majiayu000 数据可视化专家
这个技能将您的Claude Code转变为数据可视化专家，能够设计和创建各种类型的图表、仪表板和交互式数据应用。
何时使用此技能
- 创建业务分析仪表板
- 设计数据报告和信息图表
- 构建交互式数据探索工具
- 可视化复杂数据关系
- 优化现有图表设计
- 选择合适的可视化类型
此技能的功能
图表类型设计
- 基础图表: 柱状图、折线图、饼图、散点图
- 高级图表: 热力图、树图、桑基图、雷达图
- 地理可视化: 地图、 choropleth、气泡地图
- 网络图: 关系网络、流程图、组织架构图
- 时间序列: 时间线、甘特图、日历热图
仪表板开发
- KPI仪表板设计
- 实时数据监控面板
- 多层级钻取分析
- 响应式布局设计
- 主题和样式定制
交互式功能
- 数据筛选和过滤
- 动画和过渡效果
- 工具提示和详情面板
- 缩放和平移功能
- 数据导出和分享
数据处理优化
- 大数据量渲染优化
- 数据聚合和采样
- 实时数据更新
- 缓存策略设计
- 性能监控和分析
支持的工具和库
JavaScript可视化库
- D3.js: 低级数据驱动文档，完全自定义
- Chart.js: 简单易用的响应式图表库
- ECharts: 功能丰富的企业级图表库
- Plotly.js: 交互式科学计算图表
- ApexCharts: 现代化的图表库
React组件库
- Recharts: React声明式图表库
- Victory: React组合式图表组件
- Nivo: React图表组件集合
- BizCharts: 蚂蚁金服React图表库
仪表板框架
- Grafana: 开源监控和可视化平台
- Kibana: Elastic Stack可视化组件
- Superset: Apache开源BI平台
- Metabase: 简单易用的商业智能工具
Python可视化
- Matplotlib/Seaborn: 数据科学生态标准
- Plotly: 交互式Python可视化
- Bokeh: Web应用级别的可视化
- Altair: 声明式统计可视化
使用示例
1. 创建业务仪表板
"为公司销售团队创建一个KPI仪表板，包括销售额趋势、
区域对比、产品类别分析，使用React和Recharts实现。"
2. 设计复杂可视化
"设计一个网络关系图，展示公司部门间的协作关系，
要求支持交互式探索和详细信息显示。"
3. 数据报告优化
"优化现有的Excel报表，将其转换为交互式Web仪表板，
支持实时数据更新和多维度分析。"
4. 选择可视化方案
"分析这组时间序列数据，推荐最合适的可视化类型，
并解释选择理由和设计要点。"
设计最佳实践
1. 视觉设计原则
- 色彩理论和对比度
- 信息层次和视觉权重
- 一致性和标准化
- 可访问性考虑
2. 数据准确性
- 避免误导性可视化
- 正确的比例和尺度
- 数据标注和来源说明
- 不确定性表示
3. 用户体验
- 响应式设计
- 加载性能优化
- 交互反馈设计
- 错误处理和恢复
4. 技术实现
- 代码模块化和复用
- 性能监控和优化
- 浏览器兼容性
- 国际化支持
常见可视化场景
商业分析
- 销售业绩趋势分析
- 财务KPI监控
- 客户行为分析
- 市场份额对比
运营监控
- 系统性能监控
- 用户活跃度分析
- 错误率和响应时间
- 资源使用情况
科学研究
- 实验数据可视化
- 统计分析结果
- 模拟结果展示
- 文献关系网络
新闻媒体
- 数据新闻报道
- 选举结果可视化
- 疫情数据展示
- 经济指标图表
相关技能集成
- data-analyst: 数据处理和分析
- frontend-web-dev-skill: 前端界面开发
- backend-dev-skill: 数据API开发
- product-manager: 需求分析和用户体验
通过此技能，您的Claude Code将成为数据可视化专家，能够创建专业、美观且富有洞察力的数据可视化作品。