增长分析平台实战：基于开源组件的可视化升级方案

字节跳动数据平台 2024-05-30

820

增长分析（DataFinder）是火山引擎旗下的一站式用户分析与运营平台，为企业提供数字化消费者行为分析洞见，优化数字化触点、用户体验，支撑精细化用户运营，发现业务的关键增长点，提升企业效益。

VisActor是字节跳动开源的面向叙事的智能可视化解决方案,由 VChart、VTable、VGrammar、VMind、VRender等多个组件组成。本文将为大家一文详解DataFinder的可视化升级实践，呈现DataFinder 将原有图表升级到 VChart 的思考及过程。

注：文中所含图表均为脱敏后数据，非真实数据。

作者：秉书

火山引擎DataFinder前端团队

图：DataFinder主要产品场景

背景

作为一个增长分析平台，DataFinder具备强大的数据采集、数据分析能力，而数据及数据分析的结果，最终需要通过精准美观的可视化形式向用户展现。因此，数据可视化在 DataFinder 的产品能力中，扮演了重要的角色。

在过去，DataFinder中大量的数据可视化场景通过其他图表库实现。

2023年6月，VisActor开源，并对图表库进行了全面更新，更名为VChart。新图表库在易用性、性能、动画、标注、扩展能力等方面都有显著提升。

DataFinder团队非常关注新版图表库VChart，希望将新版图表库更强大的能力应用到产品中，为DataFinder 的用户提供更好的使用体验。同时，团队也希望以此为契机，为DataFinder 的所有图表制定统一的规范化样式，并修复产品中与图表相关的历史遗留问题。

经过全面评估，DataFinder团队决定将图表库升级到VChart。在VisActor团队的协助下，顺利地在预期时间内完成了升级工作，并达到了预期的产品收益。如果你正在寻找一些参考和启示，或是想要了解更多关于数据可视化在业务中的实践经验，请继续阅读～

探索的起点

作为一个增长分析平台，DataFinder具备强大的数据采集、数据分析能力，而数据及数据分析的结果，最终需要通过精准美观的可视化形式向用户展现。因此，数据可视化在 DataFinder 的产品能力中，扮演了重要的角色。

/ DataFinder可视化形式和场景

DataFinder 为用户提供了丰富的行为分析能力，如事件分析、留存分析、转化分析、分布分析、成分分析、用户路径分析、归因分析、用户分析、LTV分析等等，数据分析结果通过各种类型的图表呈现给用户，以方便用户更直观高效地了解数据的趋势、关系和分布。

在 DataFinder 中，常用的图表类型包括折线图、柱状图、条型图、饼图、面积图、双轴图、桑基图等，不同类型的图表适用于不同的数据类型和分析目的。

例如，用户可以使用折线图来展示数据随时间变化的趋势，用柱状图展示不同类别数据的数值对比，用饼图展示各类数据的占比，也可以通过双轴图将不同类型的数据展示在同一个图表中。

/ 现状和问题

在功能迭代的过程中，DataFinder在图表的使用上积存了一些历史问题。

● 性能问题

在页面数据量较大、图表数量较多的情况下，会出现页面初次加载的卡顿和后续交互的卡顿。

● 交互问题

在图表交互效果上需要优化，如图例切换时的动画、提示信息 Tooltip 的显示、以及图表的入场、离场动画。

● 样式规范问题

DataFinder 各使用场景下的各类型的图表种类繁多，但是各类图表没有一个统一的样式规范，影响 DataFinder 整体的一致性和美观性。

/ VChart 调研

带着以上问题，DataFinder与VisActor团队的同学进行了详细的交流，了解到新版图表库 VChart 的诸多优势：

1. 设计原则和理念：更易用、更合理、更规范、更高效

2. 架构优化：做到性能翻倍、功能增强、灵活性和扩展性增强

3. 设计提升：专业的设计师、更强大和专业的主题功能

4. 扩展能力：图元、组件、图表全方面提供扩展机制，便于业务自定义需求

经过评估，确认此次升级会为 DataFinder 在性能、美观度、交互效果等方面带来收益，解决目前存在的种种问题，并且考虑到后续潜在的与可视化相关的需求，最终决定开始升级的工作。

升级过程

/ 整体原则与方案

图表库的升级将会涵盖 DataFinder 中所有的业务场景，影响范围广，工作量大，因此在开始升级的工作之前，我们需要对升级方案进行整体全面的设计。本次升级以最小化业务逻辑修改成本为主要原则，兼顾交互、视觉、性能上的优化，并保证升级质量达标、平稳上线。

图表库的业务层封装

在 DataFinder 中，VChart对图表库进行了一层业务封装。通过封装通用的业务逻辑，可以减少重复业务代码，减轻业务开发负担，同时，图表库的封装也方便 DataFinder 内图表的统一管理和图表库的升级。

图表库升级的第一步，就是将 DataFinder 的图表库业务封装组件从依赖旧图表库的实现改为依赖 VChart 实现。

在新版组件的设计上，业务接口尽可能与旧版兼容，以减少使用者的升级成本。在开发过程中和上线之初，我们也保留了切换旧版本的能力，使用者可以通过参数控制使用新版或旧版的图表组件，方便开发时多业务场景的逐个进行、以及在可能发现问题时能够回退到旧版本。

