数据可视化是将信息转换为可视化上下文（例如地图或图形）的实践，以使人脑更容易理解数据并从中获取见解。数据可视化的主要目标是更容易识别大型数据集中的模式、趋势和异常值。该术语通常与其他术语互换使用，包括信息图形、信息可视化和统计图形。

数据可视化是数据科学过程的步骤之一，它指出在数据被收集、处理和建模之后，必须将其可视化才能得出结论。数据可视化也是更广泛的数据表示架构 (DPA) 学科的一个元素，旨在以最有效的方式识别、定位、操作、格式化和交付数据。

数据可视化对几乎每个职业都很重要。教师可以使用它来显示学生的测试结果，计算机科学家可以使用它来探索人工智能(AI) 的进步，或者希望与利益相关者共享信息的高管可以使用它。它在大数据项目中也发挥着重要作用。随着企业在大数据趋势的早期积累了大量的数据，他们需要一种方法来快速轻松地了解他们的数据。可视化工具是天作之合。

出于类似的原因，可视化是高级分析的核心。当数据科学家正在编写高级预测分析或机器学习 ( ML ) 算法时，可视化输出以监控结果并确保模型按预期运行变得很重要。这是因为复杂算法的可视化通常比数字输出更容易解释。

描述数据可视化历史的时间线

数据可视化的重要性

数据可视化提供了一种使用视觉信息以通用方式交流信息的快速有效的方式。这种做法还可以帮助企业识别影响客户行为的因素；指出需要改进或需要更多关注的领域；让利益相关者更容易记住数据；了解何时何地放置特定产品；并预测销量。

数据可视化的其他好处包括：

·        快速吸收信息、提高洞察力和做出更快决策的能力；

·        加深对改进组织必须采取的后续步骤的理解；

·        提高了听众对他们可以理解的信息的兴趣的能力；

·        轻松分发信息，增加与所有相关人员分享见解的机会；

·        消除对数据科学家的需求，因为数据更易于访问和理解；

·        提高快速发现采取行动的能力，从而以更快的速度和更少的错误取得成功。

数据可视化和大数据

大数据和数据分析项目的日益普及使得可视化比以往任何时候都更加重要。公司越来越多地使用机器学习来收集大量数据，这些数据可能难以分类、理解和解释。恰好可视化提供了一种方法来加快这一进程，并以可以理解的方式向企业主和利益相关者展示信息。

大数据可视化往往超越了普通可视化中使用的典型技术，例如饼图、直方图和企业图。相反，它使用更复杂的表示形式，例如热图和发热图。大数据可视化需要强大的计算机系统来收集原始数据，对其进行处理并将其转化为人类可以用来快速得出见解的图形表示。

虽然大数据可视化可能是有益的，但它可能会给组织带来一些缺点，比如：

·        为了充分利用大数据可视化工具，必须有能够识别最佳数据集和可视化样式的专业人员，以保证组织正在优化其数据的使用。

·        大数据可视化项目通常需要 IT 和管理层的参与，因为大数据的可视化需要强大的计算机硬件、高效的存储系统，甚至需要迁到云端。

·        大数据可视化提供的洞察力只会与被可视化的信息一样准确。因此，必须有适当的人员和流程来管理和控制公司数据、元数据和数据源的质量。

数据可视化的示例

在可视化的早期，最常见的可视化技术是使用Microsoft Excel电子表格将信息转换为表格、条形图或饼图。虽然这些可视化方法仍然很常用，但现在可以使用更复杂的技术，包括：

·        信息图表

·        气泡云

·        子弹图

·        热图

·        发烧图表

·        时间序列图表

其他一些流行的技术如下：

折线图：这是使用的最基本和最常用的技术之一，折线图显示变量如何随时间变化。

面积图：这种可视化方法是折线图的一种变体，它显示时间序列中的多个值或在连续、等间隔的时间点收集的数据序列。

散点图：该技术显示两个变量之间的关系，散点图采用 x 轴和 y 轴的形式，用点表示数据点。

树状图：此方法以嵌套格式显示分层数据，用于每个类别的矩形的大小与其在整体中的百分比成正比。当存在多个类别并且目标是比较整体的不同部分时，最好使用树形图。

人口金字塔：这种技术使用堆积条形图来显示人口的复杂社会叙述，最好在尝试显示总体分布时使用。

数据可视化的常见用例

数据可视化的常见用例包括：

营销领域：营销团队必须密切关注网络流量来源以及网络资产如何产生收入。数据可视化可以轻松查看由于营销工作而随时间变化的流量趋势。

政治领域：数据可视化在政治中的一个常见用途是显示每地区投票支持的地理地图。

医疗领域：医疗保健专业人员经常使用等值线图来可视化重要的健康数据。等值线地图显示划分的地理区域，这些区域分配了与数字变量相关的特定颜色。Choropleth 地图允许专业人员查看变量（例如心脏病的死亡率）如何在特定地区发生变化。

科学领域：科学可视化，有时简称为 SciVis，让科学家和研究人员能够从他们的实验数据中获得比以往更深入的洞察力。

金融领域：金融专业人士在选择购买或出售资产时必须跟踪其投资决策的表现。烛台图用作交易工具，帮助金融专业人士分析价格随时间的变化，显示重要信息，例如证券、衍生品、货币、股票、债券和商品。通过分析价格随时间的变化情况，数据分析师和财务专业人士可以发现趋势。

后勤领域：航运公司可以使用可视化工具来确定最佳的全球航运路线。

数据可视化的常用工具

数据可视化工具可以以多种方式使用。目前最常见的用途是作为商业智能 ( BI ) 报告工具。用户可以设置可视化工具来生成自动仪表板，通过关键绩效指标 ( KPI ) 跟踪公司绩效并直观地解释结果。

生成的图像还可能包括交互功能，使用户能够操纵它们或更仔细地查看数据以进行提问和分析。还可以集成旨在在数据已更新或发生预定义条件时提醒用户的指标。

许多业务部门实施数据可视化软件来跟踪自己的举措。例如，营销团队可能会实施该软件来监控电子邮件活动的绩效，跟踪打开率、点击率和转化率等指标。

随着数据可视化供应商扩展这些工具的功能，它们越来越多地被用作更复杂的大数据环境的前端。在这种情况下，数据可视化软件可帮助数据工程师和科学家跟踪数据源，并在更详细的高级分析之前或之后对数据集进行基本的探索性分析。

大数据工具市场的知名企业包括微软、IBM、SAP 和 SAS。其他一些供应商提供专门的大数据可视化软件，这个市场上的流行名称包括 Tableau、SovitJs、Qlik 和 Tibco。