占比情况用什么样的大数据表现

A. 用于图表展示的大数据用什么分析

大数据可视化分析，大数据魔镜，国内首款免费大数据可视化分析工具。

还有更多功能，自己去发掘吧。

B. 用图表反应要统计的数据,最好用哪种统计图

除了柱状图、条形图、折线图、饼图等常用图表之外，还有数据地图、瀑布图和散点图，旭日图，漏斗图等等。一起了解下不同图表的使用场景、优劣势！

1.柱状图

适用场景：适用场合是二维数据集（每个数据点包括两个值x和y），但只有一个维度需要比较，用于显示一段时间内的数据变化或显示各项之间的比较情况。

优势：柱状图利用柱子的高度，反映数据的差异，肉眼对高度差异很敏感。

劣势：柱状图的局限在于只适用中小规模的数据集。

延伸图表：堆积柱状图、百分比堆积柱状图

不仅可以直观的看出每个系列的值，还能够反映出系列的总和，尤其是当需要看某一单位的综合以及各系列值的比重时，最适合。

2.条形图

适用场景：显示各个项目之间的比较情况，和柱状图类似的作用；

优势：每个条都清晰表示数据，直观；

延伸图表：堆积条形图、百分比堆积条形图

3.折线图

适用场景: 折线图适合二维的大数据集，还适合多个二维数据集的比较。

优势：容易反应出数据变化的趋势。

4.各种数据地图（一共有6种类型）

适用场景：适用于有空间位置的数据集；

优劣势：特殊状况下使用，涉及行政区域；

（1）行政地图（面积图）

（2）行政地图（气泡图）

（3）地图图表（根据经纬度，可做区域、全国甚至全球地图）：点状图

（4）地图图表：热力图

（5）地图图表：散点图

（6）地图图表：地图+柱状/饼图/条形

5.饼图（环图）

适用场景：显示各项的大小与各项总和的比例。适用简单的占比比例图，在不要求数据精细的情况适用。

优势：明确显示数据的比例情况，尤其合适渠道来源等场景。

劣势：肉眼对面积大小不敏感。

6.雷达图

适用场景：雷达图适用于多维数据（四维以上），且每个维度必须可以排序，数据点一般6个左右，太多的话辨别起来有困难。

优势：主要用来了解公司各项数据指标的变动情形及其好坏趋向。

劣势：理解成本较高。

7.漏斗图

适用场景：漏斗图适用于业务流程多的流程分析，显示各流程的转化率。

优势:在网站分析中，通常用于转化率比较，它不仅能展示用户从进入网站到实现购买的最终转化率，还可以展示每个步骤的转化率，能够直观地发现和说明问题所在。

劣势:单一漏斗图无法评价网站某个关键流程中各步骤转化率的好坏。

8.词云

适用场景： 显示词频，可以用来做一些用户画像、用户标签的工作。

优势：很酷炫、很直观的图表。劣势：使用场景单一，一般用来做词频。

9.散点图

适用场景：显示若干数据系列中各数值之间的关系，类似XY轴，判断两变量之间是否存在某种关联。散点图适用于三维数据集，但其中只有两维需要比较。

优势：对于处理值的分布和数据点的分簇，散点图都很理想。如果数据集中包含非常多的点，那么散点图便是最佳图表类型。

劣势：在点状图中显示多个序列看上去非常混乱。

延伸图表：气泡图（调整尺寸大小就成气泡图了）

10.面积图

适用场景：强调数量随时间而变化的程度，也可用于引起人们对总值趋势的注意。

延伸图表：堆积面积图、百分比堆积面积图还可以显示部分与整体之间（或者几个数据变量之间）的关系。

11.指标卡

适用场景：显示某个数据结果&同环比数据。

优势：适用场景很多，很直观告诉看图者数据的最终结果，一般是昨天、上周等，还可以看不同时间维度的同环比情况。

劣势：只是单一的数据展示，最多有同环比，但是不能对比其他数据。

12.计量图

适用场景：一般用来显示项目的完成进度。

优势：很直观展示项目的进度情况，类似于进度条。

劣势：表达效果很明确，数据场景比较单一。

13.瀑布图

适用场景：采用绝对值与相对值结合的方式，适用于表达数个特定数值之间的数量变化关系，最终展示一个累计值。

优势：展示两个数据点之间的演变过程，还可以展示数据是如何累计的。

劣势：没有柱状图、条形图的使用场景多。

14.桑基图

适用场景：一种特定类型的流程图，始末端的分支宽度总各相等，一个数据从始至终的流程很清晰，图中延伸的分支的宽度对应数据流量的大小，通常应用于能源、材料成分、金融等数据的可视化分析。

