数据可视化（data visualization），就是用BI图表的形式把数据仓库中的数据呈现给用户，相较于传统的数据库按行（或者列）审阅数据的方式，图表提供了更多信息的入口（例如图形元素的颜色，大小，排列密度，形状等等），引导用户从更多的维度来审视数据，从而更容易的发现数据背后的故事（data insights）。

多说一句， 数据可视化与数据导入（data import portal）是商业智能（BI， business intelligence）产品体系中最靠近客户的两个环节。 最近几年比较火的自助式数据分析实际上就是一个从用户数据导入、到数据可视化呈现及分析这样一个工作流。用户最终看到的就是BI产品生成的各种可视化组件。 因此，数据可视化又被形象的称为“数据分析的最后一公里”，而且是BI组件中名副其实的颜值担当。

当前市场上的可视化产品纷很多，但是大多数产品都在过度的追求渲染效果，图形种类的丰富程度等等。个人觉得这是一种舍本求末的做法，数据可视化应该回归它的本质：即为数据分析服务。契合用户场景、符合用户需要、能帮用户解决问题的可视化组件才是有意义的。

作为这个系列文章的开篇，我们先来看一个冷门但是实用的可视化组件

顾名思义，日历图组件是一个以时间维度（通常是天）为索引来呈现数据的组件。它往往是一个表格，每个格子对应了日历中的一天。这个格子背后关联了一个度量数据，数据的大小决定了这个格子填充色的深浅。颜色越深，对应的数据越大；透明表示没有数据（或为0）

所以日历组件能给我们带来的直观信息有：

(1) 一些天有数据，一些没有。

(2) 有些天数据多，有些天数据少。

这往往容易引发用户的思考，例如：

(1) 为什么有些天会没有数据？

(2) 数据多的天数有什么内在联系没？

带着这些问题，我们来看一个例子。

其实，程序猿（媛）们常用的Github就用了一个日历组件来记录了每个人的提交数目。

小编默默地打开自己的Github 账户：

可以看到：

(1) 小编在今年情人节的时候都还在孜孜不倦的搬砖。

(2) 顶部的格子（数据）是空的，没有数据（提交），为什么？原来是顶部格子对应的日期是周末。。。

(3) 2月-3月小编干劲十足。 为什么？因为四月份是发奖金的季节。。。

知道了日历图组件的用途，我们来看下在观远可视化平台上创建一个日历视图的步骤。

仅需三步：

完成上述步骤，即可获得类似下面的一个日历图组件。如果想查看某一天的具体数据。用户可以把鼠标移到对应的格子上去，页面上会显示一个数据标签。

日历组件在我们的实际用户中也获得了比较多的反馈和认可。举几个例子（数据已脱敏）

总结

日历组件比较适合展现以天为单位的数据，创建需要一个时间维度和一个度量。

优点：

1. 日历组件能直观的反应出某件事务在某天有没有发生

2. 日历组件能直观的以天为单位，对比数值的大小

缺点：

日历组件一般不会把每个格子的具体信息直接呈现出来，而是通过用户点击和数据标签的方法来显示数据。

这实际上需要一个用户端的数据发现过程（data discovery）。