数据可视化是信息和数据的图形表示。通过使用图表、图形和地图等可视化元素，数据可视化工具提供了一种可访问的方式来查看和理解数据中的趋势、异常值和模式。
在大数据世界中，可视化越来越成为理解每天生成的数万亿行数据的关键工具，这对于分析海量信息和做出数据驱动的决策至关重要。
一、您需要了解的有关数据可视化的知识
俗话说“一张图片胜过千言万语”。如今，在企业被来自各种数据类型以及本地的和基于云的信息所淹没的大数据时代，这句老话从来没有像现在这样切题。
筛选信息以了解哪些重要哪些不重要变得越来越困难。可视化使分析变得更加容易和快捷，能够使人一目了然地查看重要内容。而且，大多数人对视觉的响应远胜于文本：
•传递到大脑的信息中有90％是视觉信息
•大脑处理视觉信息的速度是文本的6万倍
这些观点为使用数据可视化来分析和传递信息提供了强有力的依据。
为什么视觉分析很重要
良好的数据可视化对于分析数据和基于该数据做出决策至关重要。它使人们可以快速、轻松地查看和理解模式和关系，并发现如果仅用原始数字表格或电子表格不会注意到的新兴趋势。在大多数情况下，不需要专门的培训来解释图形中呈现的内容，就能实现普遍理解。
精心设计的图形不仅可以提供信息，还可以通过强大的呈现方式增强信息的影响力，吸引人们的注意力并使其保持兴趣，这是表格或电子表格无法做到的。如果你曾经盯着一个庞大的数据电子表格，却看不到趋势，那么你就知道可视化能有多有效了。
数据可视化的工作原理
大多数数据可视化工具都可以与关系数据库等数据源连接。这些数据可以存储在本地，也可以存储在云中，被检索出来进行分析。然后，用户可以从众多选项中选择最佳的方式来展示数据。一些工具会根据显示的数据类型自动提供显示建议。
二、用于商业智能的数据可视化的不同用途
数据可视化并不是一个新概念。Lascaux Cave墙壁上的壁画可以被视为是一种数据可视化的形式，讲述了数千年前的狩猎故事。
高科技引入了新的视觉选择。但是，即使是现代数据可视化也需要讲述一个故事。对于商业智能BI而言，它可以是一个通过关键指标跟踪公司业绩的故事。公司与竞争对手相比如何？它可能与基于指标的电子邮件或产品营销活动的表现有关。这场运动是否正在朝着目标迈进？或者它可以是关于数据源的故事。故事可以涵盖昨天、今天甚至是明天。可能性是无限的。
大数据就在这里，我们需要知道它在说什么
数据可视化通过将数据组织成更容易理解的形式，突出趋势和异常值，从而有助于讲述故事。良好的可视化可以讲述一个故事，消除数据中的各类繁杂的信息，突出显示有用的信息。
然而，这并不像简单地修饰一个图表使它看起来更好，或者在信息图表的“信息”部分打上拍子那么简单。有效的数据可视化是形式和功能之间微妙的平衡。最简单的图表可能太过枯燥，以至于无法引起任何注意，或者让讲述成为一个强有力的观点；最令人震惊的可视化可能完全不能传达正确的信息，或者说明很多问题。数据和视觉效果需要协同工作，把好的分析和好的故事叙述结合起来是一门艺术。
实际操作中的数据可视化示例
当然，理解数据可视化的最佳方法之一是查看它。如下图所示为怡海软件合作伙伴Salesforce -Tableau （BI平台）界面：
有了公共数据可视化库和无处不在的在线数据，知道从哪里开始可能会让人不知所措。有史以来最好的数据可视化例子包括绘制历史征服地图、分析电影剧本、揭示隐藏的死亡原因等等。
不同类型的可视化：当您想到数据可视化时，首先想到的可能是简单的条形图或饼状图。虽然这些可能是可视化数据的组成部分，也是许多数据图形的公共基线，但是正确的可视化必须与正确的信息集相匹配。简单的图表只是冰山一角。有很多可视化方法可以以有效和有趣的方式显示数据。
为什么数据可视化对任何职业都很重要
很难想象一个专业的行业不从使数据更容易理解中获益。每一个STEM领域都得益于对数据的理解——政府、金融、营销、历史、消费品、服务行业、教育、体育等领域也是如此。
虽然我们总是诗意地谈论数据可视化，但不可否认，还是有一些实际的、真实的应用。而且，由于可视化是如此多产，它也是最有用的专业技能之一。无论是在仪表板还是幻灯片上，你越能形象地表达你的观点，你就能更好地利用这些信息。
公民数据科学家的概念正在兴起。技能集正在发生变化，以适应数据驱动的世界。对于专业人员来说，能够使用数据做出决策，并使用可视化来讲述数据何时告知谁、什么、何时、何地以及如何告知的故事，变得越来越有价值。虽然传统教育通常在创造性的讲故事和技术分析之间划出一条清晰的界线，但现代专业领域也重视那些能在两者之间进行交叉的人：数据可视化正好位于分析和可视化讲故事的中间。
（P.S.公民数据科学家是在大数据工具和技术的帮助下，分析数据，为他们的公司创建数据和业务模型的角色。公民数据科学家不一定要成为数据科学或商业智能专家。这个角色是给组织中能够使用大数据工具和技术创建数据模型的员工的。）
