知識 · IT・資料・DX

數據視覺化

Data Visualization

📂IT·數據·DX⏱閱讀 2 分鐘📊入門🔗相關 6 則

什麼是資料視覺化?

一句話定義
將數字與數據轉換為圖表、圖形或地圖,讓人一眼看出其中的模式與意義。
這個主題,用企業內訓學習📚 相關課程💬 教育諮詢
⚡ 3 行重點摘要
  • 將數字轉換為圖表
  • 一眼看出模式與意義
  • 好的視覺化 = 快速理解

把數字表格換成圖表後,會議上提出的問題類型就會改變。只擺出表格時,會先冒出'這個數字是從哪來的'之類的確認問題;但若放上一條趨勢線,就會直接進入'3 月起為何下滑?'這類原因提問。視覺化真正改變的,是把閱讀所花的時間轉移到判斷上。同一份資料,會議的一半時間將用於決策,而非解讀。

圖表不是看喜好來選,而是依「現在想回答的問題」來選。要比較各項目的大小用長條圖,看隨時間的變化用折線圖,看兩個變數的關係用散布圖,看數值的分布用直方圖,看地區差異則用分級統計圖。用來呈現比重的圓餅圖,一旦切片超過五塊,眼睛就無法判斷順序,改用長條圖會比較好。一個畫面放的指標以 5~7 個為上限,超過的話就不是儀表板,而是倉庫。另外,分析師為了自己檢視而畫的探索型圖表、放進報告中的說明型圖表,以及每天查看同一批指標的監控型儀表板,性質各不相同。目的不同,即使是同一份資料,也應該畫出不同的圖。

實務上最常出錯的地方是座標軸與顏色。如果長條圖的 Y 軸不是從 0 開始,而是從 95 開始,2%p 的差距就會看起來像三倍的落差。若用這份圖表獲得投資核准,卻在看過原始資料的高階主管面前,徹底失去信任。若只用紅色與綠色來區分好壞,對有色覺異常的與會者而言,兩根長條看起來會是同一種色調,因此必須在顏色之外,再加上數字標籤或符號。3D 效果、漸層與華麗的背景不是資訊,而是雜訊;更危險的是,圖表越流暢,人們就越不會懷疑數字是錯的。花半天在美化上,卻跳過確認統計基準是否正確的 10 分鐘,這是實務上最常見的出錯模式。

會出現此術語的課程 · AI・DX
推薦課程 · 推薦講師 · 迷你報價
🧮 迷你報價 · 講師費基準
約 KRW 1,200,000 (≈ US$900)專題講座 2 小時 · 20 人以下 · 韓語
依此條件取得正式報價 →
💡 簡單來說
比起 Excel 的數字表格,圖表更能一目了然 — 讓資料「看得見」。
為什麼在實務上很重要
數據必須「被看見」才能說服人。好的視覺化能把複雜的數據,轉化為一眼就能理解的洞察。
由來與出處

統計圖表的歷史可追溯至 18 至 19 世紀的威廉·普萊費爾(William Playfair)等人,隨著電腦與 BI 工具的發展,資料視覺化才逐漸普及。

透過案例理解

以假設案例來看。A 公司是全體員工 520 名、年營收 KRW 230,000,000,000 (≈ US$172,148,000) 的食品製造商。每週一的營業會議上,都會呈上 38 頁 Excel 的週實績表,兩小時的會議中,有 1 小時 20 分鐘都花在確認「這個數字是從哪來的」。營業本部長表示「不想再看表格了」,這句話成了改版的開端。

  1. 業務企劃組的金課長翻閱近 8 週的會議逐字稿,整理出實際出現的提問共 47 個,發現其中 41 個都集中在「哪個通路漏掉了」與「比上個月少了多少」這兩個問題上。
  2. 依照這兩個問題,將各通路比較固定為橫向長條圖,13 週趨勢固定為折線圖,並把圓餅圖與 3D 效果直接從報告範本中刪除。
  3. 第一版設計放了 22 個指標,本部長表示「看不出來到底要看什麼」,因此只在首頁保留銷售額、達成率、庫存週轉率等 6 項,其餘移到點進去才看得到的細部分頁。
  4. 數據團隊的 Park 資深專員將所有長條的 Y 軸起點都固定為 0,只把未達目標的通路塗成橘色,並在長條末端標示實際數值,即使分不出顏色也能讀懂。
  5. 改版 8 週後,週一會議從 120 分鐘縮短為 55 分鐘,核對數字的提問從 41 個降為 6 個,並且31 位分店經理中有 24 位會在會議前一天先打開儀表板,養成了這個習慣。
相關術語
相關 AI 工具
與此術語相關的課程
📚第四次工業革命與大數據Nanum 經營顧問 企業內訓 · 面授/線上查看課程 →
是否需要針對此主題進行企業內訓?
立即取得負責人為您量身打造的課程規劃與報價。
教育洽詢
最後修訂 2026年9月13日 · 監修 金鍾赫

常見問題

視目的而定。趨勢用折線圖、比較用長條圖、比重用圓餅圖、分布用直方圖,是基本原則。
不是。重點在於準確傳達訊息。過度的裝飾反而會妨礙理解。
比較用長條圖、趨勢用折線圖、比例用圓餅圖或甜甜圈圖,依「想傳達的訊息」來選擇。
不是的。華麗的裝飾反而會妨礙理解。清楚、簡潔才是好的視覺化。