什麼是數據可視化？
非常喜歡這個話題，不請自來。
我認為數據可視化並不是簡單的把數據變成圖表。而是以數據為視角，看待世界。換句話說，數據可視化的客體是數據，但我們想要的其實是——數據視覺，以數據為工具，以可視化為手段，目的是描述真實，探索世界。
我相信，也許一年，兩年，五年，十年，數據視覺這個說法會取代數據可視化。
就像數據可視化，漸漸取代了數據圖表這一說法一樣。
數據視覺究竟是什麼呢？我查閱了一些史料，發現幾個有意思的人。或許看完了他們的經歷，我們就能回答這個問題了。
第一個人：William Playfair（1759-1823）
Playfair是蘇格蘭的工程師、政治經濟學家。他生於1759年9月22日，當時歐洲正處於啟蒙運動時期，是藝術、科學、工業與商業的黃金髮展時代。他是家裡的第四個兒子，哥哥分別是蘇格蘭著名建築家、數學家。師從Andrew Meikle，脫粒機的發明者。
WIKI百科上面說，他曾當過：造水車木匠、工程師、繪圖員、會計、發明家、銀匠、商人、投資經紀人、經濟學家、統計學家、小冊子作者、翻譯家、出版人、投機者、罪犯、銀行家、熱心的保皇黨人、編輯、敲詐者、記者。
真是原諒我一生不羈放蕩愛跳槽啊！
但是他最著名的身份，是統計製圖法的創始人。
他創造了世界上第一張有意義的線圖、柱圖、餅圖與面積圖。感覺看到這裡很多分析師都要跪了，這四種圖表類型應該是直到現在都被頻繁使用的圖表類型了吧！
這是William Playfair繪製的條圖。出現在他主編的《商業與政治圖集》（Commercial and Political Atlas）中。
這是1801年William Playfair在出版的《統計摘要》（Statistical Breviary）中繪製的餅圖，世界上第一張大餅，闡述的是土耳其帝國當時在歐洲、非洲、亞洲佔有的領土面積。
作為一個既懂統計學（身份：統計學家）、又富有遊說技巧（身份：熱心的保皇黨人、敲詐者、編輯、記者、出版人）、同時還有創新精神（身份：發明家）、還會畫畫（身份：繪圖員）的人，被點亮了一身的技能點，統計製圖法之父不是他，還能是誰？？？
當然，這個人最重要的就是，他堅信——圖表比數據表更有表現力。
第二個人：Florence Nightingale （1820-1910）
佛羅倫斯－南丁格爾出現在了數據可視化的文章中，會不會有點怪呢？
但是，如果你曾用過玫瑰圖，或者南丁格爾圖，就應該知道。
首先，它是以自己的締造者命名的。
其次，那個南丁格爾，就是「這個」南丁格爾啊！
在克里米亞戰爭期間，南丁格爾通過搜集數據，發現很多死亡原因並非是「戰死沙場」，而是因為在戰場外感染了疾病，或是在戰場上受傷，卻沒有得到適當的護理而致死。
為了解釋這個原因，並降低英國士兵的死亡率，她繪製了這個著名的圖表，並與1858年遞到了維多利亞女王手中。一個切角是一個月，其中面積最大的藍色塊，代表著因為可預防的疾病。
這個圖表真的很厲害，為什麼呢？
第一，它用面積直觀地表現出了一個時間段內，幾種死因的佔比，讓任何人杜能看懂；
第二，它還長的很漂亮，像一朵玫瑰花一樣；然後我們來想一想，它為什麼要長的那麼漂亮？因為這張圖表的彙報對象以及最終的決策人是維多利亞女王！
南丁格爾的故事告訴我們：
數據可視化是為了更好地促進行動，所以要讓行動的決策人看懂！
為此，耍盡心機在所不辭啊～
第三個人：John Snow（1813-1858）
看到這個名字，我本人也是虎軀一震。沒想到John Snow在數據可視化這塊也佔了一席之地。
仔細研究了一下出生年月，才知道是自己想多了。
John Snow醫生是英國麻醉學家、流行病學家，曾經當過維多利亞女王的私人醫師，被認為是麻醉醫學和公共衛生醫學的開拓者。
