1. 项目概述为什么一张盒须图比十张柱状图更有说服力在Excel里画个柱状图、折线图对大多数职场人来说已经是肌肉记忆了——选数据、点插入、挑样式三步搞定。但当你需要向老板汇报“上季度各区域销售业绩的稳定性”或者给研发团队解释“新旧两版算法响应时间的离散程度”又或者在质量分析报告中说明“某批次零件尺寸的异常波动范围”时柱状图立刻就哑火了。它只能告诉你“平均值是多少”却完全无法回答“数据到底有多分散”“有没有极端异常值”“上下四分位之间的主体分布是否对称”。这时候Box and Whisker Plot盒须图/箱线图就不是“可选项”而是“必选项”。它用五个数字——最小值、第一四分位数Q1、中位数Q2、第三四分位数Q3、最大值——构建出一个视觉化的数据骨架把分布形态、集中趋势、离散程度、异常点一网打尽。我做过一个真实对比用柱状图展示6个部门的客户投诉处理时长老板只记住了“客服部平均最慢”换成盒须图后他一眼就抓住了“技术部虽然平均快但Q3到最大值的须特别长说明有大量超长工单拖累了整体印象”。这才是数据可视化该有的力量——不讲平均故事直击分布本质。本文所有操作均基于Excel 365和Excel 2019及以上版本不依赖任何插件或外部工具你打开Excel就能跟着做核心关键词就是Excel盒须图、箱线图制作、四分位数计算、异常值识别、图表自定义。2. 核心思路拆解为什么Excel的盒须图不是“画出来”而是“算出来”很多人第一次尝试做盒须图会直接去“插入”菜单里找“箱线图”图标点开却发现数据根本对不上——中位数线歪了须的长度怪怪的甚至出现负值。问题不在于操作步骤而在于没理解Excel盒须图的底层逻辑它不是基于原始数据点直接绘制的图形而是基于一组预计算的统计量生成的图表类型。这就像你不能指望Excel用“插入形状”里的矩形和线条手动拼出一个准确的盒须图因为那需要你精确算出Q1、Q2、Q3、上下须界、异常值阈值再手动定位、拉伸、标注。Excel的原生盒须图功能本质上是一个“统计图表渲染器”它要求你提供的是“已经清洗、分组、计算好的汇总统计表”而不是原始流水账数据。因此整个流程必须拆成两个不可合并的阶段第一阶段是严谨的统计计算用Excel函数QUARTILE.EXC、MEDIAN、MIN、MAX等逐个求出每个数据组的五个关键值第二阶段才是图表绘制将这些计算结果作为源数据插入盒须图。跳过第一阶段直接选原始数据插入Excel会自动帮你“估算”这些值但它的估算规则比如默认用QUARTILE.INC而非更常用的QUARTILE.EXC和你的业务需求往往不一致导致结果失真。我曾帮一个供应链团队复盘供应商交货周期他们最初用原始数据一键生成盒须图发现A供应商的“须”特别短以为很稳定后来我带他们手动计算发现Excel用INC函数把Q1算高了实际下须应该延伸到更早的时间点暴露出一批早期严重延迟的订单被掩盖了。所以本文的核心设计思路非常明确先用函数“算透”再用图表“画准”。这个思路不仅保证结果绝对可控更让你在向同事解释“为什么这个须这么长”时能直接指着单元格里的公式说“看这是Q31.5×IQR的结果”。2.1 统计基础四分位数与IQR不是数学概念而是业务语言在动手前必须把几个核心统计概念掰开揉碎因为它们直接对应着你在业务场景中要回答的问题。第一四分位数Q1不是简单的“前25%数据的平均值”而是指“有25%的数据点小于或等于它”。在客户满意度调查中Q17分意味着至少有四分之一的客户打分≤7这是服务底线的警戒线。第三四分位数Q3同理Q39分说明四分之三的客户打分≤9这是服务达标的基准线。四分位距IQR Q3 - Q1是衡量数据主体部分中间50%离散程度的黄金指标。IQR2分说明绝大多数客户体验集中在7-9分这个窄区间服务一致性高IQR4分则说明7-11分跨度大服务波动剧烈需要深挖原因。而异常值Outlier的判定标准正是基于IQR下界 Q1 - 1.5×IQR上界 Q3 1.5×IQR。任何低于下界或高于上界的点都被视为潜在异常。这个“1.5倍”不是拍脑袋定的而是统计学中经过大量实践验证的平衡点——太小如1.0倍会把太多正常波动误判为异常太大如2.0倍又会让真正的风险点溜走。