數據可視化就是借助于圖形化手段，清晰有效地進行信息傳達與溝通。許多人會著眼于“可視化”，認為數據可視化就是將一系列看上去很炫、很復雜的圖表展示在頁面上。其實不然，雖然可視化脫離不了各種圖表類型，但并不意味著要以增加用戶理解難度為代價去實現復雜的功能；或者為了看上去絢麗多彩而失去其最根本的意義：傳達與溝通。
數據可視化之所以會大受歡迎，其原因不僅在于能帶給用戶良好的的視覺效果，更因為它能夠產生生產力，形成數據驅動閉環，主要包含以下幾個階段：
技術人員運用技術手段將需求分析、基礎數據整合、數據計算等操作結合到一起進行數據可視化，實時監控數據的變化情況。用戶能夠使用這些可視化圖表，進行分析、對比等操作，定位業務問題。之后再結合業務變動提出新的需求。技術人員將用戶訪問數據與新的業務需求結合，重新進行數據整合、分析、計算，循環往復下去。如下圖所示：
數據驅動閉環
實現用數據可視化的方式不斷驅動業務的提升，產生生產力、創造收益。
如何使數據可視化產生生產力？
滿足這一目的的前提在于——“創造出都能讀懂、易于操作、能夠提前預警的圖表”，關鍵因素有以下幾點：
1、選擇合適的圖表類型
選擇圖表的時候，許多人認為基本圖表太過簡單，不夠高端大氣，因而更傾向選擇復雜的圖表類型。實際上越簡單的圖表越容易理解，對用戶的友好程度越高。只要能夠高效清楚地傳達業務含義，就應該優先選擇。
例如，餅圖比較適合反映某個部分占整體的比重，而折線圖能更好的反應數據變化的趨勢；分組柱狀圖和堆疊柱狀圖都能夠顯示數據集的分組情況，但是彼此間的差異卻讓它們在特定情況下顯得更加強大。在比較同一分類不同組的數據或者同組不同分類的數據時，分組柱狀圖更能體現優勢；然而在比較每個分組之間的總量時，堆疊柱狀圖顯然更加合適。下面分別使用這兩種圖表在展示不同地區、不同年齡段人口數量分布時顯示的效果：
