做数据可视化时，真正耗时的往往不是“画一张图”，而是反复在选图表类型、整理数据、统一样式、导出给不同渠道之间切换。这份清单把常见的图表制作与可视化搭建工具按用途拆开：你可以用模板快速出图，也可以用可编程方案做更强的交互与复用；无论选哪一种，发布前都建议确认导出格式（SVG/PNG/PDF）与商用授权条款。
工具地址：https://www.datawrapper.de/
需看协议：上手快，适合做信息图与新闻风格图表，支持图表主题与响应式嵌入。导出与品牌化能力通常与套餐相关，团队协作体验好，适合内容运营与媒体类项目。
需看协议：模板丰富，擅长做动效图表、故事叙事与可视化作品集，适合快速做出“看起来很高级”的交互效果。对数据表结构要求相对明确，建议先整理字段再导入。
工具地址：https://www.rawgraphs.io/
需看协议：偏“探索与试验”的可视化工具，适合快速尝试不同图形映射（如桑基、树图、点阵图等）。当你需要找出最合适的呈现方式时很省时间，最终可再用设计软件做精修。
工具地址：https://vega.github.io/editor/
免费商用：用声明式语法描述图表，适合做可复用的图表规范与组件，版本化管理也方便。对设计师来说学习曲线稍陡，但一旦掌握，复杂图表的可控性与一致性会明显提升。
工具地址：https://observablehq.com/plot
需看协议：基于 的高层图表库，语法比纯 D3 更接近“写图表”。适合做交互式原型与可视化报告，能把代码、数据与叙事放在一起，便于分享与迭代。
工具地址：https://d3js.org/
免费商用：自由度极高的可视化基础库，适合定制化交互、非标准图表与复杂动画。成本在于开发投入与维护，建议先用简单 demo 验证信息结构与交互逻辑，再进入工程化实现。
工具地址：https://echarts.apache.org/
免费商用：中文生态友好、组件完整，常用图表类型覆盖全面，主题与自适应能力也成熟。适合在中后台、数据大屏、营销可视化等场景快速落地，工程接入成本相对可控。
工具地址：https://antv.antgroup.com/
免费商用：更偏“可视化体系”的方案，既有统计图表，也覆盖关系图、流程图等。适合需要统一设计语言与图表规范的团队，建议提前定义颜色、字体与网格系统，减少后期返工。
免费商用：轻量易用，适合在网页或管理后台快速画出常见图表。插件生态丰富，但复杂交互与高度定制时会遇到边界；建议用它解决“80%通用需求”，复杂部分再考虑更底层方案。
工具地址：https://www.highcharts.com/
需看协议：商业级图表库，交互与稳定性强，细节打磨到位，适合对兼容性与企业支持要求较高的项目。通常需要商业授权，选型时把预算与授权范围提前确认清楚。
工具地址：https://lookerstudio.google.com/
需看协议：面向报表与仪表盘的在线工具，连接数据源后可快速做可共享的看板。适合运营与分析团队做“持续更新”的数据展示；发布前建议设置好权限与数据刷新策略。
工具地址：https://public.tableau.com/
需看协议：经典的数据可视化平台，拖拽式探索体验强，适合做作品集与公开分享。Public 版本通常要求公开发布，涉及敏感数据时要格外注意脱敏与权限边界。
工具地址：https://superset.apache.org/
免费商用：偏工程化的 BI/看板方案，适合自建、权限管理与多数据源整合。对部署与运维有一定要求，但一旦跑起来，能把图表、看板与数据治理流程串在一起，适合团队长期使用。
工具地址：https://grafana.com/
需看协议：监控与指标可视化的事实标准之一，适合做实时数据与告警联动的仪表盘。对技术数据源（如 Prometheus、Loki 等）支持成熟，设计上建议建立组件化面板与统一配色，避免看板越做越乱。