在设备故障分析中一次“异常值”可能是一次未记录的误操作也可能是一次即将发生的硬件老化征兆它的价值远超一个普通数据点。理解了这些你就明白为什么不能跳过计算Q1、Q3、IQR、上下界每一个都是你业务报告里掷地有声的结论依据而不是图表上一条模糊的线。2.2 Excel函数选型EXC vs INC一个参数决定结果可信度Excel提供了两套计算四分位数的函数QUARTILE.INC和QUARTILE.EXC。名字里的INCInclusive和EXCExclusive看似只是数学定义差异但在实际业务中它可能导致结论南辕北辙。QUARTILE.INC基于0到1的包含性百分位它会把数据集的最小值和最大值都纳入计算范围结果更“保守”Q1和Q3的值通常会偏高或偏低一点。而QUARTILE.EXC基于0到1的排他性百分位它严格排除了数据集的极值计算的是纯粹的“内部四分位”结果更符合统计学教科书和主流数据分析软件如Python的NumPy、R的标准也更贴近我们对“中间50%数据”的直观理解。我做过一个测试用同一组100个销售员的月度业绩数据范围10万-500万QUARTILE.INC算出的Q1是85万Q3是210万QUARTILE.EXC算出的Q1是78万Q3是202万。差额虽小但当你要据此划定“绩效预警线”Q1-1.5×IQR时INC版本给出的下界是-10万无意义而EXC版本给出的是-5万结合业务实际我们最终采用-1万作为人工干预阈值。因此本文所有计算一律采用QUARTILE.EXC系列函数。它的语法是QUARTILE.EXC(array, quart)其中quart参数1代表Q12代表Q2中位数3代表Q3。注意array必须是纯数值区域且数据点数量必须大于2否则会返回#NUM!错误。这个细节很重要——如果你的某个分组只有1个或2个数据点QUARTILE.EXC会直接报错这恰恰是Excel在提醒你“数据量不足无法进行可靠的四分位分析”而不是给你一个看似合理实则无效的数字。2.3 数据结构设计一张表五列值支撑无限扩展盒须图的源数据结构决定了你后续图表的灵活性和可维护性。最常见也最糟糕的做法是把每个分组的五个值最小、Q1、中位数、Q3、最大硬编码在一行里比如A1华东B115, C122, D128, E135, F142。这种结构在只有3-4个分组时还凑合一旦扩展到10个区域、20个产品线修改起来就是一场灾难。正确的结构是采用“长表”Long Table格式即每一行代表一个分组的一个统计量。例如GroupStatisticValue华东Min15华东Q122华东Median28华东Q335华东Max42华北Min18.........这种结构有三大优势第一绝对清晰谁都能一眼看出“华东的Q1是22”第二极易扩展新增一个“华南”分组只需在表末追加5行无需调整任何公式第三天然兼容数据透视未来你想按季度、按产品类别交叉分析只需把Group和Statistic字段拖进透视表Value自动聚合。我在给一家零售企业做门店业绩分析时就是用这种结构管理了全国300多家门店的周度销售数据。当总部突然要求“只看一线城市的盒须图”我只需在数据透视表里筛选Group字段源数据表本身一动不动。这种设计思维比单纯学会画图重要十倍。3. 核心细节解析与实操要点从原始数据到统计表的完整链路现在我们进入最核心的实操环节。假设你手头有一份原始销售数据表名为“RawData”包含三列A列“Region”区域、B列“Sales”销售额单位万元。你的目标是为每个区域生成一张盒须图。整个过程分为四个不可跳过的步骤每一步都有其特定目的和易错点。3.1 步骤一数据清洗与分组准备——别让空值和文本毁掉你的统计在任何计算开始前必须确保原始数据是“干净”的。打开“RawData”表首先检查B列“Sales”是否有非数值内容。常见的“脏数据”包括单元格里写着“N/A”、“暂无”、“-”或一个空格或者数字被错误地存储为文本左上角有绿色小三角。这些都会导致QUARTILE.EXC函数直接返回#VALUE!错误。