随着全球数据量快速增长，要将这些信息识别、处理并可视化为易于理解和共享、从而可付诸行动的形式，变得愈发复杂。仪表板正是为此而生。
仪表板是分析流程中的关键组件，因为它以易于消化的形式为各类相关方提供信息概览。仪表板的终极目标，是帮助用户做出更优决策，并将不断增长的数据池转化为优势。
本文将深入解析高质量仪表板设计背后的艺术与科学，并概述您今天就能上手使用、以便部署仪表板的各类工具。
仪表板有哪些类型？
选择合适的仪表板对于传递有影响力的数据洞察至关重要。然而，随着数据体量与复杂性不断提升，以及希望通过仪表板消费数据的受众类型多样化，面对如何设计仪表板感到不知所措也就不足为奇。在构建仪表板时，务必要了解哪一类仪表板最适合您的特定受众。最常见的类型如下：
1. 运营型仪表板
运营型仪表板用于监控实时数据，跟踪各项业务运营的端到端表现，并通过清晰的数据可视化传达洞察。它们面向日常工作场景，提供关于实时动态的时效性洞察与提醒。运营型仪表板持续更新，便于一眼决策。其主要受众是经理与运营团队。示例如下：
- 营销仪表板—网站表现指标，如跳出率、用户终身价值、平均会话时长等
- 软件开发—系统崩溃分析、可用性监控、云服务计费监控等
2. 战略型仪表板
战略型仪表板主要供高管、总监或企业所有者监控长期的公司 OKR 与 KPI。它们为组织或部门整体表现提供高层更新。与面向日常查看的运营型仪表板相比，战略型仪表板的数据更新频率较低。由于需要准确追踪分散数据源中的全组织范围指标，这类仪表板的创建更为复杂。示例包括：
- 全组织—一目了然地跟踪营收与公司 OKR
- 全部门—从获客到购买，跟踪营销漏斗
3. 分析型仪表板
顾名思义，分析型仪表板用于分析与消费大量复杂数据。现代仪表板工具为使用者与从业者提供下钻选项、丰富的筛选器，以及处理海量数据的能力。借助分析型仪表板，人们不止是浏览指标，还能进一步探究数据背后的驱动因素与动态。
分析型仪表板的主要受众更偏技术向，从数据科学家、分析师等从业者到希望深入挖掘洞察的管理者皆可。示例包括：
- 财务—可按渠道、产品、资产等维度细分营收的财务表现仪表板
- 营销—Google Analytics 仪表板，既提供高层指标，也可下钻至渠道、引荐、流量来源等
如何打造优秀的仪表板
仪表板的主要目标是降低复杂性并提供清晰度。优秀的仪表板通过直观、简洁的数据可视化来简化复杂信息。以下是一些设计最佳实践，帮助您与受众高效沟通洞察：
设身处地站在受众角度
若要打造有影响力的仪表板，您需要深入体察将要使用它的受众。这意味着要充分了解受众的专业领域与技术水平。此外，您需要认真思考他们在仪表板中最关心的洞察。例如，营销分析师更在意针对具体营销活动的报告；相反，营销负责人则更关注覆盖整个营销漏斗的仪表板。这可以说是最重要的步骤之一，它将确保您的仪表板被真正采纳使用。
清理冗余
仪表板容易变得杂乱无章，尤其当您很想把手头的各种图形、图表与表格都呈现给受众时。为避免产生难以阅读、信息拥挤的仪表板，请自问所包含内容是否与受众相关，并尽可能去除不必要元素。另外，要认识到构建仪表板是一个迭代过程。在构建过程中请时刻关注受众反馈。
使用网格布局
在设计仪表板时，应考虑使用网格布局。根据Andy Cotgreave（Tableau 技术福音师、《Big Book of Dashboards》合著者）的观点，人类天生倾向于从左到右、从上到下地观看信息。使用网格布局能帮助受众以更独立、直观的方式浏览仪表板。实践中，这意味着从左上角开始放置高层指标，随后沿着网格向下和向右逐步下钻数据。
注意字体
尽管可能会想使用不同字体和字号，但一般而言应坚持使用一种字体，且字号不超过 3 种。遵循字体层级，让标题大于正文，并用粗体突出关键元素和标题。变化字号与字重也是引导受众关注仪表板特定元素的好方法，但请适度使用。
巧用色彩
可以说，色彩是任何数据可视化或仪表板中最吸睛的要素之一。因此，请认真选择您的可视化配色方案。这意味着在所有可视化中保持一致的色彩调性，并系统性地使用颜色区分群组、重要程度与不同的信息层级。