1854年，倫敦西部西敏市蘇活區爆發霍亂，當時許多醫生認為霍亂和天花是由「瘴氣」或從污水及其他不衛生的東西中產生的有害物所引起的。
然而，John Snow放出了他的冰原狼，啊不，John Snow通過調查，證明了霍亂是由被糞便污染的水傳播的。
他將蘇活區的地圖與霍亂數據結合在一起，鎖定了霍亂的流行來源地——百老大街（Broad Street）水泵。
隨即，他推薦幾種實用的預防措施，如清洗骯髒的衣被，洗手和將水燒開飲用等，取得了良好的效果。
那時候，沒有GIS，地圖都靠手繪，John Snow卻創造性地把數據與地圖結合在一起。這充分說明了一件事：
每一種圖表類型的誕生，都是由於明確而迫切的需要；
所以當你需要在已知的圖表類型中進行選擇時，先想想自己想要解決的到底是什麼問題！
第四個人：Charles Joseph Minard (1781–1870)
這張圖相信很多人都見過了，被Edward Tufte認為是史上最傑出的統計圖。它的名字叫做《1812-1813對俄戰爭中法國人力持續損失示意圖》，也被簡稱為《拿破崙行軍圖》或《米納德的圖》，這張圖表描繪了拿破崙的軍隊自離開波蘭－俄羅斯邊界後，軍力損失的狀況，在一張圖中，通過兩個維度，呈現了六種資料：拿破崙軍隊的人數、行軍距離、溫度、經緯度、移動方向、以及時間－地域關係。
嗯，這種帶狀圖確實看起來眼熟。現在，大家更熟悉的帶狀圖表的名字叫做「桑基圖」，然而，它比米納德的圖晚了30年，而且，只用於解釋能量的流動。
但是，米納德的成就不光是一張行軍圖，他還是首個把餅圖與地圖結合在一起的人。
以及在地圖上加流線。
相傳，米納德的作品非常受歡迎，到什麼程度呢？在米納德的法文訃告中提到，1850～1860間，法國政府部門的首長希望在自己的畫像中，出現米納德畫的圖表。
而米納德又教給我了什麼？
儘管世界上已經有了氧氣（餅圖）與氫氣（地圖），
但是，這並不意味著我們不能創造了啊～
為什麼不學米納德，試試氧化氫呢～
最後，添加我編（xia）纂（bian）的數據可視化的「希波克拉底誓言」，來總結一下我對數據可視化的理解：
數據圖表之父William Playfair、玫瑰圖的締造者南丁格爾、以及天地諸神作證，我發誓：
- 我願以自身能力所及，儘力展示數據；
- 我發誓，數據表達的真相，我絕不扭曲；
- 即使是超大的數據集，我也將令其乾淨、連續；
- 永遠保持熱情，對不同的欄位進行比較；
- 從宏觀到微觀，用不同的細節揭示數據背後的秘密；
- 每做一個圖集，都有一個清晰的目標：或描述、或探索；
- 我的技術永遠為揭示數據真相而服務，而不是利用數據炫耀自己的技巧。
我遵守以上誓言，珍惜闡釋數據的無上光榮。
數據可視化不是簡單的把數字用圖表表示，而是就是幫助人，發現數據後的規律。
每年當天狼星清晨出現在東方地平線上的時候，尼羅河便開始泛濫，古埃及人根據這個規律制定農業計劃。同時，他們發現天狼星出現同樣的位置間隔是365天，這就是「太陽曆」。這是數據可視化。
在天文學上也同樣有著重大的意義：它的主軸線、通往石柱的古道和夏至日早晨初升的太陽，在同一條線上；另外，其中還有兩塊石頭的連線指向冬至日落的方向。因此，人們猜測，這很可能是遠古人類為觀測天象而建造的，可以算是天文台最早的雛形了。這也是數據可視化。
托勒密（約90年—168年）構建出一個非常精妙的數學模型描述了宇宙星辰的運行規律。托勒密用地心說構建了一個完美的數學模型。——大圓上套入小圓。這正是擬合函數的思想。這個模型在理論上站得住腳，加上他的數學水平很高，因此，他給出的具體的模型參數極為準確，所預測的地球運行的周期，每100年的誤差不超過一天。這也是數據可視化。
所以，我認為數據可視化不是簡單的把數字用圖表表示，而是就是幫助人，發現數據後的規律。