解决方法很简单选中B列按CtrlH打开替换对话框查找内容填一个空格替换为留空再查找“N/A”替换为空。然后选中B列右键“设置单元格格式”确认是“数值”而非“文本”。最后用ISNUMBER(B2)函数在旁边列快速检查返回FALSE的行就是问题行必须人工核实并修正。这一步看似琐碎但它是整个分析的基石。我见过太多人卡在这一步反复检查公式却找不到原因最后发现是某个销售员在系统里随手填了个“待确认”。另外关于分组字段“Region”确保没有前后空格。用TRIM(A2)函数包裹原始区域名可以彻底杜绝因空格导致的分组错误。记住Excel的SUMIF、AVERAGEIF等条件函数对“华东”和“华东 ”带空格是完全不同的两个值。3.2 步骤二构建动态分组统计表——用FILTERUNIQUE告别手动罗列过去我们要为每个区域手动写一遍QUARTILE.EXC(IF(Region华东,Sales),1)这样的数组公式既繁琐又容易出错。Excel 365/2019引入的FILTER和UNIQUE函数让这个过程变得优雅而强大。首先在新工作表命名为“Stats”的A2单元格输入公式UNIQUE(RawData!A2:A1000)这个公式会自动提取“RawData”表中A列所有不重复的区域名并垂直列出。它比传统的“数据-删除重复项”高级得多因为它是动态的只要“RawData”里新增一个“西南”区域A2以下的列表会自动更新无需任何手动操作。接下来在B2单元格计算第一个区域即A2单元格的值的最小值MIN(FILTER(RawData!B2:B1000, RawData!A2:A1000A2))这个公式的意思是“从RawData的B列销售额中筛选出A列等于当前区域A2的所有值然后求这些值的最小值”。同理Q1、中位数、Q3、最大值的公式依次为B3: QUARTILE.EXC(FILTER(RawData!B2:B1000, RawData!A2:A1000A2), 1) B4: MEDIAN(FILTER(RawData!B2:B1000, RawData!A2:A1000A2)) B5: QUARTILE.EXC(FILTER(RawData!B2:B1000, RawData!A2:A1000A2), 3) B6: MAX(FILTER(RawData!B2:B1000, RawData!A2:A1000A2))提示FILTER函数是动态数组函数它返回的是一组值正好可以作为QUARTILE.EXC的array参数。这是Excel现代函数体系的强大之处避免了传统数组公式CtrlShiftEnter的复杂性。3.3 步骤三填充与验证——用“填充柄”和“条件格式”双重保险现在B2:B6是第一个区域的五个统计值。选中这5个单元格将鼠标移到B6单元格右下角当光标变成黑色实心十字时双击。Excel会智能地将这组公式向下复制直到A列的区域名结束。这意味着如果A列有10个区域B2:G11就会自动填满所有统计值。但别急着画图必须验证在C2单元格输入一个简单的验证公式COUNTIFS(RawData!A2:A1000, A2, RawData!B2:B1000, B2, RawData!B2:B1000, B6)这个公式统计“当前区域中有多少销售额落在我们计算出的Min-Max范围内”。理想情况下这个数字应该等于该区域的总数据点数。如果明显偏少说明原始数据里有错误的极值比如把“1000万”误录为“1000”需要回头清洗。为了更直观可以给B2:B6区域应用条件格式选中B2:B6点击“开始”-“条件格式”-“突出显示单元格规则”-“小于”输入$B$2*0.5假设最小值是合理的下限设置为浅红色背景。这样任何远低于最小值的异常计算结果会立刻暴露。我习惯在每次填充后花30秒扫一眼所有区域的IQRQ3-Q1列如果某个区域的IQR是其他区域的5倍以上我会立刻去原始数据里查它往往能发现数据录入错误或特殊的业务事件比如某个月集中发货。3.4 步骤四异常值识别与标记——让图表自己“说话”标准的盒须图只显示五个统计量但真正的业务洞察往往藏在“须”之外的那些点里。Excel的原生盒须图可以自动识别并绘制异常值但前提是你的源数据必须包含这些点。