1、为何要做建模？
在引致酒以后去赞颂农作的爽口，在编写成曲以后去赞颂拍子的奇妙，都很难引起人民的产生共鸣。
同样道理，统计数据在建模以后，纵然统计数据挖掘师阐释时有恃无恐，效果也会打折扣。原因很简单，字比不上表，表比不上图。统计数据本身是有沟通障碍的，尤其是当我们的听众或是上级领导对统计数据不敏感时，此时的建模就相当于是一种“译者”，就像是三个知言多时的人终于相会却因为语言不同只能你颤抖我猜，这时假如送去同声译者，绝对是Kanniyakumari。
具体来说，做建模是将统计数据以及统计数据背后的逻辑，准确又高效率地传递给对方。
2、图象建模有什么样圈套和坏习惯？
图象建模的坏习惯主要整体表现在观念上，这里有三个顽固，十分没错。
一是建模“罢了”。有些厉害人物，文本收放自如密不可分，纪嫣然风趣，单凭少击众之力就能让乙方满意，领导赞许，认为建模是Toothukudi，浮夸，惯常。
二是过度建模。建模很管用但不能神格化，要正确认识，正确使用建模。那个极端有三种整体表现：
一是是将大部份统计数据逐个建模。在一份统计数据挖掘报告中有结论有印证，通常只需将蕨科假脉的趋势或是重点远距分项进行建模，其他譬如本年产品销售目标、预期毛利率等展现类的KPI分项，上三期与下期产品营业额、三个业务经理的产品销售业绩等数量较少的对比类分项，透过文本阐释即可，统计数据建模时在我看来，要失礼。
其三是将大部份统计数据集中建模。有学生曾经问“怎样在一那哥中清晰地展现一年365天的产品销售统计数据及天气变动，并分析这些变动同小时和假日的关连？”
这是典型的图象负担过重，图象和人一样都有自己的无限大，一个人retirement同时处理余件事情就会惊慌失措，图象内容过于丰富只会变得杂乱。那个时候假如将统计数据拆分成12个月，1那哥象达1个月的统计数据，多图经过排印形成图象组合，既专业又耐用。
其三是建模过于追求变动。一种是求变。据我观察有此想法的人不在少数，同一份统计数据挖掘报告每次更新都会更换新的建模类型，或是更换新的配色。这样好不好呢？人既需要新鲜感也需要稳定，比如我们看国家统计局或是专业的分析机构的建模，有自己的风格并且有延续性。另一种是求新。前一段整个朋友圈都在转发人民日报的“新冠肺炎全球疫情形势”玫瑰图，很多学生都来问我怎么做，为此我第一时间提供了制作方法，同时提醒大家把握好使用尺度和场合，求新本身没错，吓到领导是你的错了。
其四是过于迷信某种建模类型。那个观念与求新求变正好相反，可以称之为建模的保守派。我的一个老朋友特别喜欢折线图，他的报告里90%都是折线图，用折线图象达趋势变动、横向对比、多属性对比，在他眼里折线图是超级英雄般的存在。其实，不存在万能的建模类型，一类图象整体表现一类问题才是常态。
3、怎样做好图象建模，应该具备什么样原则？
把建模做好很简单也很麻烦，简单的是只需要满足听众的需求即可，麻烦的是很多时候听众的需求往往飘忽不定，难以捉摸。
听众需求有多难琢磨，这里举个例子。曾有学生问，1那哥中有6条折线，领导觉得杂乱看不明白，我建议将图象进行多区域分隔后成功过关。
过了几天那个学生又来问怎样把多折线做得清晰易懂，我很疑惑，学生说上一次通过的方案，这一次领导不喜欢了。
我猜想领导可能想要多方位多维度的分析问题，这时候一那哥象往往无法满足需求，于是就建议做成看板，层层剖析统计数据，学生说领导觉得看板里的图象太多抓不到重点。
实在抓不到这位“领导”的点，我也是无能为力了。没想到几天后学生来报喜说方案通过了，我很好奇，哪个方案这么奇妙能得到领导的青睐，学生说最初的方案。
所以想做好图象建模还是要善于思考，了解喜好，总结规律，保持原则。具体有什么样原则呢？
一是平衡性。
在建模规范与领导喜好之间寻求平衡点。大名鼎鼎的IBCS建立了关于报表、幻灯片、仪表板、图和表的制作标准，就像下图这样。
