数据可视化是怎样创造出来的
我多次被炫目的数据可视化或信息可视化震惊，在我知道这些图片背后的数据来源和创造历程后，更是为之诧异不止。它涉足制图学、图形绘制设计、计算机视觉、数据采集、统计学、图解技术、数型结合以及动画、立体渲染、用户交互等。相关领域有影像学、视知觉。空间分析、科学建模等。这是创造性设计美学和严谨的工程科学的卓越产物。用极美丽的形式呈现可能非常沉闷繁冗的数据，其表现和创作过程完全可以称之为艺术。所以我翻译了来自SM上的3篇数据可视化和信息图形的文章，主要是鉴赏并提供一些参考资料。我尽量查找了每张数据图表背后的背景，添加了标注和说明，希望那个帮助读者更深入地理解这些图表所呈现的含义，而不仅仅是停留于对&好看&的赞叹上。这些图片不会说话，但它们比文字和语言都更为有力。
数据可视化 Data Visualization 和信息可视化 Infographics 是两个相近的专业领域名词。狭义上的数字可视化指的是讲数据用统计图表方式呈现，而信息图形（信息可视化）则是将非数字的信息进行可视化。前者用于传递信息，后者用于表现抽象或复杂的概念、技术和信息。而广义上的数据可视化则是数据可视化、信息可视化以及科学可视化等等多个领域的统称。数据可视化起源于1960s计算机图形学，人们使用计算机创建图形图表，可视化提取出来的数据，将数据的各种属性和变量呈现出来。随着计算机硬件的发展，人们创建更复杂规模更大的数字模型，发展了数据采集设备和数据保存设备。同理也需要更高级的计算机图形学技术及方法来创建这些规模庞大的数据集。随着数据可视化平台的拓展，应用领域的增加，表现形式的不断变化，以及增加了诸如实时动态效果、用户交互使用等，数据可视化像所有新兴概念一样边界不断扩大。而我们熟悉的那些饼图、直方图、散点图、柱状图等，是最原始的统计图表，它们是数据可视化的最基础和常见应用。作为一种统计学工具，用于创建一条快速认识数据集的捷径，并成为一种令人信服的沟通手段。传达存在于数据中的基本信息。所以我们可以在大量PPT、报表、方案以及新闻见到统计图形。但最原始统计图表只能呈现基本的信息，发现数据之中的结构，可视化定量的数据结果。面对复杂或大规模异型数据集，比如商业分析、财务报表、人口状况分布、媒体效果反馈、用户行为数据等，数据可视化面临处理的状况会复杂得多。可能要经历包括数据采集、 数据分析、数据治理、数据管理、数据挖掘在内的一系列复杂数据处理，然后由设计师设计一种表现形式，是立体的、二维的、动态的、实时的还是允许交互的。然后由工程师创建对应的可视化算法及技术实现手段。包括建模方法、处理大规模数据的体系架构、交互技术、放大缩小方法等。动画工程师考虑表面材质、动画渲染方法等，交互设计师也会介入进行用户交互行为模式的设计。所以一个数据可视化作品或项目的创建，需要多领域专业人士的协同工作才能取得成功。人类能够操纵和解释如此来源多样、错综复杂跨领域的信息，其本身就是一门艺术。数据可视化在发展过程中，科学和工程领域的应用衍生出了分支：科学可视化&&&利用计算机图形学来创建视觉图像，帮助人们理解科学技术概念或结果的那些错综复杂而又往往规模庞大的数字表现形式&。在计算机诞生之前，科学的可视化行为就存在。如等高线图、磁力线图、天像图等等。利用计算机的强大运算能力，人类可以使用三维或四维的方式表现液体流型、分子动力学的复杂科学模型。比如利用经验数据，科学可视化在天体物理学（模拟宇宙爆炸等）、地理学（模拟温室效应）、气象学（龙卷风或大气平流）模拟人类肉眼无法观察或记录的自然现象；利用医学数据（核磁共振或CT）研究和诊断人体；或者在建筑领域
分享这篇日志的人也喜欢
??♀??♀??♀
希望最后的两天任务可以过
天在下雨我在想你
是不是我就这样了？
你可以选择留不留
热门日志推荐
人人最热标签
北京千橡网景科技发展有限公司：
文网文[号··京公网安备号·甲测资字
文化部监督电子邮箱：wlwh@··
文明办网文明上网举报电话： 举报邮箱：&&&&&&&&&&&&
请输入手机号，完成注册
请输入验证码
密码必须由6-20个字符组成
下载人人客户端
