a. 条形图，用长度作为视觉暗示，
利于直接比较。

b. 使用饼图、柱形堆叠图、瀑布图等，能在分类数据中对比占比情况。

c. 使用树形图，能在展示一级分类的子类统计，可实现维度的又一层下钻。

业务分析中，我们常常关心事物随着时间的变化趋势，以及数据随时间变化的规律(时间周期下的规律)。所以，对时序数据的探索，主要有两种模式：其一为随着时间线索向右延伸的时序图，诸如：折线图、堆积面积图等；其二为根据时间周期，统计汇总的柱形图、日历图、径向图等。

a.用于观察事物随时间线索变化的探索。

b.用于发现事物随时间周期变化规律的探索。

空间数据探索主要是期望展现或者发现业务事件在地域分布上的规律，即区域模式。全球数据通常按照国家分类，而国内数据则按照省份去分类，对于省份数据则按照市、区分类，以此类推，逐步向细分层次下钻。空间数据探索最常用为等值热力图，如图：

数据探索过程中，有时候我们需要对比多个个体多个变量，从而寻找数据个体间的差异或者数据变量间的关系。在这种情况下，我们推荐使用散点图、气泡图，或者将多个简单图表组合生成“图矩阵”，通过对比“图矩阵”来进行多元变量的探索。其中，散点图和气泡图适合变量相对较少的场景，对于变量5个及以上的场景我们更多地是推荐“图矩阵”。

所谓“一图解千言”，数据可视化作为大数据分析的最后一环必不可少，也越来越受到重视。