大數據可視化，就是指將結構或非結構數據轉換成適當的可視化圖表，然後將隱藏在數據中的信息直接展現於人們面前。那數據可視化的優勢在於合成呢？
1. 展示需要相比傳統的用表格或文檔展現數據的方式，可視化能將數據以更加直觀的方式展現出來，使數據更加客觀、更具說服力。在各類報表和說明性文件中，用直觀的圖表展現數據，顯得簡潔、可靠。
在可視化圖表工具的表現形式方面，圖表類型表現的更加多樣化，豐富化。除了傳統的餅圖、柱狀圖、折線圖等常見圖形，還有氣泡圖、面積圖、省份地圖、詞雲、瀑布圖、漏斗圖等酷炫圖表，甚至還有GIS地圖。這些種類繁多的圖形能滿足不同的展示和分析需求。
指標卡：直觀展示具體數據和同環比情況；
計量圖：直觀顯示數據完成的進度；
折線圖：看數據的變動走勢；
柱狀圖：直觀展示對應的數據、可以對比多維度的數值；
（堆積柱狀圖）
條形圖：可以理解成橫向的柱狀圖；
雙軸圖：柱狀圖+折線圖，這種圖表大家都很經常用到；
餅圖/環圖：分析數據所佔比例；
行政地圖：有省份或者城市數據即可；
GIS地圖：更精準的經緯度地圖，需要有經緯度數據，可以精確到鄉鎮等小粒度的區域，參考鏈接：經緯度可視化地圖
漏斗圖：路徑、數據轉化情況；
詞云：即標籤雲，展示詞頻分布；
矩形樹圖：分析不同維度數據的佔比分布情
上面所有的數據圖表都出自BDP個人版！
2. 數據分析需要大數據的價值在於挖掘。大數據時代背景下的可視化圖表工具在大數據時代，可視化圖表工具不可能「單獨作戰」。一般數據可視化都是和數據分析功能組合，數據分析又需要數據接入整合、數據處理、ETL等數據功能，發展成為一站式的大數據分析平台。
3、科技在進步，社會在發展，數據可視化也要適應時代的需求，除了要在數據處理和數據展示方面下足功夫外，還要強調功能易用性和操作人性化，不要有太高的學習門檻，除了技術人員，讓更多的業務人員能夠了解數據平台，了解數據可視化。
4、數據可視化的應用價值，其多樣性和表現力吸引了許多從業者，而其創作過程中的每一環節都有強大的專業背景支持。無論是動態還是靜態的可視化圖形，都為我們搭建了新的橋樑，讓我們能洞察世界的究竟、發現形形色色的關係，感受每時每刻圍繞在我們身邊的信息變化，還能讓我們理解其他形式下不易發掘的事物。
- 有的可視化目標是為了觀測、跟蹤數據，所以就要強調實時性、變化、運算能力，可能就會生成一份不停變化、可讀性強的圖表。
- 有的為了分析數據，所以要強調數據的呈現度、可能會生成一份可以檢索、互動式的圖表
- 有的為了發現數據之間的潛在關聯，可能會生成分散式的多維的圖表。
- 有的為了幫助普通用戶或商業用戶快速理解數據的含義或變化，會利用漂亮的顏色、動畫創建生動、明了，具有吸引力的圖表。
- 還有的被用於教育、宣傳或政治，被製作成海報、課件，出現在街頭、廣告手持、雜誌和集會上。這類可視化擁有強大的說服力，使用強烈的對比、置換等手段，可以創造出極具衝擊力自指人心的圖像。在國外許多媒體會根據新聞主題或數據，僱用設計師來創建可視化圖表對新聞主題進行輔助。
所以數據可視化是什麼，這個概念不是那麼簡單的一個定義，希望我們都能好好把握數據可視化，把握數據時代，真正讓數據驅動業務，驅動發展。
什麼是數據可視化
什麼是數據可視化？數據可視化是關於圖形或表格的數據展示。在一個被關注的連貫而簡短的報告中體現大量的信息。雖然數據可視化可以處理書面信息，焦點往往是使用圖片和圖像信息傳達給觀眾。
此外，數據可視化不僅限於涉及到數據的使用。也可能是可視化各種各樣的信息 – 你可以將自己的想法與猜想與他人交流。如今，可以添加各種技術應用到數據可視化，甚至是選擇互動式的可視化方法。
信息的視覺化表達是一種古老的分享創意與體驗的方法。圖表和地圖是一些早期數據可視化技術的重要例證。
