在数字化转型的深水区，我们正面临着一种“数据失语”。
当业务不再是简单的线性排列，而是演变成一张庞大的网状结构时，传统的柱状图和折线图往往无能为力。我们能看到“发生了什么”，却很难看清“它们是如何连接的”。
这时，我们需要一张能够绘制数据“社交网络”的图表——关系图。它像一张数据世界的“蛛网”，让隐藏的关联与路径一目了然。
什么是关系 图？——数据的“关系罗盘”
关系图的核心在于它能将抽象的“关系”具象化。在SmartBI中，你可以通过视觉元素编码来承载多维信息：
- 节点（圆圈）： 代表实体（如人、设备、账户）。
- 节点大小： 通常映射数值大小（如重要性、金额、声望），圆圈越大，数值越高。
- 节点颜色： 代表分类属性（如部门、风险等级、职业类型）。
- 连线： 代表关系的存在，线条粗细或颜色深浅可代表关系的强弱或类型。
两种布局：
 力导向关系图：模拟物理世界的引力和斥力，自动将关联紧密的节点“拉”到一起，不相关的“推”开。布局美观，适合探索复杂网络。
 环形关系图：将所有节点均匀排列在一个圆环上。结构规整，适合展示已知的、对称的关系圈。
核心价值：它不仅能告诉你“数据是多少”，更能揭示“数据是如何连接的”。就像分析一张人际关系网，你能一眼看出谁是关键人物（KOL），哪些人形成了小团体，以及信息是如何流动的。
 什么时候该用它？——各行业典型场景
它的独特之处 在哪里？——不只是连线，更是“透视镜”
节点的圆圈越大，代表它所对应的度量值越大（如交易总金额、声望值、粉丝数）。一眼就能识别出网络中的“超级节点”。
用颜色区分节点的不同类型（如高风险账户/正常账户、男性/女性、不同部门），快速把握群体构成。
系统会自动计算，让关系紧密的节点聚集在一起，形成“关系簇”。这能帮助你发现意想不到的社群或团伙。
如何构建 一张实战图表？——从数据准备到视觉优化的“全流程”
背景：
某银行风控部门在日常监测中发现，部分已列入黑名单的账户仍存在可疑交易行为，疑似通过其他账户进行资金周转。传统表格难以直观呈现账户间的关联关系，分析师尝试使用关系图，将黑名单账户与设备指纹、IP地址、其他账户进行可视化关联，从而辅助排查哪些外围账户可能与黑名单存在异常关联，生成重点关注名单供后续人工或规则引擎进一步验证。
操作步骤
1、选择图表：在组件库中选择“关系图”，根据需要选择“力导向关系图”。
2、配置字段（核心步骤）：
- 维度：按顺序拖入 “源节点” 和 “目标节点”。这是关系图数据绑定的关键。
- 标记 > 大小：拖入 “金额”。这将决定节点圆圈的大小（金额越大，圆圈越大）。
- 标记 > 颜色：拖入 “源节点类型” 和 “目标节点类型”。这将决定节点的颜色（如高风险=红色，中风险=橙色，设备=蓝色，IP=绿色）。
3、调整样式（属性设置）：
高亮状态：设置鼠标悬停时，节点边框变紫加粗，连线变紫，突出显示关联路径。
斥力因子：调整节点间的斥力，防止节点过度重叠。值越大，节点越分散。
 
连线曲率：适当增加曲率，让连线略带弧度，避免直线交叉过多导致视觉混乱。
 
注意事项：
- “列区”只支持拖拽两个维度字段，拖拽到“列区”的第一个字段为源字段，第二个字段为目标字段。
- “标记区”里的字段和“列区”的字段是一一对应关系，所以当源节点和目标节点共用一个度量字段时，需要将“金额”字段拖拽两次到“标记 > 大小”区域。第一次拖入对应源节点的大小，第二次拖入对应目标节点的大小。SmartBI会按“一一对应”规则分别映射给两类节点。
- 如果源节点和目标节点有各自独立的大小度量字段（如“源金额”和“目标金额”），则分别拖拽对应字段即可。
最终效果
一张以黑名单账户为核心的关系网络图呈现在眼前：
开始“读图会诊”
- 节点较大的黑名单账户：在网络中连接关系较多或自身金额权重较高，可优先纳入重点观察范围。
- 共用设备或IP的账户：存在这些重叠特征的账户，可能由同一操作人控制，建议列入重点核查清单，结合登录行为、操作时间等进一步判断。
- 资金往来密集的节点对：若两个账户之间存在多笔或大额资金流转，且与黑名单账户存在关联，可作为可疑资金路径的备选线索。
 关系图的优劣势与适用建议
 结语：如何让数据自己说话？——选对图表是关键
关系图的魅力，在于它将冰冷的数字还原成了有温度、有关联的故事。
它让你从“看数”转变为“看局”：看清谁是网络中的关键影响者，看清风险是如何蔓延的，看清机会可能从哪里涌现。
- 对反欺诈团队：它是追踪资金流向的“天眼”。
- 对市场营销：它是发现社交裂变领袖的“探测器”。
- 对IT运维：它是定位故障根源的“拓扑地图”。
你的业务中，哪些实体之间存在着“说不清道不明”的复杂关系？
用关系图 解开它，也许下一个风险漏洞或增长机会，就隐藏在某条被忽视的连线里。——>【图表应用】关系图：挖掘数据背后的“隐形关系网” | 
