數據可視化未來的主要應用會是什麼？

12-29

未來，就是數據的世界，一切皆數據。

如何才能把紛繁複雜的大數據集、晦澀難懂的數據報告變輕鬆易讀、親切、易於理解，可視化無疑是最佳的選擇。

就其運用而言，範圍極為廣泛，如商業智能、政府決策、公共服務、市場營銷、新聞傳播、地理信息等等，均可運用。

大數據領域研究多年的鄧瀟有一段比較簡潔的概述，看起來更容易理解：

一、宏觀態勢可視化

態勢可視化是在特定環境中對隨時間推移而不斷動作並變化的目標實體進行覺察、認知、理解，最終展示整體態勢。此類大數據可視化應用通過建立複雜的模擬環境，通過大量數據多維度的積累，可以直觀、靈活、逼真地展示宏觀態勢，從而讓非專業人士很快掌握某一領域的整體態勢、特徵。

案例：全球航班運行可視化系統，通過將某一時段全球運行航班的飛行數據進行可視化展現，大眾可以很清晰的得以了解全球航班整體分布與運行態勢情況。

案例二：衛星分布運行可視化通過將宇宙空間內所有衛星的運行數據進行可視化展示，大眾可以一目了然宇宙空間的衛星態勢。

應用領域二、設備模擬運行可視化

通過圖像、三維動畫以及計算機程式控制技術與實體模型相融合，實現對設備的可視化表達，使管理者對其所管理的設備有形象具體的概念，對設備所處的位置、外形及所有參數一目了然，會大大減少管理者的勞動強度，提高管理效率和管理水平，是「工業4.0」涉及的「智能生產」的具體應用之一。

案例一、軍工領域戰場設備可視化在戰場環境中對作戰區域內隨時間推移而不斷動作並變化的作戰實體進行可視化展示。了解敵我雙方的兵力部署,進而指揮部署我方的兵力應對和決策。

案例二、衛星運行可視化衛星可視化可以了解大範圍衛星態勢，並對衛星的軌道、在軌姿態、衛星所執行的任務可視化呈現，主要包括：飛行、變軌、偵查，掃描，數據傳輸等等。除此之外，對衛星回傳的數據，衛星自身的狀態，也有針對性的可視化分析和監測。

應用領域三、數據統計分析可視化

此領域是目前媒體大眾提及最多的應用，可用於商業智能、政府決策、公眾服務、市場營銷等領域。

1、商業智能可視化通過採集相關數據，進行加工並從中提取能夠創造商業價值的信息，面向企業、政府戰略並服務於管理層、業務層，指導經營決策。商業智能可視化負責直接與決策者進行交互，是一個實現了數據的瀏覽和分析等操作的可視化、互動式的應用。他對於決策人獲取決策依據、進行科學的數據分析、輔助決策人員進行科學決策顯得十分重要。因此商業智能可視化系統對於提升組織決策的判斷力、整合優化企業信息資源和服務、提高決策人員的工作效率等具有顯著的意義。

2、精準營銷可視化通過大數據分析和挖掘用戶群的文化觀念、消費收入、消費習慣、生活方式等數據，將用戶群體劃分為更加精細的類別，根據用戶群的不同制定不同品牌推廣戰略和營銷策略，提高用戶的忠誠度、培養能為企業帶來高價值的潛在客戶，提升市場佔有率。

3、智能硬體數據可視化智能硬體是繼智能手機之後的一個科技概念，通過軟硬體結合的方式，讓設備擁有智能化的功能。智能化之後，硬體具備了大數據等附加價值。智能硬體已經從可穿戴設備延伸到智能電視、智能家居、智能汽車、醫療健康、智能玩具、機器人等領域。而硬體採集上來的數據需要可視化將其價值呈現。例如我么可以通過使用智能技術來追蹤個人的健康狀況、情感狀況，優化行為習慣等。