三、选择数据可视化工具应考虑的因素
图形应始终考虑数据类型和用途，有些信息更适合于一种图形而不是另一种：例如，条形图而不是饼状图。但是，对于大多数工具，用户可以选择多种可视化分析选项，从折线图和柱状图等常用图表到时间轴，地图，曲线图，直方图和自定义设计，一应俱全。
它可以帮助您掌握不断增长的数据量。与大型数据集的可视化交互可以简化分析，揭示新的商业见解。如果拥有合适的工具，数据可视化可以帮助您完成所有这一切。那么，您应该寻求什么？应该考虑许多因素。
• 您想要一种使您的生活更轻松的解决方案，因此，寻找一种智能数据可视化工具，它具有嵌入式机器学习支持的增强分析功能。具备这种能力的工具应该能够帮助您完成从数据准备开始到分析和传递信息的所有步骤。传统上，准备数据进行分析一直是手动过程，通常很耗时，令人沮丧并且容易出错。
• 考虑一种可以通过从一个或多个来源收集信息并对其进行合并，从而实现数据准备自动化的工具。这样可以加快进程并减少出错的机会。该工具还应该能够通过推荐新的数据集来增强您的分析能力，以便在评审中包含更准确的结果。
• 你想要一个交互式的数据可视化工具，让你快速、轻松地提问和接收答案，以搜索所需内容并直接获取数据。自然语言接口使您能够使用人类语言与数据源交互，从而实现这一目标。这些接口还可用于修改请求和数据集参数。
• 它应该是一个可以让您做出选择的工具，使您可以决定最佳的图形呈现方式或根据数据结果自动提出建议。
• 此外，在没有任何高级技能（包括编码知识）的情况下，用户应该能够一键访问预测分析和预测，从而确定模式并预测未来的结果和趋势。
• 想象一下移动数据可视化应用程序提供的主动的，个性化的分析。这种能力在机器学习工具中是可用的。
• 你可以有一个个性化的助手，知道你需要什么以及何时何地需要它。例如，它可以确定在纽约举行的业务会议需要哪些业务报告和图表。它可以将语音转换为文本，以进行基于移动语音的查询，并在您旅行时，当有新的数据可用来分析时发出警报。
• 您不必被束缚在办公桌上即可分析信息。您可以随时随地在手机或平板电脑上进行分析。
• 通过机器学习，可以自动发现驱动您的业务的因素、理解数据行为，并发现隐藏的洞察力，从而做出更好的决策。
1.易于使用的工具
您需要一个特定功能的数据可视化工具来保持事情顺利进行，因为你最不需要的就是减缓你的分析和陈述速度的解决方案——这会造成障碍。
寻找易用性。例如，点击或拖放功能以以及自动显示数据的功能或突出显示一个图形并自动查看其他图形中的相关信息的功能，使您不必手动执行这些任务。您需要一个能够快速轻松地添加信息或进行编辑（例如更改布局以呈现新见解）的工具。
2.自助服务工具
过去，IT通常负责商业分析。今天，销售和市场经理或其他非技术人员已经接管了许多公司的工作。但是，如果该工具难以使用，需要对SQL有深入了解或需要大量脚本编写数据的基础，则IT仍需要参与到处理大量帮助请求的过程中。
为什么要浪费时间在IT上来回寻找答案？选择一个为自助服务而设计的数据可视化工具——一个有向导的交互式环境的工具，具有指导、逐步导航和内置功能，这样就不需要进行定制。考虑一个自助服务工具，该工具将人工智能（AI）和机器学习结合到分析中使某些任务变得更容易，特别是对于不善于分析的用户。
最终结果？从销售和市场经理到业务分析师，终端用户可以自行处理业务分析，从而最大程度地减少了IT参与。
3.连接的工具
您的数据可视化工具应该具有预先建立的连接，以加载和集成来自各种来源的数据，使数据集易于混合，并帮助您快速决定什么才是真正重要的。它应该被设计成跨企业进行访问，并可以随时随地与您的同事分享。
很多公司的分析生态系统包含多种工具:：一个用于生产报告，另一个用于管理报告，另一个用于发现等等，这些工具可能很昂贵，需要各种技能，并且会造成兼容性问题。而另一个更佳解决方案呢？选择一个数据可视化工具，该工具与一个旨在解决所有业务分析任务的平台相连接。
4.灵活的工具
对于一些项目，你可能想自己处理所有的事情。对于其他项目，少量或大量的自动化可能会派上用场。所以，使用数据可视化工具吧，它提供了在人和机器之间轻松切换的灵活性。
您想要的选项
当涉及到技术环境时，灵活性也是一个关键因素。您需要哪种类型的解决方案？云？PC端？在本地？移动端？组合？是今天？还是明天？
一些工具限制了您的选择，仅提供PC端版本用于数据可视化。还有的公司提供了一系列集成到全面的商务智能平台中的解决方案，以确保随着环境和业务需求的变化，您今天和明天都能得到满足。
（由怡海软件 http://www.frensworkz.com/ 编译自Oracle@Tableau article：What is Data Visualization）
来源：51CTO
作者：怡海软件CRM
链接：https://blog.51cto.com/14369054/2459709