因此在“Stats”表旁边我们需要一个“Outliers”辅助表。在H1单元格写“Region”I1写“Outlier Value”。在H2用UNIQUE再次列出区域。在I2输入一个强大的公式TEXTJOIN(, , TRUE, FILTER(RawData!B2:B1000, (RawData!A2:A1000H2)*(RawData!B2:B1000B2-1.5*(B5-B3)) (RawData!A2:A1000H2)*(RawData!B2:B1000B51.5*(B5-B3)), 无))这个公式有点长但它干了一件大事对于每个区域它扫描所有销售额找出所有小于Q1-1.5×IQR或大于Q31.5×IQR的值并用逗号连接成一个字符串。如果没找到就显示“无”。这个结果不会直接画在盒须图上但它会成为你写分析报告时最有力的论据。“华东区有3个异常高值45万、48万、52万经核查均为大客户年度返点结算属正常业务波动。”——这句话的价值远超图表本身。 注意TEXTJOIN函数的第一个参数是分隔符第二个是忽略空值TRUE第三个是需要连接的数组。这里用FILTER生成数组完美匹配。4. 实操过程与核心环节实现从统计表到专业级盒须图的精细打磨现在“Stats”表已经准备就绪我们终于可以进入图表绘制环节。但请记住这绝不是“选中数据点一下就完事”的过程。Excel的盒须图有其独特的渲染逻辑和大量隐藏的自定义选项只有逐一掌握才能让它真正为你所用。4.1 插入基础盒须图——选择正确的数据范围是成败关键切换到“Stats”工作表。选中A1:A6区域即“Region”和“Min”到“Max”的标题行按住Ctrl键再选中B1:G6区域即所有统计值。注意必须同时选中标题行A1:G1因为Excel需要这些标题来识别分类轴X轴和数据系列。然后点击“插入”选项卡在“图表”组里找到“插入统计图表”按钮图标是一个带正态分布曲线的柱子点击下拉箭头选择“箱形图”。Excel会立即生成一个基础盒须图。此时你会看到X轴是区域名每个区域上方有一个竖直的盒子盒子中间有一条线中位数盒子上下各延伸出一条线须盒子本身的高度就是IQR。如果一切顺利这说明你的数据结构和函数计算都是正确的。如果图表一片空白或报错90%的可能是你没有选中标题行或者数据区域里混入了非数值内容。这时不要慌右键图表选择“选择数据”在弹出的窗口里仔细检查“图例项系列”和“水平分类轴标签”确保它们引用的单元格地址完全正确。4.2 深度自定义解锁被隐藏的“设置数据系列格式”面板Excel的盒须图默认样式非常朴素甚至有点丑。要让它专业、清晰、符合你的汇报风格必须深入“设置数据系列格式”面板。右键点击图表中的任意一个“盒子”不是背景或坐标轴选择“设置数据系列格式”。这个面板会出现在右侧里面藏着所有关键开关。首先展开“填充与线条”选项卡。在这里你可以为“盒子”设置填充色建议用半透明的蓝色如RGB 173,216,230透明度设为25%这样能看清背后的网格线为“中位数线”设置粗细2.5磅和颜色深蓝色RGB 0,0,139。最关键的设置在“箱形图选项”里勾选“显示内部点”这样所有数据点除了异常值会以小圆点形式密布在盒子和须之间直观展示数据密度勾选“显示异常值”这样之前计算出的异常值会以小方块或菱形点显示在须的延长线上。 提示很多用户找不到“箱形图选项”是因为没有右键点击“盒子”本身而是点击了图表空白处或坐标轴。务必点击那个矩形区域。4.3 坐标轴与标签优化让信息传递零障碍一个专业的图表80%的功夫在细节。选中Y轴数值轴右键“设置坐标轴格式”。在“坐标轴选项”里取消勾选“数值Y轴交叉于”改为“在刻度值”并输入一个合理的最小值比如0。这能防止图表底部出现无意义的负值空白。在“数字”选项卡里把“格式代码”设为#,##0这样10000会显示为“10,000”大幅提升可读性。接着处理X轴。右键X轴选择“设置坐标轴格式”在“标签”选项卡里把“标签位置”设为“低”这样区域名会显示在盒子正下方而不是挤在底部。最重要的一步是添加数据标签。右键点击任意一个“中位数线”选择“添加数据标签”。