创建数据可视化

核心目标

把数据变成可正确比较、查找、解释或监测的视觉证据。图形先回答问题，再展示字段；成熟工具负责 尺度、mark、交互和渲染，模型负责问题定义、数据语义、视图组合和解释边界。

按以下顺序工作：

读者问题 → 数据语义与状态 → 可复算 view model → 关系与编码
        → 视觉系统与图形引擎 → 代表视图 → 完整状态与终态

当主要价值来自量值关系、统计结构或数据状态时使用本 Skill。真实地理位置、投影或路网运算为主时 转地图；系统组成与流程为主时转技术图；查询、告警、处置、权限或持久工作流为主时，产品 Skill 拥有工作流，本 Skill 只拥有数据视图。浏览器交付与 $build-polished-visual-frontends 组合；它负责 产品视觉语言和 Web 工程，本 Skill 继续拥有数据、分析、编码与图形语义。

1. 先确定读者任务

只选一个主要模式，其他模式作为从属目标：

模式	用户真正需要完成什么	初始状态必须回答
探索	提出、比较和排除假设	当前范围、覆盖、质量和可比较关系
解释	无需操作也能理解一个有边界的发现	结论所对应的 mark、尺度、基准和证据
监测	重复判断状态、变化和是否需要行动	当前值、基准、时间窗、新鲜度和异常依据
出版	稳定复现和传播一个版本的证据	数据版本、版面、单位、来源和导出合同

为每个主问题写一行：

观测单位 / 时间与人群 / 指标和单位 / 比较基准 / 关系
数据状态 / 允许结论 / 禁止推断 / 精确读数入口 / 必要交互

一个主视图只承担一个首要关系。多视图只能形成概览, 比较, 细查、证据序列或监测共视，不能因为 字段多就平均铺成 dashboard。

2. 先建立真实数据状态

冻结数据来源、版本、键、粒度、单位、范围、覆盖和聚合规则。至少区分：

• 真实零；
• 缺失或未上报；
• 不适用；
• 抑制；
• 估计或临时值；
• 低可靠性或低样本；
• 异常值；
• 修订值与过期数据。

这些状态从 source 进入 validated records、derived dataset、view state、view model、图、表、摘要和 导出，不能在渲染阶段临时猜测。缺失不能变成零，低可靠性不能只靠降低透明度，过期数据不能继续 伪装成实时。

标题数字、图形、表格和下载从同一版本化 view model 派生。记录筛选、join、分母、权重、聚合、 舍入、排序、ties 和区间；用代表值独立复算，而不是相信图形看起来合理。

3. 分别选择产品视觉系统与数据工具

数据工具负责图形语法、尺度、交互和渲染；成熟设计系统负责页面外壳、控件、表格周边、反馈和 响应式。两者是不同选择，必须通过共享字体、token、密度、图例、选中和焦点形成一种视觉语言。

任务与约束	优先考察
清晰统计关系、解释图、小倍图和编辑式注释	Observable Plot
可移植、可校验的声明式 spec 与组合视图	Vega-Lite；必要时下沉 Vega
产品中的联动分析与中文生态	AntV G2
高频监测、常见业务图型和较大 Canvas 数据量	Apache ECharts
多页交互报告、构建期数据快照和静态部署	Observable Framework + Plot/其他适合引擎
精确表格、筛选、排序和虚拟长列表	TanStack Table / Virtual 或成熟 Data Grid
受治理指标、权限、查询和持续 BI	组织已有 BI；无真实实例时不要模拟
高层工具无法表达的专属几何或直接操作	D3，只实现能力探针确认的最小缺口

Observable Framework 是数据报告和 data app 的候选环境，不是所有分析产品的默认 UI。持续业务操作 通常采用成熟产品设计系统加 Plot、G2、ECharts、TanStack 等专业能力；不要让 Framework 的默认主题、 图表库默认配色或组件库示例页直接决定成品。