加载快就是胜利
在数字产品中，加载时间至关重要，仪表板也不例外。无论您的仪表板多么信息丰富、视觉出众，若加载缓慢，几乎不会被采纳。长加载时间可能由数据量大、仪表板内的数据转换、过多筛选器、以及渲染耗时的复杂可视化引起。减少加载时间的有效方法包括降低冗余，并确保复杂的数据转换以视图形式存储在数据库中。
测试可用性
设计仪表板最重要的要素之一是必须进行测试。原型完成后，您需要站在受众角度思考他们如何感知并使用您的仪表板。记录其使用行为，思考如何让仪表板更高效、更有效。要让项目成功，测试是关键。通过测试您能了解仪表板的实际感知效果，从而基于反馈不断迭代设计。
迭代与协作
一次就把仪表板做对并非必要。创建仪表板是一个漫长而全面的过程，您需要给自己足够时间。为呈现最佳成果，您需要有时间审视并获得更全面的视角。优秀的仪表板都经历了大量迭代，不断改进需要时间——这完全可以接受。
打造出色仪表板的工具
入门仪表板制作非常容易，且可用工具众多。然而，选择过多也容易造成“分析瘫痪”。本节我们将拆解当下数据从业者最常用来创建仪表板的工具。在评估用于创建仪表板的数据工具时，请考虑以下特性：
- 数据源连接器：将工具连接到不同数据源是否容易？
- 协作功能：是否提供评论、编辑、共享与托管等协作特性？
- 渲染速度：仪表板渲染与加载速度如何？
- 易用性：是否需要编程知识，还是拥有门槛较低的拖拽式界面？
- 成本：是开源框架还是需要购买许可证？
以下是功能丰富的工具清单，助您开始构建优秀的仪表板与数据可视化：
1. Power BI
Microsoft 的 Power BI 是最受欢迎的商业智能工具之一。凭借其简洁的界面与广泛的功能，已成为数据从业者与业务用户的默认之选。它配备精致的拖拽式界面，并拥有海量数据源连接器，帮助您从一开始就构建可用于生产的仪表板。Power BI 便于与团队成员协作，可无缝构建、编辑与共享——体验类似于使用 SharePoint 等其他微软产品。
主要特性
Power BI 仪表板示例
2. Tableau
Tableau 是当今功能最丰富的商业智能工具之一。其于 2003 年在加州山景城创立，已成为现代分析师的事实标准 BI 工具。它提供拖拽式界面，使非编程人士也能轻松创建仪表板。Tableau 支持数量最多的数据源连接器，从不同来源获取数据毫无压力。它支持项目协作，并可通过 Tableau Server 分享与托管仪表板。通过合理规划、内存数据存储与数据提取，可优化渲染速度。Tableau 建议参考这些性能建议以实现极快的渲染时间。
Tableau 还拥有非常强大且活跃的社区，并提供对 Tableau Public 的免费访问，聚合了成千上万名用户。与其他 BI 工具相比，Tableau Desktop 专业版的定价处于较高区间。
主要特性
- 快速渲染：借助内存存储与数据提取，Tableau 在处理大数据集时表现优异
- 活跃社区：拥有超活跃的社区，可获取灵感与解决问题
- 产品成熟：自 2003 年以来持续迭代与改进，使用体验流畅且稳定
- 高度自定义：多种可视化、字体、颜色、大小、行列、网格、屏幕尺寸等功能，助您打造高度可定制的仪表板
- 数据源连接器：可使用内置的Tableau 数据连接器连接存放于不同位置的多种数据
Tableau 仪表板示例
3. Python 的 Dash 包
Dash 是由 Plotly 的创建者开发的开源库。它让您无需学习 HTML、CSS 和 JavaScript，就能构建交互式的 Python 仪表板。该包免费且易于安装。与拖拽式 GUI 不同，Dash 采用代码优先的方法来构建图表与仪表板。它面向更技术型的受众，如数据分析师、数据科学家、机器学习工程师、Python 开发者与数据工程师。要连接不同数据源，您可以依赖现有的 Python 包，但需要通过代码进行配置，增加了工作量。