為什麼數據可視化很重要？如上所述，人類已經使用數據可視化技術很長一段時間了，圖像和圖表已被證明是一種有效的方法來進行新信息的傳達與教學。有研究表明，80％的人還記得他們所看到的，但只有20％的人記得他們閱讀的！它甚至可以把思想和事件傳給後代。技術的發展進一步提高了數據可視化帶給人們的機遇。
也許使用數據可視化的最重要的好處是它能夠幫助人們更快地理解數據。你可以在一個圖表中突出顯示一個大的數據量，並且人們可以快速地發現關鍵點。在書面形式，它可能需要數小時來分析所有的數據及聯繫。
此外，這種展示巨量數據的能力是另一個數據可視化的優點。一張圖表可能會突出顯示一些不同的事項，人們可以在數據上形成不同的意見。這自然能為商業開闢新的途徑。人們或許能從數據中發現一些意想不到的東西。
數據的可視化展示,提高了解釋信息的能力。從海量的數據和信息中尋找聯繫並不容易，但是圖形和圖表可以在幾秒內提供信息。一望便知，可提供所需的信息。
以上所述,能提高在工作場所或教育機構的溝通和有效性。數據可視化被普遍認為是一種簡單而有效的方法來概括數據，因此它是可以提高人們的共享信息和學習的一種方法。
不同的數據可視化方法技術的發展已導致數據的大爆炸。這反過來又促使數據展示方式的激增。一般來說，大多數據可視化分為2種不同的類型：探索型和解釋型。勘探類型幫助人們發現數據背後的故事，而解析數據方便給人們看。
此外，有不同的方法可用於創建這2種類型。最常見的數據可視化方法包括：
2D區域-此方法使用的地理空間數據可視化技術，往往涉及到事物特定表面上的位置。2D區域的數據可視化的例子包括點分布圖，可以顯示諸如在一定區域內犯罪情況。
時態-時態可視化是數據以線性的方式展示。最為關鍵的是時態數據可視化有一個起點和一個終點。時態可視化的一個例子可以是連接的散點圖，顯示諸如某些區域的溫度信息。
多維-可以通過使用常用的多維方法來展示目前2維或高維度的數據。多維可視化的一個例子可能是一個餅圖，它可以顯示諸如政府開支。
分層-分層方法用於呈現多組數據。這些數據可視化通常展示的是大群體裡面的小群體。分層數據可視化的例子包括一個樹形圖，可以顯示語言組。
網路-在網路中展示數據間的關係,它是一種常見的展示大數據量的方法。
以上提到了大量的選擇，在它可以提供巨大機會的同時，令人頭痛的是為你的數據展示選擇正確的方法。
數據可視化背後關鍵概念看過數據可視化的人都明白設計的好壞。如果這些信息不是以正確的、恰當的方式呈現，那麼數據可視化的好處就很容易消失，特定項目需要特定的方法。
無論你的信息是關於什麼的，使用數據可視化時要牢記一些理念。
了解你的受眾
呈現數據前首要做的是思考誰將查看這些數據，為找到合適的數據可視化方法，了解你的受眾非常關鍵。
儘管數據可視化通常是一種簡化數據的方法，受眾可能仍然存在不同的知識背景，需要為此做好準備。如果你的數據可視化的目標是專業受眾，那麼你可以使用更適合的方法以及使用專業術語來解讀數據。另一方面，普通受眾可能需要相同的數據提供更加清晰的解釋方式。
同樣重要的是要知道受眾對數據的預期。他們想要的關鍵點是什麼？你需要清楚呈現到數據中。此外，還需要明白，你的數據意圖。
足夠的了解數據
除了知道你的目標受眾，您還需要了解數據的內涵。如果你不完全明白你的數據，那麼你將無法有效將其傳達給受眾。
你也無法從數據中提取所有信息，所以需要找到關鍵信息，並以一致的方式呈現它。還需要確定數據的正確性，不是虛構的 – 錯誤的數據不要可視化！
如果你正確地理解它，你也可以從數據中得到獨特而有趣的信息。
講故事
你的數據可視化還應當力求傳達一個故事。你不希望這些數據是一組信息僅僅呈現自己，而是有使用數據背後的信息。這可能是關於引入不同的敘述，並為觀眾描繪的特定圖像。
使用一個故事，往往意味著受眾從數據中獲得更多的洞察力。它可以幫助受眾了解及深入新的信息。
