大数据可视化概念简介以及相关工具介绍
来源： 数据观 时间：2015-11-30 16:12:49 作者：

　　大数据可视化是什么意思？大数据可视化分析工具又有哪些？下面我们将详细介绍
　　在了解大数据可视化概念之前，我们先来了解数据可视化是什么意思。
　　数据可视化概念
　　数据可视化，是关于数据视觉表现形式的科学技术研究。其中，这种数据的视觉表现形式被定义为，一种以某种概要形式抽提出来的信息，包括相应信息单位的各种属性和变量。
　　它是一个处于不断演变之中的概念，其边界在不断地扩大。主要指的是技术上较为高级的技术方法，而这些技术方法允许利用图形、图像处理、计算机视觉以及用户界面，通过表达、建模以及对立体、表面、属性以及动画的显示，对数据加以可视化解释。与立体建模之类的特殊技术方法相比，数据可视化所涵盖的技术方法要广泛得多。
　　那么大数据可视化可以理解为巨量数据的可视化，是数据可视化的一种，只是数据量更加庞大。那么，下面我们来了解大数据可视化的具体过程。
　　大数据数据可视化的过程探讨
　　第一：数据的可视化
　　这里数据要讲数据的类型，例如典型的是数值型数据，还是例如文本型数据，也包括带有序列的文本型数据，更有一些超出前述的数字、文本数据的，例如符号、图像、动画、声音等，但是为了简单起见，笔者这里首先以一般数值型数据作为代表，讲可视化最核心的是对原始数据采用什么样的可视化的元素来表达，例如原数据是销售额列表，那么对于这样的数据本身，我们不是说按照柱状图、横条图、饼图来说，这样进行数据到可视化元素的表达，而是说，采取柱、横条、扇形进行表达，而采取这样的模式，是更好地表达出数据本身的属性来。
　　第二：指标的可视化
　　 一般而言，数值是一种属性，例如销售列表，那么这个销售的数值属于什么主体，主体本身是否可以可视化，很多时候，这一点很容易被统计分析人员忽略，而笔者非常简易在制作图表的过程中，采用可视化元素的方式将指标可视化，一旦这么做，会将可视化的效果增彩很多。典型的例如销售人员，决定采用人脸照片来表达。
　　第三：数据关系的可视化
　　在数据可视化的方式、指标可是化方式确立以后，需要想到如何进行数据关系的可视化，这种数据关系往往也是可视化数据的需要核心表达的主题宗旨，例如希望阅读的人了解什么，这些数据的关系是大小、多少、高低等等，而在可视化的展现中，则可以采用高低，左右，位置，大小、颜色等方式进行，而为了达到这样的结果，我们可能需要排序、分类、透视等等操作运算。
　　第四：背景数据的可视化
　　很多时候，光有原始数据是不够的，我们会说，数据没有价值，信息才有价值，那么信息与数据之间的差别是什么？核心就是背景数据，例如销售数据，只看销售数据，真正有意义，为企业的决策服务，还需要更多的数据，典型的例如，需要销售计划数据，那么在图表中增加一条销售计划线，而销售数据是否达到销售计划可以一目了然。
　　第五：转换成便于接受的形式
　　下面要说关于数据转换的问题，很多时候，前述的数据、指标、关系、背景数据都有了，只按照原始数据进行可是化，可以吗？可以。但是问题还会很多，因为这个时候，还是数据本身，而可视化的功能包括几种，第一是记录，第二是传递，第三是沟通，有了前面的操作，可以进行记录、传递，但是沟通可能还需要优化，这种优化就包括按照人的接受模式、习惯，能力，甚至还需要考虑显示设备的能力，进行综合改进，这样才可以更好地达到便于接受的效果，具体而言，还说销售计划，在销售计划线上增加符号，例如勾和叉，表征是否完成计划，是不是看图表的人更容易接受。
　　第六：聚焦
