我们对传统的数据可视化都比较熟悉--条形图、饼状图、柱状图、散布图、曲线图，以及用不同颜色对不同省份进行标注的地图等等。

    这样的数据可视化表达方式已经成为了包括政府、科研和商业在内的各行各业的通用标准。然而，随着当今数据分析技术的发展，数据可视化也在发生着剧变。在下文中，我们一起来看看它都有哪些显着的变化。

    ●想一想你在选择应用工具之前，最希望将哪一个类别的数据进行可视化呢？这些数据是多维度的吗？

    一般情况下，我们针对一个以上维度的数值进行可视化：
 

    在图表中，我们可以看到，月销售额是量度，时间是维度；月销售额在时间跨度中呈现了出来。以这个具体的实例来看，就是失业人数为量度，地理信息为维度（可以是省份、地区或者是业务区域等等）。

    在多维度的数据库中，用户可以通过多个不同的维度对多个不同的量度进行分析，问题就在于我们怎样“看到”这些复杂的结果。所幸的是，今天的许多应用工具都能达到这类可视化要求了，不信的话就百度/Google一下“可视化工具”吧。

    在数据可视化领域，Hans Rosling的成就斐然。请注意，他不是一个商人，他只是一位在瑞典卡罗林斯卡研究所（Sweden's Karolinska Institute）工作的教授。Rosling热衷技术，关注世界健康，发自内心地想要帮助人们理解复杂的数据分析。

    他的个人网站（www.gapminder.org）非常值得一看：通过尺寸、颜色和运动来表现可视化，不可思议。同时，你还可以免费下载他的软件。

    ●如果你的数据不是多维度的，那是不是非常非常大呢？

    众所周知，大数据在关系数据库引擎中存储和分析起来都很困难。因此，对大数据的解读也影响到了可视化技术的发展方向。说的具体一点，像地震仪和光谱仪的追踪记录、X光的片子以及核磁共振的图像都属于大数据范畴。

    当然了，你可以轻而易举地将核磁共振信息存入关系数据库中，但图像本身的意义却不容易传达。一张核磁共振图像就等于一个巨型数据块，将其可视化的流程可不仅仅只是展示一张图片那么简单。

    想象一下，一个系统会如何扫描一张不规则图像并将其展示给医生呢？这张图像会被简化；可视化流程会移除所有规则内容，重点突出不规则的部分。要解决这个问题，就需要编写出捕捉不规则图像的软件；这一点，现在的分析流程已经能够处理得很好了。

    ●还在为地图数据发愁吗？

    大多数人都喜欢看到地图数据，这一方式在涉及地域维度的案例中被广泛运用。绘制地图需要合并两个数据集--一个是你的客户的邮编或类似信息，另一个是极为庞大与复杂的地图构成数据集。在过去，合并的成本不菲，你只能以高昂的价格购买GIS（地理咨询系统）软件。

    到了今天，十分精细、可缩放的世界地图已经唾手可得；好几家公司都免费提供，并赋予一定的交互功能。只要置入自己的数据集，就能得到你想要的可视化地图了。

    我们看到，优质可视化的实现是一项技术，也是一门艺术。网络中随处可见这样的例子，可视化不局限于企业的业务分析，已经扩展到宇宙探秘和游戏领域。

    最后，为大家推荐两本数据可视化的佳作：“Visual Explanations”- Edward R Tufte;“Visualising Data”- William Cleveland.

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。