事實上，數據可視化技術是個講故事的好工具。俗話說：「圖像可以講述一千個故事」是有道理的，你應該用它來做為你的優勢。通過數據集講故事並不困難，因為你可以用顏色，字體及陳述做為你講故事方法的一部分。為了使數據可視化講故事的更加精彩，理解數據這點是至關重要的。
保持簡單
近年來，數據可視化已經發展了很快，正如上面所說，有很多工具和系統供你使用。接觸不同的獨特方法並不意味著你需要使用它們。此外，大量的數據不應該機械地認為所有的信息是必不可少的。
總之，你需要保持你的數據可視化方法簡單明了。你不要為了它而想著包含太多的數據信息或使用過多不同的技術。
如果你考慮通過鏡頭講故事的，重要的是要了解你的視覺中的每個元素應該是故事必不可少的一部分。如果數據或元素，如某些事物的圖片，沒有添加任何重要的故事，那麼你不應該把它包含在你的報告中。
擁有過多元素的可視化實際上會損壞成品並會偏離數據。你還需要記住數據可視化的好處是直觀地呈現大量的數據。如果你的可視化看起來費勁，那麼你需要回去看看是否使用了錯誤的數據呈現方法或包含了太多冗雜的信息。
避免可視化數據的嚴重誤區
以上的關鍵方法可以幫助你建立一個數據可視化策略，你也需要清楚一些常見的錯誤。
錯誤信息
上述提到數據中的錯誤會誤導受眾。你需要確保那些正在看你數據的人，看到的信息正確。這是你的工作，以確保人們可以從你的圖表和圖像中使用數據，而不需要再次檢查信息。
不完全信息
除了確保所有的信息是正確的，您還需要提供完整的數據。觀察者必須在其全部信息中找到相關數據，不要使用數據可視化來欺騙或呈現不完整的信息。
數據可視化可以而且應該講述一個故事，但故事需要有完整和正確的信息，而不是一份報告中看起來合適的數字。
簡單的數據
雖然你需要確保你的數據是在用一個簡單的方式呈現，這並不意味著你應該簡化它。首先，你需要記住受眾–如果你展示給數據的專業人士就不要使用常見的簡單語言。另一方面，如果受眾對它沒有什麼意識，就不要用專業術語來填充文字。
除此之外，你也不能期望你的受眾在沒有借住清晰描述可視化的情況下就能清楚地了解數據之間的聯繫。你不能因為它似乎顯而易見而省略信息-記住，你的受眾只會看到你目前的數據，而不是過去使用過的完整數據集！
不合適的可視化
當你呈現數據，你需要仔細思考這些數據。當談到如字體，顏色和圖像，背景是非常重要的。例如，如果你是呈現由於特定的疾病而導致死亡的信息，一個色彩鮮艷，令人愉快的圖像似乎是不合適的。
不恰當的可視化涉及到所使用的技術，使它難以查看和理解數據。例如，你可以使用氣泡來代表你的部門不同的消費水平，但如果不考慮尺寸的差異，氣泡就會誤判和不準確。
遺忘注釋
過度簡化也可能導致缺失注釋。當你呈現數據時，很容易假設受眾知道圖像的每一個方面是什麼。簡單的添加的注釋可以提高用戶體驗，並確保受眾知道你的數據中的所有數據關鍵點。
作為一個例子，你可能有一個圖表顯示你的企業在過去十年銷售自行車量。如果數據中有一個大的下降或是上升，一個注釋解釋了這個突然變化背後的原因，將確保觀眾得到這個額外的信息。
最後的思考
希望上面已經解釋清楚了數據可視化重要性的基本點。有許多不同的方法和程序可以幫助你以一種獨特而引人注目的方式呈現你的數據。
重要的是理解,在所有酷炫古怪的方法下面，數據可視化是圍繞數據–你需要找到一種方法，以正確的，清晰和直達主題的方式概括信息。當你找到正確的方法，數據可視化不僅豐富而且美觀。
一般來說，人的大腦對視覺信息的處理優於對文本的處理，所以使用圖表、圖形等元素可以幫助人們快速的理解數據中的含義，趨勢及相關性。也就是說，數據可視化其實是將抽象概念進行形象性表達，將抽象語言進行具象圖形可視的過程。下面從歷史的角度講解一下數據可視化的發展趨勢，幫助大家進一步了解數據可視化的本質。
一、樹狀圖
