大数据概述-大数据关键技术与计算模式-数据可视化.pptxVIP

数据可视化 北京信息职业技术学院 | 朱立 本文来自：/doc/6144862-6358039.html 目录 1 概念涵义 2 基本思想 3 基本手段 4 适用范围 5 主要应用 1 概念涵义 数据可视化技术包含以下几个基本概念: ①数据空间:是由n维属性和m个元素组成的数据集所构成的多维信息空间; ②数据开发:是指利用一定的算法和工具对数据进行定量的推演和计算; ③数据分析:指对多维数据进行切片、块、旋转等动作剖析数据，从而能多角度多侧面观察数据; ④数据可视化:是指将大型数据集中的数据以图形图像形式表示，并利用数据分析和开发工具发现其中未知信息的处理过程。 1 概念涵义 数据可视化已经提出了许多方法，这些方法根据其可视化的原理不同可以划分为基于几何的技术、面向像素技术、基于图标的技术、基于层次的技术、基于图像的技术和分布式技术等等。 2 基本思想 数据可视化技术的基本思想，是将数据库中每一个数据项作为单个图元元素表示，大量的数据集构成数据图像，同时将数据的各个属性值以多维数据的形式表示，可以从不同的维度观察数据，从而对数据进行更深入的观察和分析。 3 基本手段 数据可视化主要是借助于图形化手段，清晰有效地传达与沟通信息。但是，这并不就意味着，数据可视化就一定因为要实现其功能用途而令人感到枯燥乏味，或者是为了看上去绚丽多彩而显得极端复杂。为了有效地传达思想概念，美学形式与功能需要齐头并进，通过直观地传达关键的方面与特征，从而实现对于相当稀疏而又复杂的数据集的深入洞察。然而，设计人员往往并不能很好地把握设计与功能之间的平衡，从而创造出华而不实的数据可视化形式，无法达到其主要目的，也就是传达与沟通信息。 3 基本手段 数据可视化与信息图形、信息可视化、科学可视化以及统计图形密切相关。当前，在研究、教学和开发领域，数据可视化乃是一个极为活跃而又关键的方面。数据可视化这条术语实现了成熟的科学可视化领域与较年轻的信息可视化领域的统一。 4 适用范围 关于数据可视化的适用范围，存在着不同的划分方法。一个常见的关注焦点就是信息的呈现。 迈克尔·弗兰德利(2008)，提出了数据可视化的两个主要的组成部分:统计图形和主题图。 《Data Visualization: Modern Approaches》(数据可视化:现代方法)(2007)，概括阐述了数据可视化的下列主题 : 1)思维导图 2)新闻的显示 3)数据的显示 4)连接的显示 5)网站的显示 6)文章与资源 7)工具与服务 所有这些主题全都与图形设计和信息表达密切相关。 4 适用范围 另一方面，Frits H. Post (2002)则从计算机科学的视角，将这一领域划分为如下多个子领域: 1)可视化算法与技术方法 2)立体可视化 3)信息可视化 4)多分辨率方法 5)建模技术方法 6)交互技术方法与体系架构 4 适用范围 数据可视化的成功，应归于其背后基本思想的完备性。依据数据及其内在模式和关系，利用计算机生成的图像来获得深入认识和知识。其第二个前提就是利用人类感觉系统的广阔带宽来操纵和解释错综复杂的过程、涉及不同学科领域的数据集以及来源多样的大型抽象数据集合的模拟。这些思想和概念极其重要，对于计算科学与工程方法学以及管理活动都有着精深而又广泛的影响。《Data Visualization: The State of the Art》(数据可视化:尖端技术水平)一书当中重点强调了各种应用领域与它们各自所特有的问题求解可视化技术方法之间的相互作用。 5 主要应用 报表类，如JReport，Excel，水晶报表，FineReport等。 BI分析工具，如Tableau，Style Intelligence、BO，BIEE, Yonghong Z-Suite等。 国内的数据可视化工具，有大数据魔镜，FineBI商业智能软件等。 致谢 360百科：数据可视化 /doc/6144862-6358039.html 12