　　在前面都没有提到大数据，在聚焦方面必须要讲讲大数据，因为是大数据，所以很多时候数据、信息、符号对于接受者而言是过载的，例如人很多时候，如果看到的对象超过七个，他们就可能分辨不出来了，这时我们就需要在原来的可视化结果基础上再进行优化，例如裁剪、规约、区域显示等等，而笔者在这里首先强调聚焦，所谓聚焦就是利用一些可视化化手段，把那些需要强化的，小部分数据、信息按照可视化的标准（这里可以埋个伏笔，这属于笔者重点研究内容），进行再次处理，比较典型的，还拿销售计划来说，我们做的这个可视化，说成一个图表吧，这个图表重点是针对没有完成计划的销售员的，考虑是否要开掉他们，那么我们可以强化前述的“叉”是红色的。但是这里需要注意，按一般理解，勾用什么色呢，用绿色？值得思考，而笔者从聚焦角度说，真正的一般应用模式，假如柱状图中的柱用的黑色，勾的符号也用黑色，是不是整体图表，红色更为显眼呢。
　　第七：集中或者汇总展示
　　 还拿前面的销售图表来说，有人说，这个图表结束了，但是从沟通交通角度而言，还有很大的空间，例如为了让管理人员更好地掌握情况，我们可以在这个柱状图的右边，增加一张没有完成计划的销售人员数据表，这样管理人员是不是在掌控全局的基础上，很容易抓住所有焦点，进行逐一处理。
　　第八：扫尾的处理
　　有了前面的基础，其实已经是很好的可视化效果了，但是我们还需要一些修饰性工作要做，这些工作是为了让可视化的细节更为精准、甚至优美，比较典型的工作包括设置标题，表明数据来源，对过长的柱子进行缩略处理，进行表格线的颜色设置，各种字体、图素粗细、颜色设置等等。
　　第九：完美的风格化
　　达到这一条可谓完美。所谓风格化，也可以说成是标准化基础上的特色化，最典型的例如增加企业、个人的LOGO，从而让接受很容易知道这个可视化成果属于哪个企业、哪个个人。而真正做到风格化，还是有很多值得研究的地方，例如布局、用色、图素，常用的图表、信息图形式、数据、信息维度控制，典型的图标(ICON)，甚至动画的时间、过渡等等，从而形成让接受者赏心悦目，直观了然地理解、接受、赞叹！
　　在了解了大数据可视化的基本概念之后，我们来了解下大数据可视化产品选型的内容。
　　“让每个人都成为数据分析师”是大数据时代赋予的要求，数据可视化的出现恰恰从侧面缓解了专业数据分析人才的缺乏。Tableau、Qlik、Microsoft、SAS、IBM等IT厂商纷纷加入数据可视化的阵营，在降低 数据分析 门槛的同时，为分析结果提供更炫的展现方式。为了进一步让大家了解如何选择适合的数据可视化产品，本文将围绕这一话题展开，希望能对正在选型中的企业有所帮助。

　　一、数据可视化概述
　　数据可视化是技术与艺术的完美结合，它借助图形化的手段，清晰有效地传达与沟通信息。一方面， 数据 赋予可视化以意义;另一方面，可视化增加数据的灵性，两者相辅相成，帮助企业从信息中提取知识、从知识中收获价值。
　　维基百科对数据可视化的定义较为权威，它认为数据可视化是技术上较为高级的技术方法，而这些技术方法允许利用图形、图像处理、计算机视觉以及用户界面，通过表达、建模以及对立体、表面、属性以及动画的显示，对数据加以可视化解释。
　　1.发展历史
　　数据可视化的历史可以追溯到二十世纪50年代计算机图形学的早期，人们利用计算机创建出了首批图形图表。到了1987年，一篇题为《Visualization in Scientific Computing(科学计算之中的可视化，即‘科学可视化’)》的报告成为数据可视化领域发展的里程碑，它强调了新的基于计算机的可视化技术方法的必要性。
　　随着人类采集数据种类和数量的增长，以及计算机运算能力的提升，高级的计算机图形学技术与方法越来越多的应用于处理和可视化这些规模庞大的数据集。二十世纪90年代初期，“信息可视化”成为新的研究领域，旨在为许多应用领域之中对于抽象的异质性数据集的分析工作提供支持。
　　当前，数据可视化是一个既包含科学可视化，又包含信息可视化的新概念。它是可视化技术在非空间数据上新的应用，使人们不再局限于通过关系数据表来观察和分析数据信息，还能以更直观的方式看到数据及数据之间的结构关系。
1 2 3 显示全文