默认标签会显示数值但我们需要更丰富的信息。双击这个标签在右侧“设置数据标签格式”面板里勾选“值来自单元格”然后选择你“Stats”表中对应区域的中位数单元格比如B4。这样标签就变成了一个活链接随数据变化而自动更新。同理你可以为Q1和Q3线添加标签显示具体的四分位数值。 注意为中位数线添加标签后Excel有时会把标签放在盒子中间遮挡视线。这时选中标签按方向键微调位置或者在“标签选项”里勾选“居中”让它自动对齐到线的中心。4.4 高级美化用“组合图表”和“文本框”讲好数据故事到了这一步你的图表已经很专业了但还可以更进一步。盒须图的强项是展示分布但弱项是解释“为什么”。这时我们可以用Excel的“组合图表”功能在同一个图表里叠加一个迷你柱状图显示每个区域的数据点总数。在“Stats”表里新增一列“Count”用COUNTIFS函数计算每个区域的数据量。然后复制这一列粘贴到图表上选中图表按CtrlVExcel会提示“更改图表类型”选择“组合图表”将新系列设为“簇状柱形图”次坐标轴。这样柱子的高度就代表数据量而盒子的形态代表分布二者结合信息量翻倍。最后用“插入”-“文本框”在图表空白处写上一句结论性文字“华东区IQR最小13数据最集中华北区IQR最大28需重点排查波动原因。” 这句话就是你整个分析工作的灵魂。我坚持认为一张没有结论性文字的图表就像一篇没有结尾的小说——它展示了过程却没给出答案。5. 常见问题与排查技巧实录那些年我们一起踩过的坑在无数次指导同事和客户制作盒须图的过程中我总结出了一个“高频问题速查表”。这些问题看似简单但往往耗费大量时间而且答案并不在Excel的帮助文档里。问题现象可能原因排查与解决技巧我的实操心得图表显示为一片空白或只有坐标轴1. 选中的数据区域不包含标题行。2. 数据区域中有非数值内容如空文本、错误值#N/A。3. 使用了QUARTILE.INC函数而数据量太少3个点导致#NUM!错误。1. 右键图表→“选择数据”检查“图例项”和“水平轴标签”的引用地址。2. 用ISNUMBER()函数逐列检查源数据。3. 在“Stats”表中对每个Q1/Q3单元格用IFERROR(QUARTILE.EXC(...), 数据不足)包裹公式。我现在养成了一个习惯在开始画图前先用COUNTA(A2:A100)和COUNT(A2:A100)对比如果前者远大于后者说明A列有大量空文本必须先用TRIM和CLEAN清洗。盒子高度为0看起来像一条线1. Q1和Q3的计算结果完全相等。2. 所有数据点都相同如全为100。1. 检查原始数据看是否存在大量重复值。2. 在“Stats”表中增加一列“IQR”公式为B5-B3如果为0说明数据无离散性盒须图确实不适用应改用柱状图或直接报告单一值。曾遇到一个案例某生产线的良品率数据全是99.9%IQR0。强行画盒须图毫无意义。我建议他们转而分析“每日良品率与目标值的偏差”用折线图展示趋势效果立竿见影。异常值点没有显示出来1. “设置数据系列格式”中未勾选“显示异常值”。2. 异常值的计算逻辑与Excel内置逻辑不一致Excel默认用IQR的1.5倍但你的业务可能用2.0倍。1. 确保已右键点击“盒子”并打开了正确的设置面板。2. 如果必须用自定义倍数可以在“Stats”表中单独计算“上界”和“下界”然后用散点图系列手动添加这些点。Excel的内置异常值识别是“黑箱”它不显示具体是哪些点。所以我永远会同时维护一个“Outliers”辅助表用FILTER函数把异常值名单列出来作为图表的补充材料。图表颜色混乱不同区域的盒子颜色一样Excel默认将每个统计量Min, Q1, Median...视为一个独立系列所以所有区域的Q1都是同一种颜色。在“设置数据系列格式”面板中找到“系列选项”将“填充”设为“根据X值”或“按系列”然后手动为每个区域的盒子选择不同颜色。更高效的方法是先选中一个区域的盒子设置好颜色然后按住Ctrl依次点击其他区域的盒子批量设置。颜色不是为了好看而是为了快速区分。我习惯用冷色调蓝、绿表示表现好的区域暖色调橙、红表示需关注的区域。但切记不要用红绿配色这对色觉障碍者不友好。