课程

莫纳什 ETF5922《数据可视化与沟通》：Power BI 和 R 都要交，三项考核全无 hurdle

2026-10-30官方出处 ↗

莫纳什ETF5922数据可视化与沟通课程

所属课程：数据可视化与沟通（ETF5922）· 莫纳什 · 硕士 · 数据科学　查看课程页 →

莫纳什 ETF5922《数据可视化与沟通》是硕士单元：6 学分，测验 10%、书面作业 40%、期末 50%，三项都没有 hurdle 门槛，但 Power BI 与 R 两个工具都要交作品。

课程官网（学校官网）：https://handbook.monash.edu/2026/units/ETF5922

ETF5922 是一门什么课？

一句话：把数据变成「看得懂、讲得清」的图——先立设计原则，再学双工具实操与数据整理，最后进阶到不确定性、缺失数据与交互动画这类高级表达。

这是莫纳什大学（Monash University）的硕士单元，单元代码 ETF5922，英文名 Data visualisation and communication，中文常译「数据可视化与沟通」。6 个莫纳什学分点（EFTSL 0.125），在 Caulfield 校区开设。

学校官网的单元简介说了三件事：

全面介绍数据可视化——用当代工具解读、评估并创作可视化，从「什么让可视化有效」与核心设计元素起步，并学会为不同数据类型选对图形。
进阶主题：可视化不确定性与缺失数据、交互与动画可视化，并以视觉叙事贯穿。
动手打底：发展数据整理（data wrangling）技能，用于清洗与准备数据集；通过迭代过程打磨可视化；全程用商业真实应用练手，最终用可视化传达数据驱动的洞察。

一条主线是「原则 → 工具 → 叙事」：先知道好图长什么样（设计原则），再能做出来（Power BI 与 R，加数据整理），最后讲得动人（报告与演讲）。三步齐了，数据才算真正「说话」。

另一条更实用的定位：这门课是在练「会讲数据的人」。分析师的结论能不能被老板和客户接住，很大程度取决于图与讲述的质量。

四条学习成果两两配对：

ULO1：用图形卓越原则批判评估一张可视化的质量——「眼力」
ULO2：在 Power BI 与 R 两个工具里为给定数据集创建高质量可视化——「手力」
ULO3：有效用可视化向受众沟通洞察，书面报告与现场演讲两种形式
ULO4：应用进阶主题——不确定性可视化、缺失数据可视化与用动画增强沟通

ULO1 加 ULO4 是「眼力」，ULO2 加 ULO3 是「手力」——考核也沿这条线设计。

和国内数据可视化课有什么不同？

最大的差别在打包方式：国内数据可视化多为单工具技术课，这里原则、双工具、数据整理与英文叙事打包成一门沟通课。

从原则出发，工具只是手段。 国内课多教某种工具或绘图库的使用；这门课先立图形卓越原则与设计元素，工具是实现路径。
双工具并教并都考核。 Power BI（商业智能，拖拽式）与 R（分析代码）思维完全不同，两边都要交出高质量作品；国内通常只覆盖其一。
进阶专题国内基本不涉及。 不确定性与缺失数据可视化、交互与动画，属于入门课上不会讲的内容。
考核形态分散。 测验加书面加期末，三项都无 hurdle；国内同类课多以大作业为绝对主体。
场次可选。 标准学期与暑期 A 两个场次，国内没有暑期学期这个选项。

考核怎么算？

三项考核，全部没有 hurdle 门槛：

Quiz/Test（测验）占 10%
Written（书面作业）占 40%
Examination（期末考试）占 50%

各项考核的具体任务名称，学校官网没有列出。

另外有一条官方提示：考核详情可能调整，以教学期开始前在 Moodle 发布的信息为准——这条要记牢，别按往年经验安排。

几点判断：

没有 hurdle 是好消息：不需要某一项必须过线才能及格，总分制下发挥空间更均匀。
但分数藏在反复迭代里。 书面那 40% 大概率对应报告与可视化作品的打磨型任务，好图是改出来的，分数也是——对动手型学生相对友好，对纯应试型不利。
测验只占 10%，考的是原则与概念的反应速度。 它不该占用你太多复习时间，但也不能空着。
期末占一半，是压轴。 结合 ULO1 与 ULO4，期末很可能考评估与进阶表达那两类能力——「说不出一张图错在哪」是最容易丢分的地方。
任务名称未列，开学第一周务必去 Moodle 核实形式。 不同场次（标准学期与暑期 A）的安排也可能不同。

