本节书摘来异步社区《数据驱动安全：数据安全分析、可视化和仪表盘》一书中的第1章 ，第1.2.5节，[美]杰·雅克布（Jay Jacobs）鲍布·鲁迪斯（Bob Rudis） 著 薛杰　王占一　张卓　胡开勇　蒋梦飏　赵爽　译, 更多章节内容可以访问云栖社区“异步社区”公众号查看。

1.2.5　可视化

最后需要掌握的技能是可视化，但是说实在的，它其实就是关于如何做信息交流。目前可视化分类有很多种，但是在这里我们想要谈谈两种一般的可视化，主要依靠可视化的受众来划分。划分很简单：1）为自己的可视化，2）为他人的可视化。
举个例子，图1-2展示了4种常见的图表，它们都是由R语言的lm()函数（用于线性回归）自动生成的，用于诊断线性回归模型的拟合（你将在第5章运行这个模型）。我们来看看这些图表，这些图表看起来都很丑陋以及令人困惑，除非你学会了如何读懂它们。我们不会在给董事会展示的文稿中包含这些，这类的可视化图表是为处理数据的数据分析师们提供信息，或者用于解释这个例子中的数据模型的。
这些图是用来理解这个模型的特定关系和属性的，它们将数据的一些信息传递给分析师，可以直观地检测异常、强调数据内部的关系以及一些有助于理解数据的其他方面的信息。花费很小的精力就可以做出这些相当不错的有趣的图表，它们只是数据分析的部分过程，而非结果。
其他可视化类型存在于数据分析师和他人之间的分析结果交流中，用于解释分析师在数据中发现的故事（或者发现数据缺乏故事）。这些可视化效果往往很吸引人，并且带有明确的信息，因为它是和分析师以外的人交流的工具。图1-3（你将在第5章学习到如何产生此图）是从图1-2使用的数据中派生出来的，但是却是为了完全不同的受众。在这里，它更加清晰，你可以从这一张图中获取到有关这48个州的信息。