打通数据价值最后一公里:一文让你全面了解数据可视化

浏览: 325

打通数据价值最后一公里:一文让你全面了解数据可视化


数据可视化是大数据技术得以展现价值的“最后一公里”,向用户呈现数据处理和分析的结果性数据,通过表和图的方式传递数据价值,并且支撑用户对结果性数据的灵活运用。


大数据的基础数据可以是结构化数据,也可能是非结构化数据,是质量好的、由计算机系统采集的数据,也可能是手工维护的文本、表格数据,在经过数据处理和分析的环节后,纷杂的大数据得以整理、整合、清洗、计算,形成易于元数据描述的结果性小数据,信息密度得以极大的提升。在完成信息密度由低到高的魔法变换后,结果性数据如何最大限度地传递价值,一直是业界不断研究和创新的课题。


从“传递价值”的核心意义分析,数据可视化需要考虑两方面的技术,第一是狭义的数据可视化呈现形式,包括各种图表工具和技术;第二是容易被忽视的人机交互,这也是评价数据可视化价值的关键因素。


数据的可视化呈现

可视化的数据呈现,首先体现在基于数据内容的可视化元素上,包括表格、图形和地图。表格作为最传统的可视化呈现元素,伴随了整个信息时代的发展,其技术最为成熟和稳定,按大类主要分为垂直表和交叉表。


图形和地图是近年来的热点技术,尤其大数据兴起后,以图形和地图为核心的数据可视化得到长足的发展。从数据可视化的应用角度,图形和地图可以梳理出如下四大类应用场景:比较、序列、构成、描述。其中“比较”场景细分为进度vs目标、项目vs项目、地域vs地域。


打通数据价值最后一公里:一文让你全面了解数据可视化


图形和地图的元素,在数据可视化的具体应用中,可以单一使用(参考上图进行选择),也可以综合使用,这就是数据可视化的呈现方式,或者说可视化元素如何满足不同最终用户的需求。


以表格为主体的呈现

提到表格就不得不说到电子表格的经典软件——Office Excel。这款风靡全球几十年的桌面级数据分析工具,将数据表格的呈现做到了极致。为了将其与大数据平台进行结合,出现了不同的实现方式。首先是Excel自身可以读取某些数据源,其次是通过Power Query从大数据平台读取数据,以及模仿Excel开发的WEB表格控件和利用插件借助Excel表格能力的软件(Smartbi)。


打通数据价值最后一公里:一文让你全面了解数据可视化


这些以表格为主的数据可视化呈现,既保留了丰富的数据(行列矩阵的形式),同时又直观的揭示了数据之间的对比关系(通过颜色、长度、符号)。


以图形为主体的呈现

早期数据可视化的图形,我们主要的认知也来自Excel。但在大数据技术的催生下,各种软件的数据可视化图形基本趋同,都和以下ECharts的图形分类大同小异。包括折线图、柱形图、散点图、饼图、漏斗图、仪表盘、雷达图、K线图、箱线图、热力图、关系图等。


除了上述这些常规的数据可视化图形外,不同软件还有不同的特殊能力,也非常值得学习和借鉴。比如填充人物背景的柱图、只显示TOP和BOTTOM的手风琴图、表现目标达成的子弹图、对比收入和支出的正负柱状图、横向对比项目的填充气泡图等等。


以地图为主体的呈现

地理信息在大数据中是非常重要的,尤其体现在当代引领信息革命的中国各个领域。从地理信息的数据结构,可以分为点、线、面的三种数据可视化呈现,包括热力地图、航线地图、泡泡地图、散点地图、染色地图等。


打通数据价值最后一公里:一文让你全面了解数据可视化


此外,基于GIS系统的数据可视化有了更清晰和准确的地理信息,实现起来也相对简单,只要调用GIS系统提供的接口即可,但可能需要更好的网络环境或者更高的成本代价。


打通数据价值最后一公里:一文让你全面了解数据可视化


高度综合的大屏呈现

最后就是混合各种可视化元素,甚至动态增强(自动轮播、刷新、滚屏等)的管理驾驶舱或者指挥大屏幕,前者一般用于普通的PC浏览器,后者一般用于分辨率超大的数字大屏。


打通数据价值最后一公里:一文让你全面了解数据可视化


在这种综合各种元素的大屏中,平面以及动效设计起到了十分重要的作用,另外在布局和内容规划上也需要做反复的斟酌。


数据可视化的交互

结果性数据无论通过表格、图形、地图的数据可视化形式,都依托于一个载体(浏览器等)与最终用户进行交互。从交互的程度来看,初级的交互操作主要是更改查询条件和点击触发事件,高级的交互操作主要是自行更改或者重新进行数据可视化探索。


初级的交互操作

更改数据的查询条件等初级交互,都是提前开发的功能,也是对具体最终用户需求的具体实现。从载体上,初级交互操作可以在PC浏览器上进行,也可以在移动设备上进行。


打通数据价值最后一公里:一文让你全面了解数据可视化

打通数据价值最后一公里:一文让你全面了解数据可视化


具备更多类似能力,最终用户将大幅减少细节的需求,提高了“传递价值”的效果。


高级的数据探索

初级的交互操作不仅在预设的功能下进行,也在限定的小数据集范围内进行。而高级的数据探索允许最终用户突破限制,更自由的组合数据和调整可视化效果。


打通数据价值最后一公里:一文让你全面了解数据可视化


如果初级的交互操作覆盖了80%的用户需求,高级的数据探索就满足于真正依赖数据可视化的高级用户,他们渴望通过自助式的可视化分析功能,自行高效完成自身需求,改善了“传递价值”的效率。


集成到办公系统

数据可视化“传递价值”的目的在于辅助决策,如果没有决策需求,就不需要数据可视化技术。而决策需求全部发生在办公环境当中,比如在办公桌前思考、在会议室中讨论、在手机上组织协调、在报告中分析研究......那么数据可视化就必须考虑如何满足这些办公场景,从“传递价值”的效率和效果上不断进步。


未来的数据可视化

过去的十年,数据可视化技术从技术触发期进入了期望膨胀期,数据可视化不仅让更多用户了解了大数据,更让这些用户感受到数据可视化的价值——发现所拥有数据的内在价值,从而更加投入到数据的积累和利用。从前文可知,数据可视化技术不仅需要表格、图形、地图等可视化元素的创新和持续开发,而且还需要在交互层面更加便捷,其中很多环节还会在AI技术催生下跃进发展。例如会话式增强分析、大数据量图形、智能报表&报告等等。


数据可视化的本质在于“传递价值”,也就意味着它是大数据分析系统的人机交互界面,因此除了传统信息技术还需要计算机交互、计算机视觉等专业技术的构成。正因为多种因素的构成,数据可视化的实现方式也可谓“百家争鸣”,实现效果也各有优略。但无论技术因素如何组合,数据可视化都应以效率和效果为导向,切忌为了炫酷而可视化。突出重点信息、降低视觉干扰、增加上下文联系、拆解复杂图形,才是数据可视化必须坚持的原则。

推荐 0
本文由 大麦 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
转载、引用前需联系作者,并署名作者且注明文章出处。
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。

0 个评论

要回复文章请先登录注册