标题引用Captain Scott Kelly的半句名言，并乱译一下。别去百度了，参加Qonnection2016才可能听到。
芳菲四月，草长莺飞。掰着手指数了数，做数据分析已6年有余，非专业的也10多年了，炽热的青春都给了永无止境的Data Analysis。为何说这行永无止境？无图无真相：
有幸见证此图上的Logo指数级增长，可能稍微打个盹就被甩下了好几条华尔街了。拼颜值的飞速4G大潮中，最怕听到"丑"，或看到绚丽的"进度条"。
时代前进的脚步永远不会停下来等一个准备不充分的人……
介绍经验前先上几个图，先体会下不合适的数据分析主题。无图无真相1
图1丑到爆的关键指标分析，无从下嘴点评
图2 第一眼还可以，第二眼……还不如第一眼呢，金属质感的仪表盘，保留位数过长的销售额。界面布局毫无设计感，左重右轻。
图3 没有图例孤零零的饼图，仪表盘颜色是什么意思？上盘太重了吧，地图是遵循5色原则么……
图4 鲜艳的立体柱图，立体与平面并存的折线图，绿线的的Y轴指标的百分比哪里去咯？
图5这配色…… 业绩肿么了，红彤彤的。 条形图的X轴是月么？少了一个也多了一个，最下的折线图单位是年周，条形图应该也是吧……
图6那个满满空空的散点图看的好纠结，里面是一半液体还是40%液体？组合图的单位可不想去猜了，累……
图7 扎堆的星星，全是星星，日历，方方圆圆的选择框！ 星星，全是星星……
图8四个大泡泡堆积4个毫无关系的指标也就算了，单位还不统一，泡的大小更是和数字无关，数字显示在地图上，那个滑块真是醉了……
图9 哇…… 传说中的数据报告。 等下，年月看不全啊……客户类型发行量为嘛不按照同比排序啊…… 逼死处女座的节奏……
报表工具/BI（商业智能）项目也好，数据分析平台/数据可视化项目也罢。称自己精通各种解决方案，给客户最终提交这样的结果出去，究竟是哪里来的自信呢……
没选对工具？是没用好工具！ 同样的工具，用好了的效果。
无图无真相2，瞬间高大上：
图1 PPT
图2 还是PPT
图3 Excel
图4QlikView / QlikSense
图5 Tableau
好的数据分析主题在赏心悦目的同时，提供决策支持，辅助企业管理的，洞察分析溯源。
如何让你的数据分析工具发挥极致呢？简单扯扯：
1 数据敏感性
数据敏感性是个广义概念，关键是何为敏感？
人脑处理图形只需1/250秒，而看一个数字表格需要1~2秒。
看一堆数字中立刻能挑出异常或错误，那是金融分析师干的事情。个人的对此理解是看到维度和数字，脑中可立刻转化为合适的图形，并拓展与之关联数据及业务逻辑。
用合适的方式呈现合适的数字是数字敏感性最重要的。
2 BT--把业务语言转化为数据语言
懂业务。要求不到精通，但也要做到听懂。什么KPI，成本，利润，收入，加权平均，在途成本库存余额……必须会，必须学。 问呗，学呗，百度呗。
百度不是万能的，但不用是万万不能的。
业务部门需求是分析销售与订单的相关，最起码知道哪部分数取于销售表，订单表，入库表，库存表，人员信息表，组织架构表，产品表，地区表，客户信息表等，准备好尽可能全面的数据，才可以有下文，毕竟"巧妇难为无米之炊"。有了米，就好办，客官您是想吃粥还是想吃饭，蛋炒饭还是海鲜炒饭……
如果有了积累，懂得更多，就可以提出更完美的分析方案增加发货单表，物流明细表，运输方式表，运输设备表，收货单表，生产表，生产计划/进度表……
因为分析销售和订单不够全面，销售控制不了生产和供应链全过程，及时交货率是考核销售达成率必须要参考的指标。相当于下馆子，看了菜单，吃了炒好的美味。食品安全这么不让人放心的年代，最好看一下怎么洗菜，切菜，炒菜，装盘，传菜。
正确理解业务问题是关键中的关键。
3大开脑洞去设计
数据分析/可视化软件都只是一个工具，是提高生产力的历史必然产物。理解了业务，拟好了展现初稿，大胆的在画布上挥洒吧。仪表盘，条形图，折线图，饼图，组合图 …… 每个工具中图形组件长得都很"脸盲"，但是微调一下就可以做到眼前一亮，无图无真相2 的展示都出自最常见的软件。建议使用一些API开放性较好的软件，毕竟高手在民间，D3图表做分析超级适合。
下图左中右放在一起对比，哪个更"赏心悦目"一些呢？*均使用Qlikview11设计。
可以模仿，但不能山寨，必须在借鉴中创新。
4 换个角度来优化
赏心悦目是必须的，让数据说话也是必须的。一堆赏心悦目堆到一起，没有分析推理，一切都是无用功。分析是有逻辑的，站在使用者去设计，先A后B然后C，引导发现，下钻细分，对比参考，回溯假设。
*以下主题使用Qlikview 11设计
引导发现 -- 多角度对关键KPI呈现，销量/销售额/按区域/按时间/按大类
下钻细分-- 销量/销售额单独提炼，多角度将关键KPI更细化，维度颗粒层级逐渐变细。更利于发现业务疑难的痛点。
对比参考--纵向挖得够深，横向也要够广。找到了问题根源，具体是哪个组织/人导致的就要从横向对比参考来实现精准定位"病理"。
回溯假设--追根溯源，查找关联，假设改进。但要假设和预测都必须严谨，必要引入数据挖掘（Data Mining），算法模型（R/Alteryx）等专长工具。
用大数据/互联网的思维，引入最相关的数据，最切合管理思想，最易用的工具产品组合，让数据说实话并产生应有价值。
数据分析，挑选适合的工具，发挥各自最优之处，提供最贴切的服务。了解自身，补长短板，周循序渐进，永无止境。
正是有了梦想和火箭，Captain方知苍穹无限。
关于亦策软件--大数据整体方案供应商
一家国内领先的专注于大数据整体解决方案的高科技企业,为客户提供大数据分析平台端到端的解决方案。包括大数据技术平台、商业智能(BI)、数据挖掘软件产品与其配套的咨询、实施、培训及维护服务等。
*本文仅为作者个人观点，如有雷同，纯属巧合。