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。