打印出来图表模糊细节丢失盒须图默认是矢量图但Excel在导出PDF或打印时有时会降级为位图。在“文件”-“选项”-“高级”中找到“图像大小和质量”勾选“不压缩文件中的图像”。打印前先用“文件”-“打印预览”选择“缩放”为“将工作表调整为一页”确保所有元素都在可视范围内。最稳妥的打印方案是将图表复制CtrlC然后在Word或PowerPoint中粘贴为“图片增强型图元文件”再从那里打印。这样能100%保证清晰度。除了表格里的问题还有一个隐形杀手性能卡顿。当你有50个区域、每个区域有上千个数据点时FILTER函数会实时计算导致Excel反应迟钝。我的解决方案是在“Stats”表中将所有FILTER公式的结果用Paste Special-Values粘贴为静态数值。这样图表依然有效但计算负担为零。当然这意味着数据更新后你需要手动重新计算一次。权衡之下我宁愿多点手动操作也要保证日常使用的流畅性。6. 超越基础用盒须图驱动业务决策的三个实战场景盒须图的价值最终要落到解决实际问题上。这里分享三个我亲身参与的、用盒须图推动业务改进的真实案例它们展示了如何把一张统计图表变成一个决策引擎。6.1 场景一销售团队绩效诊断——从“平均主义”到“精准赋能”一家SaaS公司的销售总监一直苦恼于“为什么团队平均业绩达标但续约率却在下滑”。传统的KPI报表只显示“人均签约额”掩盖了巨大的个体差异。我们用盒须图分析了12个销售小组的季度签约额。图表清晰地揭示A组的盒子又高又窄IQR小说明全员业绩稳定在高位而F组的盒子很低但须特别长且有多个异常高值。深入挖掘发现F组的“异常高值”全部来自同一个销售员他签下了3个百万级大单但其他成员业绩普遍低于团队均值。结论很明确F组的问题不是“能力不行”而是“能力不均衡”。资源投入不应是平均发奖金而是让A组的标杆销售定期给F组做经验分享同时为F组的其他成员配备更系统的客户线索支持。三个月后F组的IQR显著收窄团队整体续约率提升了7个百分点。盒须图在这里扮演了“组织诊断仪”的角色。6.2 场景二IT系统响应时间监控——从“事后救火”到“事前预警”一个电商平台的运维团队每天收到大量关于“页面加载慢”的投诉。他们之前的监控只看“平均响应时间”发现平均值一直在2秒以内就认为系统健康。我们接入了真实的APM应用性能监控数据按“首页”、“商品页”、“购物车”、“支付页”四个关键路径分别绘制盒须图。结果触目惊心“支付页”的Q3高达8秒且上须延伸到15秒存在大量超长响应。而“首页”的盒子则非常紧凑Q1-Q3都在1-1.5秒之间。这说明问题不是全局性的而是集中在支付链路。团队立刻聚焦于此发现是第三方支付接口的超时重试机制有缺陷。修复后支付页的盒须图立刻“瘦身”Q3从8秒降到2.5秒。盒须图在这里是“精准手术刀”帮技术团队把有限的精力用在了最痛的点上。6.3 场景三制造业质量控制——从“合格/不合格”到“过程能力评估”一家汽车零部件厂质检报告只有“合格率99.8%”这一个数字。但客户反馈装配时仍有少量零件“手感不对”。我们采集了最近一个月10台设备生产的同款零件的“关键尺寸”数据为每台设备绘制盒须图。图表显示设备#3和#7的盒子明显偏右尺寸偏大且IQR很大而设备#5的盒子最靠左IQR最小。这直接指向了设备校准问题。更进一步我们将所有设备的Q1、Q3值与客户要求的公差带比如10.0±0.1mm画在同一张图上。结果发现设备#3的Q3已经逼近公差上限随时可能批量超差。工厂立即停机校准避免了一次潜在的召回风险。盒须图在这里是“过程能力放大镜”把抽象的“合格率”还原成了具体的、可操作的设备状态。这三个场景的共同点是它们都没有停留在“描述数据”而是用盒须图揭示的分布特征直接指向了“该做什么”和“该找谁”。这才是数据可视化的终极目的——不是让人看懂而是让人行动。我个人在实际操作中的体会是一张好的盒须图从来不是在Excel里画出来的而是在业务现场问出来的。在画图之前我一定会和业务方坐下来问清楚“你最想通过这张图向谁证明什么”这个问题的答案决定了你选择哪个维度分组、用哪个统计量、甚至决定这张图最终要不要画。技术是工具业务是灵魂两者缺一不可。