有了这些视化规范是不是直接参照就可以呢？还不行，还需要加入一些“中国特色”，也是领导的喜好，否则可能水土不服。怎样把握领导的喜好？作为一个统计数据挖掘师，这应该是一个基本功吧。
二是逻辑性。
一个好的分析师会用统计数据讲故事，统计数据建模之后故事会更吸引人，好的建模是与统计数据的逻辑完全契合，想展现什么（统计数据背后的含义）——依据是什么（统计数据的趋势变动）——结论是什么（统计数据反映的问题）。
三是准确性。
建模要忠于统计数据，刻意夸大或是美化统计数据及变动都不可取。举个例子，前一段帮一个朋友做建模，统计数据在1-50之间，做成的蝴蝶图中“统计数据1”对应的条形几乎不可见，这时候朋友就不满意了，明明有数图中却看不见这必须得改，接着又拒绝我增加“折断”的想法，万般无奈之下被逼着将“1”改成了“2”，终于露出一个“尖尖角”。一声长叹，统计数据建模时既要满足乙方需求，也要尽可能地坚持原则。
四是稳定性。
刚才在谈建模的坏习惯时，建议大家不要过于求新求变，不要执着于某一类建模类型，而是应该保持稳定性，通过增加细节适度微创新，还是领导熟悉的味道只是加了点料，保持了可视化风格延续的同时又有一点小惊喜。比如增加标准线，增加差异箭头、增加区域分隔等等。
4、建模都什么样好用的工具？
常用的建模工具主要有这4类：
一是在线建模工具。主要有镝数、花火等，优点是图象种类丰富、类型新颖、配色年轻化，还提供了一些十分酷炫动态图象，操作也比较简单，很多新媒体都在用，缺点是统计数据保密性不够。
二是编程建模工具。主要有E-charts、D3、ggplot、Matplotlib、pandas、plt等，优点是可以制作大型统计数据集和交互动画的图象，高端大气上档次，建模效果跟脑洞大小呈正比，缺点是需要有编程基础，门槛较高。
三是商业智能工具。比如国内比较有有名的FineBI等，是专业的大统计数据 BI 和分析平台，主要为企业提供一站式商业智能解决方案，用他们做统计数据挖掘和建模驾驶舱真是妥妥的，不需要写代码，而且操作比较方便，缺点是目前市场上的大部分BI都收费，不过FineBI个人版免费，这一点算是很人性化的
四是基础建模工具。主要是Excel，优点是通用、易用、实用，傻瓜式操作，基本上人人都会，使用成本较低，同时还有基于excel开发的图象插件Thinkcell Chart、Zebra Bi，国内建模大神Peter开发的Easyshu，可以高效率地制作出商业图象。缺点是Excel本身主要制作常规性的图象，很多特殊图象无法实现，功能强大的图象插件价格不菲。
山不在高有仙则名，水不在深有龙则灵。工具没有好坏，也不是越多越好，好用趁手就行，对于我个人来说这4类建模工具各有特色，但要说最容易上手，最适合入门，适合大部分人日常需求的工具，非Excel莫属。
5、关于建模应用的一些建议
一是多看。
他山之石可以攻玉，多看优秀的建模作品可以提高审美，比如Power Bi、商务周刊、经济学人、第一财经、数可视等，以及花火、镝数、Thinkcell Chart、Zebra Bi等，都可以从
二是多想。
在一些统计数据挖掘讨论群里问的80%以上的问题都是，统计数据是什么什么样的，应该做成什么样的图象？有这种困惑的主要原因还是对建模的类型不够熟悉，思考得太少，没有搭建起来建模与观点呈现之间的桥梁。
三是多练。
练习是提高建模水平最有效的手段，练习时无需过于追求复杂的制图技术，忽视图象本质。IBCS之所以能成为全世界的商业图象标准，是其对图象的标准化以及对细节的优化，降低了图象的理解难度。这里的多练是要打好基本功，掌握基本操作+常用技巧。有一个小技巧可以判断基本功是否扎实，是看到一个图象后大概能分析出来是怎样做出来的，大家不妨试试。
四是观念。
建模需要趁手的工具，个人认为比较理想的状态是熟练掌握一三个软件操作，准备一些趁手的建模模板随时能用，安装一个能提高制图效率的插件，仅此而已。