在過去很長一段時間裡，人們認為自身限於世界的自然秩序之中，以上帝為最頂層，自上而下的發展，這是基於亞里士多德的本體。從下圖中我們就可以看到這種直接的層級關係。
圖片鏈接：https://www.flickr.com/photos/21836355@N00/61809508/in/album-631994/
隨著時間的推移，從樹榦的分支結構為靈感的來源，創造出最早的智慧之樹，稱為波菲力之樹。每一個樹枝都可以有效的傳遞數據信息，至此逐漸變為主要的交流工具和手段，用來描述不同的結構系統。
1. 道德之樹
圖片鏈接：https://www.pinterest.jp/pin/66920744433655776/
2. 血緣之樹
圖片鏈接：https://www.pinterest.jp/pin/548805904565617162/
3. 家譜之樹
圖片鏈接：https://jungiangenealogy.weebly.com/cosmic-tree.html
4. 法律之樹
圖片鏈接：http://t.cn/RlaKr2E
5. 物種之樹
圖片鏈接：https://www.pinterest.jp/pin/441493569691764794/
二、網路結構
樹形圖逐漸發展為一種有效的視覺象徵，體現人類對於秩序，平衡，統一和對稱的渴望。但是，隨著人類面對問題越來越複雜，現在已經無法利用樹形圖來去表達和敘述了。新的視覺傳達逐漸的成型，最終取代了樹形圖。在各種圖形化的系統中，新的系統面對複雜問題為人類提供了新的解決方法，稱之為網路結構（Network）。
過去，人們認為大腦是由一個中樞器官來支配的其他區域，為特定的區域提供了反映與行為的機制。
圖片鏈接：http://t.cn/RlaCXaR
隨著生物醫學的發展，我們才知道大腦是由數萬個神經元與數億條神經網路相連接。
圖片鏈接：http://www.markus-schirmer.com/brainnetworks_overview.html
同樣，在知識結構的表達上人類也不斷的升級，從Ramon Llull的知識之樹到Diderot d"alembert的百科全書再到現代的百科全書與維基百科的關係網路。
圖片鏈接：https://www.pinterest.jp/pin/813603488901880763/
圖片鏈接：http://urbagram.stdio-london.com/v1/show/Microplexes
圖片鏈接：http://t.cn/RlaCW4f
我們會發現知識從過去的單一線性，到現在的錯綜複雜，體現了人類知識的大爆炸，知識與知識的相互關聯，就猶如一個複雜的網路。同樣在人際關係上，網路也發揮著其作用，第一張圖代表著傳統的公司，自上而下的等級制度。
圖片鏈接：https://pic2.zhimg.com/v2-13ba8efeed42fcd6113d0788172194d1_b.jpg
而下面這張圖代表著全球的程序員相互協作工作的關係圖。
圖片鏈接：https://pic1.zhimg.com/v2-70115a606824bbed26f7c7d39a8f965a_b.jpg
在物種分類上，達爾文在其「物種起源」中，利用樹形圖來去為物種做分類。
圖片鏈接：http://blog.sciencenet.cn/blog-225931-817985.html
而現在科學的研究下，物種的之間本身沒有直接的聯繫，通過網路圖可以更加直觀的表現物種之間的關係。
圖片鏈接：http://www.nimbios.org/workinggroups/WG_econetworks
再到David lavigne的生態系統中，描繪出鱈魚這個單一物種與其他100多種物種之間的關係網路。
圖片鏈接：https://geog220-2.wikispaces.com/Complexity