品评校花校草，体验校园广场在当前互联网，各种数据可视化图表层出不穷，本文尝试对数据可视化的方法进行归纳，整理成6步法。
一般的数据图表都可以拆分成最基本的两类元素: 所描述的事物及这个事物的数值，我们暂且将其分别定义为指标和指标值。比如一个性别分布中，男性占比30%，女性占比70%，那么指标就是男性、女性，指标值对应为30%、70%。
1. 将指标值图形化
一个指标值就是一个数据，将数据的大小以图形的方式表现。比如用柱形图的长度或高度表现数据大小，这也是最常用的可视化形式。
传统的柱形图、饼图有可能会带来审美疲劳，可尝试从图形的视觉样式上进行一些创新，常用的方法就是将图形与指标的含义关联起来。
比如Google Zeitgeist在展现top10的搜索词时，展示的就是“搜索”形状的柱形，图形与指标的含义相吻合，同时也做了立体的视觉变化：
2. 将指标图形化
一般用与指标含义相近的icon来表现，使用场景也比较多，如下：
3.将指标关系图形化
当存在多个指标时，挖掘指标之间的关系，并将其图形化表达，可提升图表的可视化深度。常见有以下两种方式：
借助已有的场景来表现
联想自然或社会中有无场景与指标关系类似，然后借助此场景来表现。
比如百度统计流量研究院操作系统的分布，首先分为windows、mac还有其他操作系统，windows又包含xp、2003等多种子系统。
根据这种关系联想，发现宇宙星系中也有类似的关系： 宇宙中有很多星系，我们最为熟悉的是太阳系，太阳系中又包括各个行星， 因此整体借用宇宙星系的场景，将熟知的windows比喻成太阳系，将xp、window7等比喻成太阳系中的行星，将mac和其他系统比喻成其他星系，表现如下：
构建场景来表现
指标之间往往具有一些关联特征，如从简单到复杂、从低级到高级、从前到后等等。如无法找到已存在的对应场景，也可构建场景。
比如百度统计流量研究院中的学历分布，指标分别是小学、初中、高中、本科等等，它们之间是一种越爬越高，从低等级到高等级的关系，那么，这种关系可以通过构建一个台阶去表现，如下：
支付宝新出的个人年度账单中，在描述付款最多的三项时，构建了一个领奖台的形式：
根据之前3步，可将指标、指标值和指标关系分别进行图形化处理。
以最简单的性别分布为例，可以得到一个线性的可视化过程，如下：
以上图示为供参考的线性化过程，实际可视化思考中，将哪类元素进行图形化或者图形化前后的顺序可能均有不同，需根据具体情况处理。
4. 将时间和空间可视化
通过时间的维度来查看指标值的变化情况，一般通过增加时间轴的形式，也就是常见的趋势图。
当图表存在地域信息并且需要突出表现的时候，可用地图将空间可视化，地图作为主背景呈现所有信息点。
Google Zeitgeist在年的年度热门回顾中，都是以地图为主要载体（同时也结合了时间），来呈现热门事件：
5. 将数据进行概念转换
先看下生活中的概念转换，当我们需要喝水时，通常会说：给我来一杯水；而不会说：给我来30ml的水。在这里，30ml是一个实际数据，但是难以感知，所以用一杯的概念来转换。
同样在数据可视化，有时需要对数据进行概念转换，可加深用户对数据的感知。常用方法有对比和比喻：
下图是一个介绍中国烟民数量的图表：如果只看左半部分中国烟民的数量：，知道数据量级很大，但具体有多大却很难感知；直到看到右半部分：中国烟民数量超过了美国人口总和，这样一对比，对数据的感知就加深了。
下图是一个介绍雅虎邮箱处理数据量的图表，大意是每小时处理的电子邮件大小有1.2TB，相当于张打印的纸。
这又是一个很大的数据，但到底有多大？ 在这里用了一个比喻的手法：张纸，如果把每一张纸首尾对接，可以绕地球4圈多。到这里，能较深刻感受到雅虎邮箱处理的数据量之大，为地球节省了很多纸张。
更进一步地，还将这个比喻进行了图形化表现。
6.让图表“动”起来
数据图形化完成后，可结合实际情况，将其变为动态化和可操控性的图表，用户在操控过程中能更好地感知数据的变化过程，提升体验。
实现动态化通常以下两种方式： 交互和动画。
交互包括鼠标浮动、点击、多图表时的联动响应等等，如下是百度统计流量研究院的时间分布图，采用左图右表的联动形式，左图中，鼠标浮动则显示对应数据，点击则切换选择：
