數據可視化的發展前景、商業/職業前景？

12-30

主要想了解國內的情況，如果有知道國外情況的也可談談：
註：並非可視化軟體的開發，更多關注應用與設計
1.國內是否已經獨立成一行業，有無一些有名的公司？

2.舉例談談有哪些數據可視化的需求場景，或者職業工作場景？
3.未來5年發展形勢如何，如大數據時代的來臨是否有觸發數據可視化鮮活發展的動力？
非常感謝！

我這邊做了幾年的數據可視化

感覺數據可視化本身而言沒有太多的深度的東西可以挖，不論是技術還是業務。

重要的還是數據分析，以及業務對數據的需求，從這兩個角度下手，可視化才有價值可言

所以可視化的價值不在於本身，專門做可視化現在看來是沒價值的

2017年的大數據趨勢主要集中在企業如何通過大數據實現更好的商業價值，以及如何通過改善商業智能來幫助企業改變組織流程和客戶體驗。企業業務主管要求要有更好的數據管理來滿足合規性，更快速地採用大數據和創新變革的數據分析技術來引導業務。在2017年大數據和數據可視化的發展趨勢會是怎麼樣呢？專家給出了自己的預測：

1.大數據的擴散

大數據的擴散使得快速分析數據獲得有價值的洞察變得至關重要，企業必須將未使用的大數據(也稱為黑暗數據)轉換為可用的數據。目前大數據還沒有產生實質性或決定性的價值和產品，所以企業想要通過新的產品或思想在競爭中獲得優勢還是大有可為的。

2.使用大數據改善客戶體驗

使用大數據通過從傳統系統轉移到供應商系統、併購和核心系統升級來改進客戶體驗。通過自助服務靈活性分析數據，快速了解領先趨勢，同時了解新客戶收購增長機會。使用大數據來更好地了解客戶，以便通過交叉銷售或加售來提高收入，以及通過減少客戶流失來消除收入損失的風險。

3.更廣泛地採用Hadoop

Hadoop絕對是大數據領域的一匹黑馬，現在越來越多的企業採用Hadoop做大數據存儲，逆向思維，創新的Hadoop解決方案會不會是未來企業的剛需呢?利用Hadoop企業能夠使用高級分析來查找大量數據，通過查找有價值信息的數據從而得出更多有利可圖的決策。

4.預測分析

一方面，精確預測未來的行為和事件能夠大幅提高盈利能力。另一方面，快速改進欺詐檢測能夠盡量減少收入風險，提高運營績效。

5.基於雲的數據分析

將數據分析遷移上雲，加速了新功能的採用，將數據轉變為行動。另外，數據分析遷移上雲，降低了維護和操作的成本。

6.趨向於信息學和數據價值的識別

利用信息學來整合複雜數據的收集、分析和可視化，並從數據中獲得價值。

相信在不久的將來，雲計算、人工智慧、大數據、物聯網，經過數年的發展，將完全融入我們的生活，我們應該對其進行擁抱，建議大家有時間，可以留心關注這方面的信息資訊，學術，科普類的平台，多智時代：http://duozhishidai.com ，引領智能變革，雷峰網——讀懂智能未來等等，讓我們一起迎接人工智慧時代的社會、經濟與文化變革，擁抱智能，暢享未來

說一下我的觀點：數據可視化只是大數據冰川露出水面的一面。重點還是解決了什麼業務問題。

先說行業發展：一般來說，有獨立提供可視化產品的廠商，也有獨立開發的公司。

阿里騰訊等一些大公司，大數據平台的可視化基本都是自己設計開發。同時，也售賣各種數據產品。
提供商業可視化產品的傳統軟體提供商。國內有帆軟、永洪、Smartbi等，國外有：SAP BO、IBM Cognos、OracleBIEE、Microsoft BI 等傳統軟體提供商。
新興的可視化產品提供商。國外有著名的Tableau、Qlik等。
新興的互聯網大數據伺服器提供商，如talkingdata，友盟，百度的系列大數據產品（司南、統計等）等。
……暫時想到的這麼多。

數據的相關行業正處於蓬勃發展勁頭。

需求場景：

需求來自客戶或者甲方，一般是一些國企名企購買一些商業軟體。如需要大屏展示，各部門領導的可視化訴求，各業務人員的業務數據展示等，還有IT部門對產品的性能等要求。售後服務等。該類需求一般都要購買了商業軟體再實施定製化開發。風險大，短期來看成本合算，長期來看，成本高。
需求來自內部用戶，一般是自己開發數據產品。需求來自各個業務部門。有數據分析的指標定義展示的簡單需求，也有挖掘潛在深層問題或價值的數據挖掘的需求。業務風險低，基本上能落地應用。

如上是大方面的兩個場景，可視化設計基本上都要跟業務結合的。還有一種場景是數據產品的可視化設計，如tableau的產品可視化設計，通用型的，既要了解一般軟體的設計，又要明白數據產品功能的邏輯規則。

總得來說，數據產品行業發展不錯，細分領域較多，需要積年累月的學習總結。

只是交互體驗的一種方式，不是全部。重點應該還是在它是否能解決根本問題，比如提高了工作效率。

___________________________________