隨著現代視覺分類學的發展中，逐漸形成了15種不同的網路類型。
圖片鏈接：https://www.pinterest.jp/pin/291467407105046549/
三、分類案例
通過上述數據可視化歷史我們可以看出，數據可視化可以更加直觀地傳遞和表達信息，進而展現事物之間的聯繫。事實上，數據可視化在設計領域也應用甚廣，下面簡要列舉幾種建築設計之中的數據可視化的分類案例，大家可以參考理解。
1. Radial Convergence
利用環狀關係適用於多種數據建立相互關係，以表達信息之間的強弱關係。信息可成組建立關係也可以單個之間建立聯繫。
圖片鏈接： http://www.gooood.hk/overseas-45-yan-zhang.htm
圖片鏈接：http://www.gooood.hk/overseas-38-qiu-waishan.htm
2. Arc Diagrams
主要表達線性多元數據之間的關係，利用弧線的半徑表達數據與數據之間關係強弱。主要用於表達數據與數據之間相對的差異關係，數據種類比較繁多。
圖片鏈接：http://www.gooood.hk/avant-garde-6-yaohua-wang.htm
圖片鏈接： http://www.gooood.hk/oversea-24-harry-mx-wei.htm
3. Radial Centralized Networks
環狀信息網路可將不同關係的數據環形排列，利用柱狀圖，餅狀圖，散點圖將數據直接圖像化表達，同時表達較多周期的概念，如時間，年月，季節等。
圖片鏈接： http://www.gooood.hk/overseas-38-qiu-waishan.htm
圖片鏈接：http://www.gooood.hk/overseas-59-boyuan-jiang.htm
圖片鏈接：http://www.gooood.hk/overseas-58-xu-zhang.htm
圖片鏈接：http://www.gooood.hk/overseas-57-yiwei-li.htm
圖片鏈接： http://www.gooood.hk/overseas-53-zhang-yang.htm
圖片鏈接：http://www.gooood.hk/overseas-47-ruichao-li
圖片鏈接： http://www.gooood.hk/overseas-46.htm
圖片鏈接： http://www.gooood.hk/oversea-34-peichen-hao.htm
圖片鏈接：http://www.gooood.hk/oversea-29-lulu-zheng.htm
圖片鏈接： http://www.gooood.hk/oversea-11-shuang-li.htm
圖片鏈接： http://www.gooood.hk/oversea-10-jun-zhou.htm
4. Flow Chart
此類分析圖可說明各部件之間的關係構架，同時植入時間，地理位置，功能等第三維度，可表達信息隨不同信息元素變化而變化的表達方式。一般表達較少周期但種類較多的信息。
圖片鏈接：http://www.gooood.hk/overseas-57-yiwei-li.htm
圖片鏈接：http://www.gooood.hk/overseas-45-yan-zhang.htm
圖片鏈接：http://www.gooood.hk/oversea-35-ruoyun-xu.htm
圖片鏈接： http://www.gooood.hk/oversea-31-ya-you.htm
圖片鏈接： http://www.gooood.hk/oversea-30-zhonghan-huang.htm
