手而言,很難一次就能做出最好的視覺化圖表。因此未來可以再檢視一次這份視覺化圖表,看是否有可以改進的地方。可能是小至配色不和諧,大至呈現方式過簡略,需要以另一張視覺化圖表補足。這個步驟反覆多次,資料視覺化的功力很快進能大幅提升。



資料 視覺 化 工具 推薦


數據整理、分析以及圖表熟習度的基本功都有了後,接下來就可以把這些數據可視化囉!以下介紹幾個最容易上手的資料視覺化工具,大家可以每個都試試摸索,再依據自己的需求,選擇最適合的資料 視覺 化 工具。


Excel & Google Sheet


看到這邊先別急著生氣,想說怎麼推薦這種誰都知道的工具。許多想學資料視覺化的人會有個迷思,覺得一定有什麼資料 視覺 化 工具 ,可以把數據丟進去就生成美麗圖表。但天底下沒那麼好的事。前面有提到,做出漂亮數據圖表的前提,都是要熟習數據特性與之間的關係。如果是數據新手,那麼從 Excel & Google Sheet 下手很適合,而他們本身內建的圖表工具就很不錯,如果熟練任ㄧ工具,是能夠利用他們從 0 開始,製作出專業、清晰的視覺化圖表。




Google Data Studio


近幾年竄起的 Google Data Studio,是 Google 推出的免費資料視覺化工具。既然是 Google 的,當然可以整合自家其他工具如 Google Analytics、Google Sheet、Youtube、Google Ads 等,因此如果你常用到這些工具,那麼 Google Data Studio 會是你進行數據可視化的好選擇。他有很多模板可以套用,省去思考呈現方式的煩惱。他還有動畫功能,能做出非常酷炫的視覺化效果。另外 Google Data Studio 主打他的儀表板功能,對數位行銷人而言,是很好的一種資料分析和資料視覺化的方式。




Tableau

Tableau 可以說是全球最知名的資料視覺化工具之一。不用繁複的程式也能學得起來,而且能用拖曳的方式將資料視覺化,非常直覺好用。他還有一個優點就是速度快,資料龐大也不會卡卡的,用起來很順手。目前有桌機與雲端版本,另外相較 Google Data Studio,Tableau 有更完整視覺化圖表可以選擇,因此若是要做更深度或是更高互動的資料分析與 資料 視覺 化,Tableau 會比 Google Data Studio 更好。不過當然,功能更多也代表學習起來,會比 Google Data Studio 花時間。



Power BI

這是微軟出的資料視覺化工具,如果是 Office 使用者,那麼直接選擇 Power BI 會最方便。另外 Power BI 強調同時結合分析與視覺化,因此原始、沒整理過的資料反而很適合丟進 Power BI 中,利用視覺化的方式分析資料。



Visme

大量的模板可使用是 Visme 的優勢,有點像結合「資料視覺化」和「資訊視覺化」的整合工具。除了可以把數據做成圖表,也有很多元素可以製作成資訊圖表,且視覺十分具設計感。有不少人在製作 Instagram 用的資訊圖表或數據圖表時,就會使用 Visme。


現在你是否對 資料 視覺 化 Data Visualization 有初步的認識了呢?即使不像工程師或資料科學家一樣需要會深度專業的資料處理與分析,但資料視覺化對其他領域的從業人員來說,依然是門不小的學問。想瞭解更多,可以點此索取更多整理好的學習資源,一起成為擅長數據分析與呈現的人!

延伸閱讀:

【課程推薦】資料分析與資料視覺化 - Tableau、Data Studio、GA4

成長駭客(Growth Hacking)要會什麼?100 種常用工具清單 + 一文了解所需技能和思維

免費架設網站超簡單!全球 8 大網頁設計平台,快速就能幫品牌自架網站