包括增加入场动画、交互过程的动画、播放动画等等。
入场动画：即在页面载入后，给图表一个“生长”的过程，取代“数据载入中”这样的提示文字。
交互动画：用户发生交互行为后，通过动画形式给以及时反馈。
播放动画：一般来是提供播放功能，像看视频一样，让用户能够完整看到数据随时间变化的过程。下图是Gapminder在描述多维数据时，提供随时间播放的功能，可以直观感受到所有数据的变化。
数据可视化形式多样，思考过程也不尽相同。以上6步法，是基于“数据”层面（区别于信息可视化），梳理思考过程，总结设计方法，为后续可视化提供可借鉴的思路。
VIA：百度UED
转载请注明来自36大数据（)： &
除非特别注明，本站所有文章均不代表本站观点。报道中出现的商标属于其合法持有人。请遵守理性，宽容，换位思考的原则。苹果/安卓/wp
积分 641, 距离下一级还需 159 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡, 抢沙发下一级可获得
权限: 隐身
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
TA的文库&&
开心签到天数: 5 天连续签到: 1 天[LV.2]偶尔看看I
　　企业的日常运作总会需要用到数据处理，到一定程度就需要到数据分析的地步，而Excel也只能满足初级的数据处理，因此，当企业对数据分析的需求愈加专业和严格，就需要了解时下的数据分析软件产品，并选择真正适合自己企业的产品，做好定位和产品选型。数据分析最常用的软件你了解吗？
　　数据分析软件的使用主要还是看需求，每个企业应用的选择和方式都不同。数据分析的概念很广，站在IT的角度，实际应用中可以把数据分析软件分成两个维度：
　　第一维度：数据存储层——数据报表层——数据分析层——数据展现层
　　第二维度：用户级——部门级——企业级——BI级
　　数据分析最常用的软件第一个维度是技术层面概念，略微复杂，这里就不展开解释了，我们从第二个维度来讲解。用户级即个人为单位，一般使用Excel，最常用也最实用，Excel功能非常强大，几乎所有的统计分析工作都可以完成。但是Excel的普遍性也是它的弱势，不具备面对企业的专业性和针对性，而且很多工作需要手工完成，工作量会越来越大也不轻便。
　　部门级是现在一些小企业会选择的， 比如SPASS、SAS、Clementine、R等工具类软件，用于统计分析，围绕统计学知识的一些基本应用，包括描述统计，方差分析，因子分析，主成分分析，基本的回归，分布的检验等等。SPSS用于市场研究较多，SAS银行金融和医学统计较多，反正大多适用于银行、金融、保险业。但这些软件所适用的行业较有局限性， 而且也不太具备数据挖掘、数据可视化、数据决策的功能。
　　企业级和BI级就是大型的企业或者是对数据分析需求比较严格和多样的规模了。这就需要一个非常好的数据整合应用平台，BI数据分析软件，整合了各种数据分析，报表、分析和展现，所以BI产品也是近几年的大趋势。此外，BI产品不是人们常认为的只有那些拥有海量数据存储的大企业才适用，其实中小企业也可以接触BI，而且行业不限，从熟悉的金融、房地产、ZF到零售超市都可以根据自身分析需求选用BI。BI产品现已发展越来越成熟，各种行业都有相应的商业智能解决方案，而且从数据处理、数据整合、展现、决策管理、整体运营都能一站完成。
　　所以选择什么数据分析软件，首先还是得先对自身企业做好定位，是简单的数据处理还是还要做复杂的分析和管理决策，另外还得考虑本企业的硬件、软件、数据库能不能搭配BI产品去构建数据中心。
支持楼主：、
购买后，论坛将把您花费的资金全部奖励给楼主，以表示您对TA发好贴的支持
载入中......
本帖被以下文库推荐
& |主题: 57, 订阅: 2
珠海奥威软件.cn/，是国内最早的商业智能厂商之一，
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
论坛法律顾问：王进律师}