大数据时代下数据可视化应用探析.docVIP

大数据时代下数据可视化应用探析 　　摘要：伴随着海量数据时代的来临，存储与处理数据的技术也逐渐成熟发展，有效减少了数据存储、处理与使用的成本。大数据时代将快速处理海量数据变为了现实，大数据也被应用到越来越多的领域当中。怎样将大数据变得简单易懂，怎样有效提高大数据的价值成为了重要的研究课题之一。文章主要就大数据时代下数据可视化的应用进行探析。 　　关键词：大数据时代；可视化；应用领域 　　引言 　　在大数据时代来临之际，不仅仅伴随着发展的机遇，同时也伴随着发展的调整。现如今对数据的应用十分广泛，然而人们对数据的理解并不是十分正确与统一，没有一定的标准容易出现混乱的情况。人们无法全方位的掌握数据的综合信息，更加无法彻底的利用数据为发展服务，因此对大数据时代下对数据可视化的应用进行研究是十分有必要的。 　　1.数据可视化的发展 　　15世纪被认为是可视化发展的起源，天文学、绘图学等都快速发展，实现了对未知世界的探索与追求；18世纪时期数据图形开始出现，可视化的表达方式变的更加多样，包括地图、统计图等等。20世纪中期至今为止，由于电子计算机的出现给时代的发展带来了巨大的变化。计算机与数据分析之间存在密切的联系，高分辨率的图像与交互式图形分析都是使用传统手绘图根本无法实现的。在计算机技术与数据可视化融合之后，统计计算工具、图形软件工具等应运而生。 　　2.数据可视化的流程 　　2.1原始数据的转换 　　原始数据转换主要分为以下几个步骤：1）获取数据。数据可以从计算机本地获取，也可以从互联网上获取。2）数据分析。应用结构图表的方式来将数据的意义表示清楚，同时按照一定的类别顺序进行排列，进而将数据的意义变得一目了然。在分析完数据后进行过滤工作是十分关键的。3）数据过滤。将有价值的数据过滤留下来，将无用的多余的数据删除。降低数据处理量也是提升数据质量的重要方式之一，其能够有效的改善数据的精准度。4）挖掘。应用数据挖掘的方式来对数据格式进行分析，亦或是将数据与数学环境相联系，从海量数据中获得一定的规律，进而给数据表达提供有意义的材料。原始数据的转换过程可以简单，也可以复杂，这主要受到需要处理的数据的类型与复杂程度的影响[1]。 　　2.2数据的视觉转换 　　数据的视觉转换主要包括了表示与修饰两个阶段。表示，主要就是选择基础的视觉模型将其表现出来，即为视觉设计草图。表示这一步骤基本上确定看数据可视化的视觉效果。在选择表示方式的过程中还要结合数据的维度来选择合适的表现方式，例如可以选择树状、列表等。这一步骤也是数据的转换前后的审查与检验。尤其是数据的获取与过滤工作。因此可以看出，表示是数据可视化中十分关键的步骤。 　　3.数据可视化的适用范围 　　3.1思维导图 　　思维可视化已经广泛被应用在教学、互联网等需要进行逻辑分析与思路研究的工作淋雨中。例如在设计过程中普遍使用的思维导图，能够帮助人们通过发散性思维来解决问题。与知识可视化相似，如果在知识中加入了主观的意识与见解，就会被赋予思想的含义，而这种思维意义的知识又形成了一种新型的能够被人理解与传播的知识。思维导图能够将数据库中的数据进行分类并且展现出来。通过思维导图可以将所有的相关数据展现出来，让用户第一时间获得相关的数据以及数据彼此之间的联系，这样对于用户对于整体数据都有了更加整体的认识与了解，从而推动工作的顺利进行[2]。 　　3.2新闻报道 　　数据新闻能够让新闻工作者通过信息图表来将报道复杂的新闻事件。通过数据可视化能够让我们准确的了解周围的数据。这种对于数据能够帮助人们进行更加准确决定的行为受到了欢迎。只有数据可视化存在一定的交互性时，数据可视化才是真正可行的。所以，数据可视化不仅仅要保证设计良好，同时还要做到简洁方便，易被人接受。数据可视化能够在表现新闻事实、表达评论观点的过程中起到容易被受众理解的作用，同时也具有贴近性。新闻报道不单单要报道新闻事实，同时还能够大力收集新闻信息，向受众反馈信息。在互联网信息时代，新闻工作者可以通过微博、新闻论坛等多种方式来获得受众的反馈信息。然而这类的反馈信息没有相对应的针对性。而在数据可视化过程中部分可视化工作能够改善反馈信息与新闻无法融合的关键问题。互动性图表不仅仅能够与受众开展互动，发掘受众背后的故事，同时还能够对信息进行分析，得出受众对信息感兴趣的细节，帮助媒体不断发现受众的需求。另外在收集受众意见的过程中，可以让新闻工作者将其转化为有效的新闻之一，作为新闻报道的延伸与深化。 　　3.3界面交互 　　数据可视化的最后一个步骤就是对最终呈现的界面进行设计。在这一过程中用户扮演的角色出现改变，其能够对界面进行设计，转换数据的处理方式，将被动接受信息转为主动融合信息，分析信息。界面交互是信息分析、用户决策联系最为