由于该方案基于 Python，它在构建高度可定制的仪表板方面提供了更高的灵活性。不过，对于不熟悉 Python 及其相关包的人而言，学习曲线较陡。且在自行管理的前提下，可视化超大数据集有时会出现卡顿。此外，发布 Dash 构建的仪表板并非“点一下按钮”那么简单——需要将其打包并部署到 AWS、Heroku、GCP 等云服务上。
主要特性
- 基于 Python：虽然相比拖拽式工具学习曲线更陡，但这也是一大优势——可提供高度灵活性
- 版本控制：作为代码优先工具，可使用 Git 等版本控制工具保存与管理不同迭代版本
- 开源：开源包，免费使用。
- 可定制：在可定制性方面名列前茅，其仪表板画廊便是明证
Dash 仪表板示例
4. Python 的 Streamlit 包
Streamlit 是另一款完全开源的 Python 包，更侧重于创建与部署以机器学习为核心的数据应用。不过，它也同样是很好的仪表板工具。该可视化包专为数据科学家打造，对 Python 用户而言学习曲线相当低。Streamlit 提供预定义方法来构建简单可视化。若您掌握pandas 的基础数据处理，本库非常容易上手。它提供后台刷新、数据缓存以加速前端，以及用于分享的录屏功能。
主要特性
- 基于 Python：与 Dash 类似，提供高度灵活性
- 学习门槛低：构建 Streamlit 仪表板的体验类似在 Jupyter 中使用pandas，对任何 Python 用户都比较友好
- 版本控制：作为代码优先工具，可使用 Git 等版本控制工具保存与管理不同迭代版本
- 开源：Streamlit 可免费使用
Streamlit 仪表板示例
5. R 的 Shiny 包
可以说是 R 的“杀手级应用”之一，Shiny 是最优秀的代码类仪表板工具之一。Shiny 允许从业者在无需掌握 HTML、CSS 或 JavaScript 的情况下，用 R 开发功能齐全的 Web 应用。自 2012 年发布以来，Shiny 历经十年迭代与改进，成为极其稳定、功能丰富的开源仪表板工具。与本文其他代码类工具类似，它提供高水平的灵活性与可定制性，并能与其他 R 包良好配合。
主要特性：
- 基于 R：与本清单中的其他代码工具相似，提供高度灵活性
- 版本控制：作为代码优先工具，可使用 Git 等版本控制工具保存与管理不同迭代版本
- 开源：开源包，免费使用。
- 可定制：在可定制性方面名列前茅，其仪表板画廊便是明证
Shiny 仪表板示例：
打破“规则”
以用户为中心的设计与高质量的数据可视化，是传达数据的不二法门。每个仪表板在目标、需求与限制上都各不相同，但它们成功的共同点只有一个：积极的迭代过程。请记住，没有哪个仪表板第一次就完美。唯有持续获取反馈并改进，才能让您的仪表板更高效、更直观。
此外，仪表板不必完全功利化。审美与功能之间的取舍往往是伪命题。因此，尽可以不拘泥于严格规范，尽情在仪表板与可视化中发挥创意——只要始终牢记您的受众，以及他们如何与您的作品互动即可。
若想获取更多关于数据可视化、仪表板与数据叙事的资源，请查看以下内容：
随着全球数据量快速增长，要将这些信息识别、处理并可视化为易于理解和共享、从而可付诸行动的形式，变得愈发复杂。仪表板正是为此而生。
仪表板是分析流程中的关键组件，因为它以易于消化的形式为各类相关方提供信息概览。仪表板的终极目标，是帮助用户做出更优决策，并将不断增长的数据池转化为优势。
本文将深入解析高质量仪表板设计背后的艺术与科学，并概述您今天就能上手使用、以便部署仪表板的各类工具。
仪表板有哪些类型？
选择合适的仪表板对于传递有影响力的数据洞察至关重要。然而，随着数据体量与复杂性不断提升，以及希望通过仪表板消费数据的受众类型多样化，面对如何设计仪表板感到不知所措也就不足为奇。在构建仪表板时，务必要了解哪一类仪表板最适合您的特定受众。最常见的类型如下：
1. 运营型仪表板