先修要求是什么？

莫纳什的选课规则分两层，先看项目，再看单元级先修与禁选。

项目层：

B6001、B6014、B6030 项目学生无先修要求——学校官网明写「there is no prerequisite」。
B6022 与 C6004 项目学生不能修读本单元——官网明写「you cannot undertake this unit」，选课系统会拦。转项目或双学位的学生最容易撞上这一条，撞上就要重排学分计划。

单元层：

先修：13 门统计／分析入门课任一（OR 关系）——ETB1100、ETC1000、ETC5900、ETF1100、ETF5900、ETF5910、ETM5900、ETW1001、FIT1006、SCI1020、STA1010、ETX1100、ETX5900。这些多为「商业统计／统计分析」类课程的同课异码变体。
禁选（Prohibition）：6 门任一修过就不能再修本课计学分——ETC1010、ETC5510（Introduction to data analysis）、ETX2250（Data visualisation and communication，同名课）、FIT5147（Data exploration and visualisation）、FIT5194、FIT3152（Data analytics）。

实际起步门槛不高：会电子表格、懂基础统计概念即可，R 与 Power BI 课内从零教。

适合谁：

B6001／B6014／B6030 项目的学生——无先修直修，是商业分析类学位里最「就业即用」的技能课之一。
需要常做汇报与报告的学生——咨询、市场、运营、分析岗的日常工作就是这门课的考题。
愿意反复迭代作品的学生——好图是改出来的。

不太适合：

追求唯一标准答案的学生。设计判断与叙事没有对错，只有好坏。
被禁项目（B6022／C6004）的学生。规则是硬的，选不上。

学完能做什么？

核心是四件事：能用图形卓越原则批判评估可视化质量；能在 Power BI 与 R 两个工具里做出高质量可视化；能用书面报告与现场演讲沟通洞察；能处理不确定性与缺失数据这类进阶表达，并用动画增强沟通。

能力层面，你能把一份原始数据做成一套「图对、话准」的汇报材料：清洗数据 → 选图制作 → 写成报告 → 站上讲台。这四项正是四条学习成果的落地，也是商业分析师的核心输出技能。

去向上，商业数据分析师、商业智能（BI）分析岗、市场与用户研究、咨询公司的可视化支持角色都对口。Power BI 是这类岗位招聘的高频硬技能，而 R 让你不被单一商业工具锁死。

课程全流程（整理 → 画图 → 叙事 → 讲述）就是一次迷你咨询交付的演练，可以直接迁移到实习任务里。

可视化是「性价比最高的可展示技能」——三分钟内让非技术决策者看懂你的价值，其他分析技能很难做到这一点。结课时手里的双工具作品集（Power BI 报表加 R 图集），比成绩单更能打动数据分析岗的面试官。

难点与常见挂因

这门课的工具很好上手，没有高深数学，难点全在「判断力」与「表达」：七件事同时要过关——审美要有标准、进阶表达要懂、双工具不能偏废、数据整理不能低估、演讲要能临场组织、还要避开项目禁修规则和暑期场次的节奏陷阱。三项考核分散，意味着每一块都不能空着。