15.旭日图

适用场景：旭日图可以表达清晰的层级和归属关系，以父子层次结构来显示数据构成情况，旭日图能便于细分溯源分析数据，真正了解数据的具体构成。

优势：分层看数据很直观，逐层下钻看数据。

16.双轴图

适用场景：柱状图+折线图的结合，适用情况很多，数据走势、数据同环比对比等情况都能适用。

优势：特别通用，是柱状图+折线图的结合，图表很直观。

劣势：这个好像没什么劣势，个人感觉。

所有的数据图表均来自BDP个人版~~~数据图表（数据报告）综合效果如下：

C. 大数据分析中，有哪些常见的大数据分析模型

很多朋友还没有接触过大数据分析方案，认为其仅仅算是个愿景而非现实——毕竟能够证明其可行性与实际效果的案例确实相对有限。但可以肯定的是，实时数据流中包含着大量重要价值，足以帮助企业及人员在未来的工作中达成更为理想的结果。那么，那些领域需要实时的数据分析呢？

1、医疗卫生与生命科学

2、保险业

3、电信运营商

4、能源行业

5、电子商务

6、运输行业

7、投机市场

8、执法领域

9、技术领域

常见数据分析模型有哪些呢？

1、行为事件分析：行为事件分析法具有强大的筛选、分组和聚合能力，逻辑清晰且使用简单，已被广泛应用。

2、漏斗分析模型：漏斗分析是一套流程分析，它能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型。

3、留存分析模型留存分析是一种用来分析用户参与情况/活跃程度的分析模型，考察进行初始化行为的用户中，有多少人会进行后续行为。这是用来衡量产品对用户价值高低的重要方法。

4、分布分析模型分布分析是用户在特定指标下的频次、总额等的归类展现。

5、点击分析模型即应用一种特殊亮度的颜色形式，显示页面或页面组区域中不同元素点点击密度的图标。

6、用户行为路径分析模型用户路径分析，顾名思义，用户在APP或网站中的访问行为路径。为了衡量网站优化的效果或营销推广的效果，以及了解用户行为偏好，时常要对访问路径的转换数据进行分析。

7、用户分群分析模型用户分群即用户信息标签化，通过用户的历史行为路径、行为特征、偏好等属性，将具有相同属性的用户划分为一个群体，并进行后续分析。

8、属性分析模型根据用户自身属性对用户进行分类与统计分析，比如查看用户数量在注册时间上的变化趋势、省份等分布情况。

模型再多，选择一种适合自己的就行，如何利益最大化才是我们追求的目标

D. 如何使用大数据分析的方法对财务指标进行数据分析

1、垂直分析：主要是分析总体与部分之间的比例，对于某个项目占总体报表项目的比重，又叫做结构分析。

第一步，首先计算确定财务报表中各项目占总额的比重或百分比。第二步，通过各项目的占比，分析其在企业经营中的重要性。一般项目占比越大，其重要程度越高，对公司总体的影响程度越大。第三步，将分析期各项目的比重与前期同项目比重对比，研究各项目的比重变动情况，对变动较大的重要项目进一步分析。

2、水平分析：主要是横向分析报表中变化率最大的项目，将财务报表各项目报告期的数据与上一期的数据进行对比，分析企业财务数据变动情况。

水平分析进行的对比，一般不是只对比一两个项目，而是把财务报表报告期的所有项目与上一期进行全面的综合的对比分析，揭示各方面存在的问题，为进一步全面深入分析企业财务状况打下了基础，所以水平分析法是会计分析的基本方法。

6、比较分析：包括两个方面，一是企业内部的指标数据分析，比如销售额；二是和最主要的竞争对手进行对比分析，内容包括竞争力、财务能力等。