前面我們花了好幾篇的篇幅在介紹原始資料、加工資料、資料模型，但這些都還沒有辦法讓資料真正發揮價值，要讓資料發揮價值一定是要將「資料」與「決策」相互結合。我們接下來就會陸續介紹幾種常用的輔助決策工具，以及當你在想透過資料在做決策時需要注意的事情。

數值類別與圖表類型

比起數字，圖表對於人類相對來說更為直覺，但也潛藏更多需要注意的地方。例如下面這張圖：

這是一張標準的折線圖，但是意義就很難判斷～。

很多人會覺得畫圖很難，但其實什麼資料畫什麼圖是有公式可循的，以下就跟各位介紹一下常看到的資料類型以及相對應的圖，大家真的沒有靈感的時候就可以參考這個公式。

類別型資料

例如在調查使用者資料時，性別屬於類別型變數，這時候就只有兩種選擇

• 要強調數量就用長條圖

• 要強調比例就用圓餅圖
  

連續型資料

儘管連續型資料比較複雜，但也可以透過用途來選擇圖表

• 要強調數字區間的數量就用直方圖（historgram）
  使用直方圖時通常會自動幫連續資料做分組，分組越細的話曲線看起來越平緩，以年齡來說大概就是會以五歲為一組。
  直方圖可以很清楚看到連續型資料分布的狀況，到底是左偏還是右偏、是不是拋物線還是麥當勞或 U 字型，可以說是必備的圖表。
  

• 要知道大略分佈狀況可以用廂型圖（Box plot）
  下圖範例中是用 Google Sheet 畫的，沒有辦法呈現平均值和中位數是有點可惜，但是廂型圖可以很方便地知道資料中間 50 的地方分佈在哪個範圍內，也可以很容易看出最高和最低的極值。但是沒法知道極值的實際個數會比較可惜。
  

• 雙變項散佈圖（Scatter Plot）
  當我們想觀察兩個數值型變項之間的關係，就很適合用這種圖。但使用這種圖時要留意，看起來有「關聯」，不代表有「因果」關係！
  

• 時間序列
  只要是跟時間相關的資料，都會建議直上時間序列，可以看清楚所在意的特徵值是否根據時間有固定的模式。
  
  (https://oracledmt.blogspot.com/2006/03/time-series-forecasting-2-single-step.html)

分組比較

上述任何一種資料方法，都可以多加一個維度做分組比較，例如想要知道男性和女性的平均年齡差異的話，就可以根據性別分組，計算兩組的平均值：

如何設計一張好圖表

要做一張讓人讀懂的圖表比炫酷的表重要的多：

1. 需要同時讓人了解你的論點
2. 呈現的資料有如實的支持你的論點。

一個正式簡報中的圖表會有以下細節：

但要做好一個好圖表的細節太多了，有興趣的朋友可以參考我前年做的投影片XD
https://www.slideshare.net/liweiyang5/ss-235978080

切忌貪心

現在很多很酷炫的圖表，不是不好，但是要想你跟聽眾溝通的重點是什麼。如果是要展示技術，酷炫當然沒問題；反之，就只要集中呈現你想給觀眾的資訊就好。當資訊量太多時，反而會干擾聽眾的注意力。

一個頁面、一張圖、一個論點、前後論述要有邏輯。

做到這樣就已經足以說服聽眾了。