自定义图表组件的实现

图表的图例组件和提示信息组件在 DataFinder 中有许多定制能力，因此是使用自定义组件接口来实现的。

在原本的实现中，由于设计上的缺陷，图例组件和提示信息组件在交互上存在一些问题，在此次升级中，借助更完善易用的新版图表库 API，修复了这些历史问题。

● 更合理的图例切换效果

在旧版本中，图例的操作由业务代码实现，这会导致在图例切换时图表的全量更新，不能展示正确的图例切换动画；而且也会导致渲染性能降低，增加业务逻辑的负担。

在新版中，将图例的交互逻辑全部由图表封装层实现，既优化了交互效果，又减轻了各业务逻辑侧的负担。

● 更顺滑的提示信息展示

我们需要对图表库提供的自定义提示信息接口进行封装，实现其的显示、消失、移动、固定等基础交互，并对数据进行初步的处理。在新版提示信息的开发中，也修复了旧版本不跟手、边界处造成页面抖动的问题。

业务场景的逐个适配

新版图表封装组件开发完成后，下一步需要将各业务场景的逐个适配到新组件上来。

经统计，DataFinder 涉及的图表类型主要包括线图、柱状图、堆积柱状图、面积图、箱线图、饼图、仪表盘、以及各种组合图等，不同的业务使用场景共计 60 余个。

● 简单场景的适配

在大部分的简单使用场景中，升级涉及到的仅是图表 spec 中相关字段名称、格式的修改，如

1. stackBy、groups -> xField

2. nameField -> categoryField

3. legend、dataZoom、markLine、color 等配置项的格式变化

这部分的业务升级成本较低，对照可视化团队提供的升级指南清单，可以在较短时间内完成业务逻辑的改造。

● 复杂场景的适配

在一些复杂场景下，会涉及图表类型的修改和数据处理的修改。

如组合图在VChart中使用统一的 common 类型，舍弃了旧版本中双轴图、xy组合图等的区分，且 spec 格式发生了较大的变动，这时就需要对业务逻辑进行较大的改动，甚至重写业务逻辑。

质量保证

本次升级覆盖 DataFinder 所有图表使用场景，涉及面积广，因此需要严格把控质量，保证上线平稳。

因此，DataFinder研发团队在启动开发前，对技术方案进行详细组内的讨论；在开发和测试过程中，梳理了详细的 checklist 清单，研发自测，提供提测文档；在升级完成后，选取了 Finder 图表库使用的代表场景，录入到VisActor团队的用例库，保证后续版本升级的稳定性。

收获与成果

从启动开始，历经了一个月的时间，DataFinder 的新版可视化顺利上线，宣告整个图表升级之旅圆满完成，图表库升级正式上线后，在性能、样式、交互上都为 DataFinder 带来了新的改变。

/ 性能提升

我们选取几个典型的多图表看板页面，对比升级前后的性能数据。经分析，页面的整体加载时长平均下降 30% ，页面初始化时的卡顿时长平均下降约 20% ，整体性能有了明显的提升。

上报的统计数据也表明，在新版图表库上线后，看板的平均首屏加载时长TTU指标有了约1000ms的下降。

/ 交互效果优化

新版图例组件、提示信息组件的实现，也为DataFinder的交互效果带来了很大的提升。

● 图例组件

原效果：图例选中/取消选中时全量刷新没有过渡动画、视觉体验差

VChart 效果：局部更新，性能更好；平滑的过渡动画，更美观

● 提示信息组件

原效果：不跟手、边界处页面抖动

VChart效果：更顺畅、无页面抖动

/ 规范化的可视化展示

除了新图表库主题在美观度、配色、布局、动画等方面的提升之外，在升级过程中，制定了更适合于 DataFinder 的可视化规范，并将这套规范全面落地。这为 DataFinder 带来了更和谐统一的配色、更一致的样式、以及更合理的布局，在很大程度上提升了 DataFinder 可视化的科学性和美观性。

● eg1：文字标签布局不统一，点、线样式不统一

升级前

升级后

● eg2：文字标签布局一致，点、线样式一致，图例样式不一致

升级前

升级后

● eg3：图例样式一致，点、线等大小不一致

升级前

升级后

归纳与展望

/ 未来展望

目前，DataFinder 的图表库已经完成了到 VChart 的升级，未来，将有更多的与可视化相关的需求在 DataFinder 中落地，为用户提供更加科学、丰富、美观的数据可视化形式。

/ 欢迎交流

欢迎大家与VisActor进行交流

●VisActor 微信订阅号留言（可以通过订阅号菜单加入微信群）

●VisActor官网：www.visactor.io/

今夜无月，期待你点亮星空，感谢

Github：https://github.com/VisActor/VChart

往期推荐

点击阅读原文，了解更多

可视化管理数据可视化大数据图例前端组件

文章转载自字节跳动数据平台，如果涉嫌侵权，请发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。