前面我们花了好几篇的篇幅在介绍原始资料、加工资料、资料模型，但这些都还没有办法让资料真正发挥价值，要让资料发挥价值一定是要将「资料」与「决策」相互结合。我们接下来就会陆续介绍几种常用的辅助决策工具，以及当你在想透过资料在做决策时需要注意的事情。

数值类别与图表类型

比起数字，图表对於人类相对来说更为直觉，但也潜藏更多需要注意的地方。例如下面这张图：

这是一张标准的折线图，但是意义就很难判断～。

很多人会觉得画图很难，但其实什麽资料画什麽图是有公式可循的，以下就跟各位介绍一下常看到的资料类型以及相对应的图，大家真的没有灵感的时候就可以参考这个公式。

类别型资料

例如在调查使用者资料时，性别属於类别型变数，这时候就只有两种选择

• 要强调数量就用长条图

• 要强调比例就用圆饼图
  

连续型资料

尽管连续型资料比较复杂，但也可以透过用途来选择图表

• 要强调数字区间的数量就用直方图（historgram）
  使用直方图时通常会自动帮连续资料做分组，分组越细的话曲线看起来越平缓，以年龄来说大概就是会以五岁为一组。
  直方图可以很清楚看到连续型资料分布的状况，到底是左偏还是右偏、是不是抛物线还是麦当劳或 U 字型，可以说是必备的图表。
  

• 要知道大略分布状况可以用厢型图（Box plot）
  下图范例中是用 Google Sheet 画的，没有办法呈现平均值和中位数是有点可惜，但是厢型图可以很方便地知道资料中间 50 的地方分布在哪个范围内，也可以很容易看出最高和最低的极值。但是没法知道极值的实际个数会比较可惜。
  

• 双变项散布图（Scatter Plot）
  当我们想观察两个数值型变项之间的关系，就很适合用这种图。但使用这种图时要留意，看起来有「关联」，不代表有「因果」关系！
  

• 时间序列
  只要是跟时间相关的资料，都会建议直上时间序列，可以看清楚所在意的特徵值是否根据时间有固定的模式。
  
  (https://oracledmt.blogspot.com/2006/03/time-series-forecasting-2-single-step.html)

分组比较

上述任何一种资料方法，都可以多加一个维度做分组比较，例如想要知道男性和女性的平均年龄差异的话，就可以根据性别分组，计算两组的平均值：

如何设计一张好图表

要做一张让人读懂的图表比炫酷的表重要的多：

1. 需要同时让人了解你的论点
2. 呈现的资料有如实的支持你的论点。

一个正式简报中的图表会有以下细节：

但要做好一个好图表的细节太多了，有兴趣的朋友可以参考我前年做的投影片XD
https://www.slideshare.net/liweiyang5/ss-235978080

切忌贪心

现在很多很酷炫的图表，不是不好，但是要想你跟听众沟通的重点是什麽。如果是要展示技术，酷炫当然没问题；反之，就只要集中呈现你想给观众的资讯就好。当资讯量太多时，反而会干扰听众的注意力。

一个页面、一张图、一个论点、前後论述要有逻辑。

做到这样就已经足以说服听众了。