未來數據可視化將會在商業管理領域產生更多價值，在大數據與互聯網時代，企業從傳統的流程式管理方式過渡到基於數據的管理方式將會成為必然的趨勢，分析更精細、更及時，工具更智能、更簡單，從而使得管理更客觀、更具針對性。比如下面這個，就是一個簡單的生產設備的數據監控模式（數據可視化助你提早發現設備存在的隱患）：

其實在我研究的項目里，可視化還是十分值得重視的，但是東西太少，一篇碩士的畢業論文能被引用50多次不說，內容其實還是上世紀的東西，不得不說可悲，而英文的文獻中，內容也偏重技術的討論，實用性太低了，我都想不通那個MONEYTREE的用處，深深覺得是技術宅在賣萌。

無論是財務金融的數據可視化，還是大數據的可視化，重點都是把專業複雜難以捕捉的內容以直觀的方式表達給受眾，尤其是缺乏基礎門檻較高的內容的。

另外，數據可視化的互動也是發展的主要方向的，畢竟在AIS方面，可視化如果做不到實時追蹤或者及時的反饋，其實也就是換個體位的財務報表或者會計賬目而已。這部分我看到的東西都比較平民化，缺乏立體或者豐富的東西，我看隔壁專題里就有典型互動式結果內容繁雜沒有分層的悲劇例子。

其實，可視化也並非那麼高科技的東西，如果寬泛一點，也許一個內容緊湊乾貨十足的科普視頻也可以算作可視化的實例啊。像支付寶里的年度對賬單，這東西做得有好有壞，誤導的內容多了點，但這確實可視化的應用。

也許，就像我導師說的，可視化沒有那麼高高在上，完全是個工具而已，用來拉近那些遙不可及的距離。

精美程度由高到低，信息含量由低到高排序：

1. 藝術。

看過 Information Is Beautiful 和 Data Flow，我感覺完全是平面設計藝術。一般是取少量的數據，配以非常視覺化的效果。非常養眼，可以賣海報和周邊產品。

或者是像 http://anthonymattox.com/work 這樣養眼的作品。當然像這種設計師，除了做純藝，肯定會被其他設計公司挖走的。

2. 媒體報道。

在報刊亭隨手拿起一本雜誌翻翻，如果有精美的數據可視化圖表，又 make an interesting point，一定會吸引你的目光。很多淺顯的數據可視化就這樣用在報刊雜誌網站等媒體中了。

3. 有商業價值的應用，需要顯示很多變數的軟體/操控界面等，一般是有很多限制條件下的新解決方案：

比如 hipmunk 的機票酒店搜索結果的展示方式；

我看過一個管理軟體，用 Treemap 歸類數據；

複雜的地鐵交通圖，如當年倫敦首次採用忽略真實地圖、幾何化地鐵線路的設計，就是非常好的 visualization 例子。

4. 科學研究，或者是還不知道有什麼用的研究（後者又可以演變成第1類）

比如著名的 Hans Rosling 展示國家發展規律：

http://www.ted.com/talks/hans_rosling_shows_the_best_stats_you_ve_ever_seen.html

比如《愛麗絲漫遊仙境》的語義地圖

http://www.textarc.org/

題主可以看看這個網站http://www.datashow.com.cn/，一群做信息分析的頂尖geek，憑興趣自己弄了個數據可視化的交流平台，有個圖庫，底下都有做出圖的源代碼，幾個常用的開源軟體：R，python，circos，matlab，當然還有excel。比如用R做底下的圓形圖：

圖下面是做出上面圖的源代碼

整個網站有論壇可以和這些geeks交流，也可以邀請發圖~~

我大三所在的實習單位就是在搞這一塊，方向各種各樣，例如南京大屠殺紀念館一類的展覽，很多晦澀難懂的信息，例如作戰圖，軍隊的各種數據對比，撤軍和進攻的信息等等，直接擺數據是不行的。現在在推廣阿里雲的datav數據大屏，可以實時看到各種信息，放在微信公眾號或者各種自媒體都很方便。還有企業的大數據可視，領導一眼看懂公司的狀況。

