数据可视化设计方案
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md 安装规范名 @kunlungrowth/kg-data-visualization 到 AI 助手中。
技能介绍
先解决什么问题
数据可视化最常见的失败不是“图不够好看”,而是选错图表类型:把趋势当成构成,把比较塞进饼图,或者把关系画成缺少坐标轴与编码的散点。另一个问题是表达过满,颜色、网格、边框和装饰吃掉数据墨水,读者还没看到结论就被噪声打断。本技能面向需要专业判断的工程与分析场景:你已经有指标、字段或业务问题,希望先判定数据关系,再选择图表、颜色编码和交互方式,并输出结构化方案。
技能如何工作
技能把设计过程拆成可执行步骤:
- 数据关系判定:先归类为
比较、分布、构成、关系或趋势。 - 图表类型选择:根据关系匹配可用图表,而不是从图表样式倒推。
- 颜色编码:区分
顺序、发散与分类场景,避免把顺序色板用于无关类别。 - 去杂:移除
chartjunk,提高数据墨水比,让关键数值优先被看到。 - 交互设计:在需要时加入
筛选、下钻与联动,但要说明触发条件与状态。
输入是具体需求、问题描述和约束条件;输出会按模板整理为分析报告、方案或可直接套用的步骤。它适合项目中的决策与实施,也会在方案中保留约束与取舍。
适用边界与注意点
它不适用于超出数据可视化设计专业范围的场景,也不能替代对业务口径、统计口径和数据质量的独立确认。图表选择仍要结合数据量级、维度数量、正负值、时间粒度和受众阅读目标;如果需求只是简单展示少量数字,直接选基础图表即可,不必套用完整流程。输出应作为工程决策参考,而不是自动生成最终图表。
使用场景
- 运营向管理层汇报月度指标,需要把多个维度的比较关系用柱状图呈现并去掉冗余装饰
- 产品经理要展示新功能上线前后的用户分层构成,需要判断用堆叠柱还是树图
- 分析师要探索两个变量之间的相关性,需要用散点图并明确颜色编码含义
- 前端工程师实现筛选和下钻交互,需要先拿到图表选型和交互触发条件的明确方案
适合人员
- 数据分析师:经常把复杂指标转成图表,但不确定哪种图表类型最合适
- 产品经理:要在评审会中展示产品数据关系,希望方案有步骤依据而非凭感觉
- 前端工程师:负责实现可视化交互,需要先拿到图表选型和交互逻辑的明确建议
- BI负责人:制定团队图表规范,需要理解不同数据关系对应的最佳实践