为什么中国学生容易在这里卡？

图形卓越的批判眼光最难速成。 什么样的图算好图，涉及编码方式、信息密度、数据墨水比等设计原则的综合判断，没有唯一解。国内可视化教学多教「怎么画」少教「怎么评」，卡点在评估题：说不出一张差图错在哪——只会说「不好看」，等于没有判断。这一段是全课认知门槛最高的一层。
不确定性与缺失数据的表达是反直觉的。 误差条、置信带、缺失模式图都容易让受众误读，画法选择直接牵动结论的可信度。国内课程几乎不涉及这一块，进阶专题作业里最常见的错误就是把不确定性与结论混在一起讲。
双工具并行是实打实的负担。 Power BI 是拖拽式商业工具、R 是代码式分析工具，两者思维完全不同，却都要交出高质量作品。国内学生多只熟悉其一，双工具作业里一边明显弱，是最典型的失分形态。
数据整理的隐形工作量最容易被低估。 脏数据清洗常占项目一半时间，而且直接决定图能不能做出来。国内教学给的多是干净数据，学生没经历过「大部分时间在整理数据」的现实——项目前期卡在脏数据上，返工严重。
英文数据叙事写作是独立技能。 书面作业要求把图与洞察写成有说服力的英文报告，不是贴图加注。这属于商务写作能力，与学术写作不是一回事。
口头讲述的临场组织最难补。 演讲要求把图的洞察讲成有起承转合的故事。国内学生少有英文数据演讲训练，常见情形是图好但讲述平——内容都在，听众却没被带走。
审美判断的不适应会让互评环节沉默。 图形优劣没有标准答案，需要形成自己的设计判断并能辩护。国内作业多为对错判定，学生不敢在互评里表态，也就练不出判断力。
项目禁修规则是硬墙。 B6022 与 C6004 项目学生整体被排除，选课系统会拦——转项目或双学位的学生容易撞上，撞上就是学分计划重排。
暑期场次把同样内容压进更短的学期。 同样的总工作量摊在更少周里，每周投入接近翻倍；叠加其他安排就会崩。

卡住之后会发生什么？

评估题说不出所以然：互评只能给「好看／不好看」，ULO1 那部分能力为零。
一个工具偏废：双工具作业一边明显弱，直接拉低书面分。
数据整理拖垮项目：项目过半还在处理缺失值，后面画图与写作全被压缩。
报告叙事散：图堆在一起没有主线，被评「图多话少」。
演讲临场卡壳：排练超时或忘词，内容再好也传不出去。
暑期场过载：第二周就落后，后面一路追赶。
选课踩禁修：系统直接拦住，学分计划临时重排。

五处高频卡点

图形卓越判断：能指出一张图具体错在哪两条。
不确定性表达：误差条、置信带、缺失模式图的画法选择。
双工具均衡：同一数据集两种工具各出一套成品。
数据整理：先做完整性体检，再动笔画图。
英文演讲：八分钟版与三分钟版都能脱稿。

常见挂因与对应动作

卡在评估题说不出所以然。 机制：只会画不会评。早期信号：互评环节只能给「好看／不好看」。怎么补：任给一张图能按设计原则指出两处可改进。
卡在一个工具偏废。 机制：只练熟悉的那个。早期信号：双工具作业一边明显弱。怎么补：同一数据集两种工具各出一套成品。
卡在数据整理拖垮项目。 机制：低估清洗时间。早期信号：项目过半还在处理缺失值。怎么补：拿到数据先做完整性体检并预估清洗工时。
卡在报告叙事散。 机制：图堆在一起没有主线。早期信号：报告被评「图多话少」。怎么补：先写三句话故事线，再配图。
卡在演讲临场。 机制：只备稿不备讲。早期信号：排练超时或卡壳。怎么补：八分钟版与三分钟版各练三轮脱稿。
卡在暑期场过载。 机制：压缩学期叠加其他安排。早期信号：第二周进度落后。怎么补：立即削减并行事务，按周倒排补齐。

留学生特别提醒

中国学生最容易在七处吃亏：Power BI 企业工具首次接触、英文数据叙事写不好、选课踩到项目禁修、审美判断不敢表态、暑期场节奏过载、数据清洗的苦功没心理准备、演讲临场组织不起来。

开课前用免费版 Power BI 完成一份带交互筛选的报表；能说清数据模型与视觉对象体系才算够。
每周用英文写一段「图表—发现—建议」三段式短文；积累到能直接拼进报告句式库才算够。
选课前先核对项目代码（B6022 与 C6004 不能修）；确认自己项目在先修要求名单内、且没修过禁选清单里的课才算够。
每周精读一张获奖可视化作品并写三条「为什么有效」；把判断力练成习惯，能在互评里说出具体理由才算够。
非急勿选暑期场次；选了就把当月其他安排清空；按周倒排到考试周、每周进度可视才算够。
开课前拿一份公开脏数据集练 R 的整理流程，把缺失、重复、类型错乱三类坑各踩一遍才算够。
演讲准备八分钟版与三分钟版各练三轮脱稿；能在被追问时指着图说清结论来源才算够。