运营型仪表板用于监控实时数据，跟踪各项业务运营的端到端表现，并通过清晰的数据可视化传达洞察。它们面向日常工作场景，提供关于实时动态的时效性洞察与提醒。运营型仪表板持续更新，便于一眼决策。其主要受众是经理与运营团队。示例如下：
2. 战略型仪表板
战略型仪表板主要供高管、总监或企业所有者监控长期的公司 OKR 与 KPI。它们为组织或部门整体表现提供高层更新。与面向日常查看的运营型仪表板相比，战略型仪表板的数据更新频率较低。由于需要准确追踪分散数据源中的全组织范围指标，这类仪表板的创建更为复杂。示例包括：
3. 分析型仪表板
顾名思义，分析型仪表板用于分析与消费大量复杂数据。现代仪表板工具为使用者与从业者提供下钻选项、丰富的筛选器，以及处理海量数据的能力。借助分析型仪表板，人们不止是浏览指标，还能进一步探究数据背后的驱动因素与动态。
分析型仪表板的主要受众更偏技术向，从数据科学家、分析师等从业者到希望深入挖掘洞察的管理者皆可。示例包括：
如何打造优秀的仪表板
仪表板的主要目标是降低复杂性并提供清晰度。优秀的仪表板通过直观、简洁的数据可视化来简化复杂信息。以下是一些设计最佳实践，帮助您与受众高效沟通洞察：
设身处地站在受众角度
若要打造有影响力的仪表板，您需要深入体察将要使用它的受众。这意味着要充分了解受众的专业领域与技术水平。此外，您需要认真思考他们在仪表板中最关心的洞察。例如，营销分析师更在意针对具体营销活动的报告；相反，营销负责人则更关注覆盖整个营销漏斗的仪表板。这可以说是最重要的步骤之一，它将确保您的仪表板被真正采纳使用。
清理冗余
仪表板容易变得杂乱无章，尤其当您很想把手头的各种图形、图表与表格都呈现给受众时。为避免产生难以阅读、信息拥挤的仪表板，请自问所包含内容是否与受众相关，并尽可能去除不必要元素。另外，要认识到构建仪表板是一个迭代过程。在构建过程中请时刻关注受众反馈。
使用网格布局
在设计仪表板时，应考虑使用网格布局。根据Andy Cotgreave（Tableau 技术福音师、《Big Book of Dashboards》合著者）的观点，人类天生倾向于从左到右、从上到下地观看信息。使用网格布局能帮助受众以更独立、直观的方式浏览仪表板。实践中，这意味着从左上角开始放置高层指标，随后沿着网格向下和向右逐步下钻数据。
注意字体
尽管可能会想使用不同字体和字号，但一般而言应坚持使用一种字体，且字号不超过 3 种。遵循字体层级，让标题大于正文，并用粗体突出关键元素和标题。变化字号与字重也是引导受众关注仪表板特定元素的好方法，但请适度使用。
巧用色彩
可以说，色彩是任何数据可视化或仪表板中最吸睛的要素之一。因此，请认真选择您的可视化配色方案。这意味着在所有可视化中保持一致的色彩调性，并系统性地使用颜色区分群组、重要程度与不同的信息层级。
加载快就是胜利
在数字产品中，加载时间至关重要，仪表板也不例外。无论您的仪表板多么信息丰富、视觉出众，若加载缓慢，几乎不会被采纳。长加载时间可能由数据量大、仪表板内的数据转换、过多筛选器、以及渲染耗时的复杂可视化引起。减少加载时间的有效方法包括降低冗余，并确保复杂的数据转换以视图形式存储在数据库中。
测试可用性
设计仪表板最重要的要素之一是必须进行测试。原型完成后，您需要站在受众角度思考他们如何感知并使用您的仪表板。记录其使用行为，思考如何让仪表板更高效、更有效。要让项目成功，测试是关键。通过测试您能了解仪表板的实际感知效果，从而基于反馈不断迭代设计。
迭代与协作
一次就把仪表板做对并非必要。创建仪表板是一个漫长而全面的过程，您需要给自己足够时间。为呈现最佳成果，您需要有时间审视并获得更全面的视角。优秀的仪表板都经历了大量迭代，不断改进需要时间——这完全可以接受。
打造出色仪表板的工具
入门仪表板制作非常容易，且可用工具众多。然而，选择过多也容易造成“分析瘫痪”。本节我们将拆解当下数据从业者最常用来创建仪表板的工具。在评估用于创建仪表板的数据工具时，请考虑以下特性：
以下是功能丰富的工具清单，助您开始构建优秀的仪表板与数据可视化：
1. Power BI
