课程导论与项目总览

大家好，欢迎来到《情绪数据可视化仪表盘制作》这门课。

先说说我为什么想做这门课。几年前我在一家创业公司带数据团队，老板突然丢给我一个任务——把客服聊天记录里的用户情绪「画」出来。我当时心想，这玩意儿能画？后来硬着头皮做了三个月，发现情绪数据可视化这件事，远比想象中有意思，也远比想象中有价值。

今天这第一节课，咱们不急着写代码。先聊聊三个问题：

• 什么是情绪数据可视化？
• 为什么我们需要它？
• 以及，这门课最终你会做出什么？

什么是情绪数据可视化？

说白了，就是把人的喜怒哀乐变成图表。

你想想看，情绪本身是看不见摸不着的东西。你说「我今天很开心」，这句话在数据库里就是一个字符串。但如果我们把成千上万条这样的字符串，转化成一条随时间变化的曲线、一张热力图、或者一个动态的仪表盘——嗯，这就是情绪数据可视化。

我个人习惯把它分成三个层次：

层次	说明	举个例子
数据采集	从文本、语音、表情中提取情绪标签	「今天项目上线了，真爽」→ 高兴（0.92）
数据聚合	按时间、人群、场景做统计	过去一周高兴情绪占比 67%
可视化呈现	用图表讲出情绪背后的故事	折线图显示周一情绪最低，周五最高

我在项目中遇到过不少团队，数据采集做得很好，聚合也算清楚，但一到可视化就翻车。为什么？因为情绪数据跟销售额不一样，它天然带有模糊性和主观性。你画一个柱状图说「今天生气的人有 200 个」，但读者根本不知道这 200 个生气背后发生了什么。

为什么需要情绪数据可视化？

这个问题我问过自己很多次。后来在一次产品复盘会上，我找到了答案。

当时我们做了一个新功能，后台数据显示用户活跃度提升了 30%。团队一片欢呼。但我去翻了翻用户反馈，发现大量用户在骂这个功能。活跃度提升是因为用户被迫多点了两次才能关掉弹窗——他们不是喜欢，是烦。

你看，只看行为数据，你永远不知道用户真正的感受。

情绪数据可视化能帮你看到：

• 产品体验的「温度」——用户用起来是爽还是憋屈？
• 团队管理的「晴雨表」——团队士气是在上升还是下滑？
• 社会舆论的「风向」——大家对某个事件是支持还是反对？

我曾经帮一个教育类 App 做过情绪分析。他们的用户是，很多孩子不愿意直接说「我不喜欢这个功能」，但会在评论里写「又来了又来了」。这种隐晦的情绪，如果不做可视化，产品经理根本感知不到。

课程目标与最终项目展示

这门课的目标很明确——让你亲手做出一个能用的情绪数据可视化仪表盘。

不是那种只跑在 Jupyter Notebook 里的 demo，而是真正可以部署、可以交互、可以给别人看的仪表盘。

最终项目长什么样？我简单描述一下：

• 一个 Web 页面，左侧是导航栏，右侧是主内容区
• 顶部有一个时间筛选器，你可以选择查看「今天」「本周」「本月」的数据
• 主内容区包含四个核心图表：
  1. 情绪趋势折线图——展示情绪得分随时间的变化
  2. 情绪分布饼图——展示各类情绪的占比
  3. 情绪热力图——展示不同时间段、不同人群的情绪强度
  4. 关键词词云——展示高频情绪词汇
• 右下角有一个「情绪警报」模块，当负面情绪占比超过阈值时自动高亮

嗯，这里要注意一点：这个仪表盘的数据源，我们会用模拟数据来生成。但整个架构和代码逻辑，跟处理真实数据完全一致。你学会了，换一个真实数据源就能直接用。

下面这张图，是我对整门课知识体系的一个梳理：

这张图把整门课的核心脉络串起来了。从数据采集到最终仪表盘，每一层都有对应的技术和工具。你跟着课程一步步走，最后就能把这张图变成现实。

好了，第一节课就到这里。内容不多，但都是干货。下一节课我们会正式开始动手——安装环境、准备数据、写第一行代码。

咱们下节课见。

---