圖片鏈接： http://www.gooood.hk/oversea-15-aiden-ai.htm
圖片鏈接： http://www.gooood.hk/oversea-24-harry-mx-wei.htm
5.Ramification
此類表達不僅可以表達子系統與信息之間的關係，同時還可以將子系統之間進行對比。
圖片鏈接： http://www.gooood.hk/oversea-23-ruoyu-wei.htm
圖片鏈接： http://www.gooood.hk/oversea-21-zigeng-wang.htm
6. Organic Rhizome
此類分析圖可以表達不同信息點之間的關係網的複雜性，更加隨意的表達信息與信息之間的強弱關係。
圖片鏈接： http://www.gooood.hk/overseas-58-xu-zhang.htm
圖片鏈接：http://www.gooood.hk/overseas-58-xu-zhang.htm
圖片鏈接：http://www.gooood.hk/oversea-15-aiden-ai.htm
以上望有幫助，歡迎交流
———————————————————
歡迎關注我的個人官方微信（kang-shishi）
如有藝術留學、院校、專業、作品集方面的問題，可私信康石石諮詢
數據可視化是利用計算機圖形學和圖像處理技術，將數據轉換成圖形或圖像在屏幕上顯示出來，並進行交互處理的理論、方法和技術。它涉及到計算機圖形學、圖像處理、計算機視覺、計算機輔助設計等多個領域，成為研究數據表示、數據處理、決策分析等一系列問題的綜合技術。
數據可視化其實很簡單，比如你把你的電子表格畫成餅圖等或者三維圖更加直觀的表現數據的特點就是數據可視化。把這些數據做一些運算，即統一帶入一個公式，就是數據挖掘
看了各位答主的回答，鄙人有了些自己的想法，說出來大家一起討論。
首先，數據可視化從最直接的定義應該是將數據通過合適圖表進行展現，以便讀者可以最迅速的理解數據索要傳達的信息。從這個定義出發，凡是通過圖表將數據進行展示出來的過程都可以稱之為數據可視化。
其次，以上各位答主的回答真的很棒，很深入的分析了數據可視化的要點。大家所提出對數據可視化的理解其實都是已經在一些潛在的前提去提出自己對可視化的理解。也就是說，如何更好的做好數據的可視化。如何做好數據的可視化，這其中就會涉及做開發系統過程的中的業務目標為導向的問題。也就是和 @ayura 這位大神提到的一樣：1、數據可視化是為了更好地促進行動，所以要讓行動的決策人看懂！2、當你需要在已知的圖表類型中進行選擇時，先想想自己想要解決的到底是什麼問題！（我也是在查找數據可視化的答案，就權當是對知識的鞏固思考了）
瀚濤天圖，這是一家專門做大數據的公司，他們的界面很不錯，大家可以看看
將多維數據降維到二維，第三個維度用等高線表示。用地形圖軟體做的。總之就是變成三維生物，人可用視覺表象系統理解的。
通過策劃，設計，使複雜專業的東西變得簡單易懂，通過圖形展現複雜的數據
數據的可視化
美得像煙花
數據可視化現在有很多軟體可以實現，數據呈現出來的效果十分直觀，國內做的比較好的我知道的有ETHINK數據智能分析平台，你可以看一下他們網站的demo演示，cool
看看 http://dataxiu.com，數據秀網站，做大數據可視化的 ，有一些幫助！
推薦閱讀：
※各位大神，做數據分析，通常需要用哪些圖表？
※最近只要關於數據可視化都能看到大數據魔鏡的身影，這是趨勢嗎？誰用過高級版的，咋樣？
※數據可視化經歷了怎樣的發展歷程？
※什麼很多耳機燒友 總黑鐵三角？
※信息可視化和數據可視化的異同和其他比較，到底怎麼區分呢？
TAG:數據可視化 |