Microsoft 的 Power BI 是最受欢迎的商业智能工具之一。凭借其简洁的界面与广泛的功能，已成为数据从业者与业务用户的默认之选。它配备精致的拖拽式界面，并拥有海量数据源连接器，帮助您从一开始就构建可用于生产的仪表板。Power BI 便于与团队成员协作，可无缝构建、编辑与共享——体验类似于使用 SharePoint 等其他微软产品。
主要特性
Power BI 仪表板示例
2. Tableau
Tableau 是当今功能最丰富的商业智能工具之一。其于 2003 年在加州山景城创立，已成为现代分析师的事实标准 BI 工具。它提供拖拽式界面，使非编程人士也能轻松创建仪表板。Tableau 支持数量最多的数据源连接器，从不同来源获取数据毫无压力。它支持项目协作，并可通过 Tableau Server 分享与托管仪表板。通过合理规划、内存数据存储与数据提取，可优化渲染速度。Tableau 建议参考这些性能建议以实现极快的渲染时间。
Tableau 还拥有非常强大且活跃的社区，并提供对 Tableau Public 的免费访问，聚合了成千上万名用户。与其他 BI 工具相比，Tableau Desktop 专业版的定价处于较高区间。
主要特性
Tableau 仪表板示例
3. Python 的 Dash 包
Dash 是由 Plotly 的创建者开发的开源库。它让您无需学习 HTML、CSS 和 JavaScript，就能构建交互式的 Python 仪表板。该包免费且易于安装。与拖拽式 GUI 不同，Dash 采用代码优先的方法来构建图表与仪表板。它面向更技术型的受众，如数据分析师、数据科学家、机器学习工程师、Python 开发者与数据工程师。要连接不同数据源，您可以依赖现有的 Python 包，但需要通过代码进行配置，增加了工作量。
由于该方案基于 Python，它在构建高度可定制的仪表板方面提供了更高的灵活性。不过，对于不熟悉 Python 及其相关包的人而言，学习曲线较陡。且在自行管理的前提下，可视化超大数据集有时会出现卡顿。此外，发布 Dash 构建的仪表板并非“点一下按钮”那么简单——需要将其打包并部署到 AWS、Heroku、GCP 等云服务上。
主要特性
Dash 仪表板示例
4. Python 的 Streamlit 包
Streamlit 是另一款完全开源的 Python 包，更侧重于创建与部署以机器学习为核心的数据应用。不过，它也同样是很好的仪表板工具。该可视化包专为数据科学家打造，对 Python 用户而言学习曲线相当低。Streamlit 提供预定义方法来构建简单可视化。若您掌握pandas 的基础数据处理，本库非常容易上手。它提供后台刷新、数据缓存以加速前端，以及用于分享的录屏功能。
主要特性
Streamlit 仪表板示例
5. R 的 Shiny 包
可以说是 R 的“杀手级应用”之一，Shiny 是最优秀的代码类仪表板工具之一。Shiny 允许从业者在无需掌握 HTML、CSS 或 JavaScript 的情况下，用 R 开发功能齐全的 Web 应用。自 2012 年发布以来，Shiny 历经十年迭代与改进，成为极其稳定、功能丰富的开源仪表板工具。与本文其他代码类工具类似，它提供高水平的灵活性与可定制性，并能与其他 R 包良好配合。
主要特性：
Shiny 仪表板示例：
打破“规则”
以用户为中心的设计与高质量的数据可视化，是传达数据的不二法门。每个仪表板在目标、需求与限制上都各不相同，但它们成功的共同点只有一个：积极的迭代过程。请记住，没有哪个仪表板第一次就完美。唯有持续获取反馈并改进，才能让您的仪表板更高效、更直观。
此外，仪表板不必完全功利化。审美与功能之间的取舍往往是伪命题。因此，尽可以不拘泥于严格规范，尽情在仪表板与可视化中发挥创意——只要始终牢记您的受众，以及他们如何与您的作品互动即可。
若想获取更多关于数据可视化、仪表板与数据叙事的资源，请查看以下内容：