怎么准备？

准备的关键是三条：把两个工具都摸熟（尤其 Power BI）、把英文叙事练成习惯、把数据整理当成项目的第一半工作量来排。

Power BI 先行：免费版装上，做一份带交互筛选的报表，熟悉数据模型与视觉对象。
R 打底：至少会用 tidyverse 那一套做清洗与作图。
脏数据练习：一份公开脏数据集，缺失、重复、类型错乱各处理一遍。
设计原则：图形卓越、数据墨水比、编码选择，各整理成一页要点。
作品精读：每周一张获奖可视化，写三条「为什么有效」，攒判断力。
英文三段式：图表—发现—建议，每周一段，积累商务写作句式。
故事线先行：报告动笔前先写三句话主线，图围主线配。
不确定性练习：给自己的一张图加上误差条或置信带，观察结论表述怎么变。
缺失模式图：拿一份有缺失的数据，画出缺失模式并写一句它对结论的影响。
双工具对照：同一份数据，Power BI 与 R 各出一套成品，比较差异。
演讲双版本：八分钟与三分钟各三轮脱稿，练问答。
场次规划：非急不选暑期场；选了就清空当月并行事务。

中英术语速查

data visualisation —— 数据可视化：用图形表达数据。
graphical excellence —— 图形卓越：以最少墨水传达最多信息的制图原则。
data-ink ratio —— 数据墨水比：有效信息与图形墨水的比例。
design elements —— 设计元素：颜色、位置、尺度等构图要素。
data wrangling —— 数据整理：清洗与准备数据的过程。
visual storytelling —— 视觉叙事：用图串成有起承转合的故事。
uncertainty visualisation —— 不确定性可视化：表达结果不确定范围的手法。
missingness —— 缺失：数据中值缺失的模式与影响。
interactive visualisation —— 交互可视化：可筛选、可下钻的图形。
animated visualisation —— 动画可视化：以时间维度呈现变化。
Power BI —— 微软商业智能可视化工具。
R —— 统计计算与绘图语言。
dashboard —— 仪表板：集中呈现关键指标的界面。
visual object —— 视觉对象：报表中的图表组件。
data model —— 数据模型：数据表之间的关系结构。
slicer / filter —— 切片器／筛选器：交互筛选控件。
audience —— 受众：可视化面向的读者或听众。
insight —— 洞察：从数据中得出的有行动价值的发现。
hurdle requirement —— 门槛要求：必须达到才能通过的单项要求。
Moodle —— 学校的学习管理系统。
EFTSL —— 等效全日制学生负载：衡量学习量的单位。

关于我们

鱼之跃做在读留学生的学业支持，服务分两块，界限很清楚：

辅导＝老师授课：由 QS 前 200 院校的硕博老师把课程的知识点、推导链、作业要求讲透，按对口专业配课；覆盖同步辅导、论文辅导、考前辅导、预习。

护航＝你的学业管家：排计划、理材料、理流程这些杂事都替你打点好，该提前准备的他先想到；你只管学，有事随时找，需要时都在。同地区的留学学姐，熟悉你所在学校的节奏。

学术问题上的申诉，我们做材料梳理与流程陪跑，不代写、不代考、不碰学术诚信边界，也不承诺任何成绩。

课程官网与核对说明

课程官网（学校官网）：https://handbook.monash.edu/2026/units/ETF5922

本文涉及学校、单元代码、学分点与 EFTSL、校区、单元简介与四条学习成果（ULO1–ULO4）、进阶主题、双工具要求、考核结构（测验 10%、书面 40%、期末 50%、三项均无 hurdle、任务名称未列、以 Moodle 为准）、选课规则（项目层无先修与禁修、单元层 13 门先修与 6 门禁选）、场次安排、学习资源说明的事实，均来自上述学校官网单元页；核对时间为 2026-10-30。文中「与国内课程差异、先修判断、难点、适合谁、怎么准备、学完能力」等属于基于课程内容的分析与学习建议，不代表学校官方要求；考核详情以教学期开始前 Moodle 发布为准。

← 学业指南首页课程库