数据可视化

数据可视化

数据可视化是一门同时结合了科学，设计和艺术的复杂学科，其核心意义始终在于清晰的叙述和艺术化的呈现，这些需要依靠数据分析师和设计师的精心策划而不是只有炫酷的效果，最终达到帮助用户理解数据和做出决策的目标，才能发挥它巨大的价值和无限的潜力。

一、数据可视化概述
数据可视化主要旨在借助于图形化手段，清晰有效地传达与沟通信息。也就是说可视化的存在是为了帮助我们更好地去传递信息。
二、数据
2.1科学可视化
1987年，布鲁斯·麦考梅克、托马斯·德房蒂和玛克辛·布朗所编写的美国国家科学基金会报告《Visualization in Scientific Computing》（意为“科学计算之中的可视化”） ，报告中强调了新的基于计算机的可视化技术方法的必要性。
随着计算机运算能力的迅速提升，建立规模越来越大，复杂程度越来越高的数值模型，从而造就体积庞大的数值型数据集。数据采集的数据集可以利用保存文本、数值和多媒体信息的大型数据库来收集数据，需要高级的计算机图形学技术与方法来处理和可视化这些规模庞大的数据集。
2.2信息可视化
应用领域中对于抽象的异质性数据集的分析工作提供支持。
2.3数据可视化
数据可视化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。
三、数据可视化流程
首先对现有的数据进行分析，得出结论，明确要表达的信息和主题（即你通过图表要说明什么问题）。然后根据目的在现有的或图表信息库中选择能够满足目标的图表。最后开始动手制作图表，并对图表进行美化、检查，直至最后图表完成。
这里我们容易犯错是：先设想要达到的可视化效果，然后在去寻找相应的数据。这样经常会造成：“现有的数据不能够做出事先设想的可视化效果，或者是想要制作理想的图表需要获取更多的数据。”这样的误区。


四、数据可视化特征
归纳为以下三点，当然它们并非都是必备特征：

五、数据可视化工具
Jupyter：大数据可视化的一站式商店
Tableau：AI，大数据和机器学习应用可视化的最佳解决方案
Google Chart：Google支持的免费而强大的整合功能
D3.js：以任何您需要的方式直观地显示大数据
Smartbi：真Excel操作，简单易用
六、应用场景
6.1. 大屏

6.2.触摸屏
实现交互式数据可视化的方式之一，触屏设备常常用作控制大屏展示内容的操作设备（其中也包括手机和平板），也可以兼顾显示和操作一体来单独展示数据，大大增加了用户与数据之间的互动程度。
6.3.网页
目前应用于数据可视化方面的网页技术，如D3.js、Processing.js、Three.js、ECharts（来自百度EFE数据可视化团队）等等，这些工具都能很好的实现各类图表样式，而Three.js作为WebGL的一个第三方库则相对更侧重于3D方向的展示。
6.4视频

视频也是数据可视化的有效展示手段之一，并且视频受到展示平台的限制更少，可以应用的场景也更广。不过因为其不可交互的特性，视频展示更适合将数据与更真实、更艺术的视觉效果相结合。
参考资料
百度百科
数据可视化：对循证决策的贡献 – SciDevNet