4個最受歡迎的大數據可視化工具

來源：原文作者Volodymyr Fedak

翻譯：胡雯思

想像閱讀書本一樣閱讀數據流？這隻有在電影中才有可能發生。 在現實世界中，企業必須使用數據可視化工具來讀取原始數據的趨勢和模式。

大數據可視化是進行各種大數據分析解決的最重要組成部分之一。 一旦原始數據流被以圖像形式表示時，以此做決策就變得容易多了。 為了滿足並超越客戶的期望，大數據可視化工具應該具備這些特徵：

· 能夠處理不同種類型的傳入數據

· 能夠應用不同種類的過濾器來調整結果

· 能夠在分析過程中與數據集進行交互

· 能夠連接到其他軟體來接收輸入數據，或為其他軟體提供輸入數據

· 能夠為用戶提供協作選項

儘管實際上存在著無數專門用於大數據可視化的工具，且它們都是既開源又專有的，在這其中還是有一些工具表現比較突出，因為它們提供了上述所有或者很多部分功能。 我們將介紹4種最受歡迎的大數據可視化工具，幫助大家選擇適合自己需求的工具。

Jupyter：大數據可視化的一站式商店

JupyteR是一個開源項目，通過十多種編程語言實現大數據分析、可視化和軟體開發的實時協作。 它的界面包含代碼輸入窗口，並通過運行輸入的代碼以基於所選擇的可視化技術提供視覺可讀的圖像。

但是，以上提到的功能僅僅是冰山一角。 Jupyter Notebook可以在團隊中共享，以實現內部協作，並促進團隊共同合作進行數據分析。 團隊可以將Jupyter Notebook上傳到GitHub或Gitlab，以便能共同合作影響結果。團隊可以使用Kubernetes將Jupyter Notebook包含在Docker容器中，也可以在任何其他使用Jupyter的機器上運行Notebook。 在最初使用Python和R時，Jupyter Notebook正在積極地引入Java，Go，C＃，Ruby等其他編程語言編碼的內核。除此以外，Jupyter還能夠與Spark這樣的多框架進行交互，這使得對從具有不同輸入源的程序收集的大量密集的數據進行數據處理時，Jupyte能夠提供一個全能的解決方案。

Tableau：AI，大數據和機器學習應用可視化的最佳解決方案

Tableau是大數據可視化的市場領導者之一，在為大數據操作，深度學習演算法和多種類型的AI應用程序提供互動式數據可視化方面尤為高效。

Tableau可以與Amazon AWS，MySQL，Hadoop，Teradata和SAP協作，使之成為一個能夠創建詳細圖形和展示直觀數據的多功能工具。 這樣高級管理人員和中間鏈管理人員能夠基於包含大量信息且容易讀懂的Tableau圖形作出基礎決策。

Google Chart：Google支持的免費而強大的整合功能

谷歌是當今領導力的代名詞。正如谷歌瀏覽器是當前最流行的瀏覽器一樣，谷歌圖表也是大數據可視化的最佳解決方案之一，更不用說它是完全免費的，並得到了Google的大力技術支持。 為什麼它能得到Google的支持？ 因為通過Google Chart來分析的數據顯然是要用於訓練Google研發的AI，這樣的合作對於各方來說都是雙贏的。Google Chart提供了大量的可視化類型，從簡單的餅圖、時間序列一直到多維交互矩陣都有。 圖表可供調整的選項很多。如果需要對圖表進行深度定製，可以參考詳細的幫助部分。

該工具將生成的圖表以HTML5 / SVG呈現，因此它們可與任何瀏覽器兼容。 Google Chart對VML的支持確保了其與舊版IE的兼容性，並且可以將圖表移植到最新版本的Android和iOS上。 更重要的是，Google Chart結合了來自Google地圖等多種Google服務的數據。 生成的互動式圖表不僅可以實時輸入數據，還可以使用互動式儀錶板進行控制。

D3.js：以任何您需要的方式直觀地顯示大數據

D3.js代表Data Driven Document，一個用於實時互動式大數據可視化的JS庫。 由於這不是一個工具， 所以用戶在使用它來處理數據之前，需要對Javascript有一個很好的理解，並能以一種能被其他人理解的形式呈現。 除此以外，這個JS庫將數據以SVG和HTML5格式呈現，所以像IE7和8這樣的舊式瀏覽器不能利用D3.js功能。

從不同來源收集的數據如大規模數據將與實時的DOM綁定並以極快的速度生成互動式動畫（2D和3D）。 D3架構允許用戶通過各種附件和插件密集地重複使用代碼。

最後的想法: 以上提到的4種可視化工具只不過是大量在線或獨立的數據可視化解決方案和工具中的一部分 。 每家公司都能夠找到最適合他們的工具，並能夠使用這些工具幫助他們將輸入的原始數據轉化為一系列清晰易懂的圖像和圖表。 這些數據本身沒有任何價值，是藉助可視化做的決策幫助它們實現驅動價值的 – -數據可視化工具有助於確定趨勢和模式，從而做出有證據支持的決策。我們希望您能在大數據可視化原理，技術和工具方面找到有用和有趣的系列文章。 如果有，請廣泛分享！