基本都是放給不懂數據的人看的，比如領導老總和參觀的人群。

新聞行業很多，目前最需要可視化人才。我覺得應用不會是以哪個為主而是齊頭並進的，每個相關的公司處理的項目都不會單一。

現在這方面前端切入很多，缺少設計，做出來的容易複雜晦澀或者…丑，能做好看的也很多很棒，個人覺得，設計和技術分離開再合併成團隊最好。

目前最好的應用應該是tableau吧，精美不是數據可視化最重用的，實時、易交互(下鑽，選區、……)、data story(用數據講故事)，讓業務人員在不知道如何展現時也能使用並發現規律才是好的應用

實時的業務看板和探索式的商業智能是目前數據可視化最常見的兩個應用場景。

對於企業而言，傳統的商業智能產品或報表工具部署周期很長，從設計、研發、部署到交付，往往需要數月甚至更長的時間，IT部門也需要為此付出很大精力；對於決策者而言，想要了解業務發展，不得不等待每周或每月的分析報告，這意味決策周期將更加漫長。

在商業環境快速變化的今天，每周或每月的分析報告顯然無法滿足企業快節奏的決策需求，企業負責人首先需要的是實時的業務看板。

實時業務看板，意味著可視化圖表會隨著業務數據的實時更新而變化。一方面，這使得企業決策者可以第一時間了解業務的運營狀態，及時發現問題並調整策略；另一方面，實時的數據更新也大大提高了分析人員的工作效率，省去了很多重複式的數據準備工作。

實時業務看板滿足了數據呈現，想要進行深入的數據分析，企業負責人還需要探索式的商業智能。

由於大數據在國外落地較早，且數據基礎更好，所以探索式分析在國外已成為主流。在Gartner 2017 BI（商業智能）魔力象限報告中也可以看出，傳統的BI廠商已從領導者象限出局，自助探索式分析將成為趨勢。而目前，國內企業仍然以驗證式分析為主。

驗證式分析是一種自上而下的模式。即企業決策者設定業務指標，提出分析需求，分析人員再根據相關需求進行報表定製。這種模式必須先有想法，之後再通過業務數據進行驗證。所以驗證式分析對數據質量要求很高，如果數據本身出現問題，那麼即便通過科學的數據建模進行分析，結果也肯定是錯誤的。

相比於驗證式分析，探索式分析對數據質量要求相對較低，同時也不需要複雜的數據建模。「探索式分析的意義在於，它允許分析人員或決策者在不清楚數據規律、不知道如何進行數據建模的情況下，通過數據本身所呈現出的可視化圖表進行查看和分析。」

我在看薦數據分析黑板報有看到關於數據可視化的淺析，由於人類大腦在記憶能力的限制，所以我們利用視覺獲取的信息量多於感官，在大數據與互聯網時代，企業從傳統的流程式管理方式過渡到基於數據的管理方式將會成為必然的趨勢，數據可視化能夠幫助分析的人對數據有更全面的認識。

數據可視化的發展，將改變傳統的管理方式，讓數據的呈現更及時、更直觀、更簡單。讓數據的管理更客觀，針對性更強。簡單粗暴一點來說，未來有數據、有分析的地方就有就有可視化的需求，當大數據的處理技術逐步發展的同時，可視化可以承載讓用戶更容易閱讀和理解的工作，輔助大數據的神秘，讓用戶體驗更佳！

ETHINK數據可視化分析 實時滾動大屏分析系統

製造業工藝流程監控中控大屏

ETHINK智能BI系統海量數據實時在線分析

Tableau

僅適用於Windows。適合多維度，多數據量操作（支持xlsx與csv，csv適合10.4萬以上數據量）（支持直接鏈接到資料庫）。在單維度複雜篩選條件下，沒有資料庫速度快；擅長總覽全局，適合於寫材料與模型尋找突破口；數據展現暫時只看到拷出原數據、展現到網頁，支持動態（幻燈片，非動畫）形式展現。

缺點

1、基於數據查詢的工具，難以處理不規範數據，難以轉化複雜模型

2、對輸入數據類型有要求，運行起來比較慢

3、無法支持中國式複雜表樣

百度遷徙非常好啊

網路社會的數據分析吧。