之前写过几篇大数据的文章《遇见大数据可视化 ：基础研究》，《遇见大数据可视化 ： 来做一个数据可视化报表》，《遇见大数据可视化 ： 图表的视觉系统感知》。得到了身边不少小伙伴的认可，都觉得数据可视化是一件挺有意思的事情，纷纷投入到数据可视化上来。

但是很快一腔热血就被浇灭了，很多小伙伴都反映来说做数据可视化的学习成本太高了。从最开始数据的挖掘（学习Python，JavaScript，R语言等等），再到可视化图表的设计（学习Processing，D3.js，PhotoShop，Illustrator等等），还要看各种书籍。其实小伙伴的目标只是想简单的做一些不是很复杂的数据可视化，但陡峭的学习成本，让很多小伙伴望而却步，看到各种复杂的教程，简直是从入门到放弃。

那么有没有什么好的办法，可以不用学习这么多的知识点，而能做一些不太复杂的数据可视化图表出来呢？答案肯定是有的，那下面就手把手的带领大家，零代码来做数据可视化图表。

【生产力有两项，一项是人，一项是工具。工具是由人创造的。 - 毛主席】

想要零代码来完成数据可视化图表来，很简单，只要选好工具来就可以了。网上有很多介绍各种工具的文章，这里就不一一的去粗浅的介绍各种工具，而是深入的用案列的方式带大家了解我觉得还不错的可视化工具（数据挖掘和可视化图表），目标的就是让大家可以零代码的做一些简单的可视化分析报表出来。

既然是按照案列的方式，那首先需要确定我们做什么主题。作为一个四川人，每次做自我介绍的时候，都会说到四川的美食，川菜作为中国八大菜系之一，还是深受广大人民的喜爱的。那么我们就用数据，来看看川菜和中国其他菜系（鲁菜、川菜、粤菜、苏菜，浙菜、闽菜、湘菜、徽菜）到底有什么不同，来做一个【中国八大菜系菜谱数据可视化图表分析】出来。

主题确定了，下一步就是数据的挖掘。 一般来说，基础数据的来源分为这几类。

自家数据– 自家应用APP收集的数据。不对外输出，最好的数据来源，纯洁数据拿来就可以用。行业报告– 上市公司的年报、半年报、工商系统、股转系统。定期对外输出，有干扰项。政府官方数据– 国家统计局，中国环境监测总站，世界银行等。定期对外输出，或有接口API，干扰项较少。全网公开数据– 拉勾、知乎、链家、雪球等公开网站的数据。需自己抓取数据，干扰项较多，一般都需要做二次数据清理。

那这次我们要做菜谱的分析，自家数据是没有的。行业报告和政府官方数据也没有这方面的数据。所以我们只能去网上自己爬取相关数据了。简单找了一番，就发现了很多的菜谱网站，比如【下厨房】、【美食天下】、【豆果美食】、【好豆网】等等，这些网站上面都有大量用户上传的各种菜谱。这里我选择【美食天下】来爬菜谱数据，因为【美食天下】刚好有按照菜系进行分类，这样我们在做二次数据清理的时候，就可以减少一个步骤了。

上图就是我们需要爬取的一条内容。有了爬取网站，确定了爬取内容。接下来就开始对数据开始爬取。怎么爬取呢？代码大神通常会推选用Python来做数据的爬取。

说好的零代码呢。这时候就要给大家推荐第一款数据挖掘的工具了 - 【造数】https://zaoshu.io对于简单的数据爬取足够用的工具，简单的了解，10分钟就能上手。

下面我们就开始进行数据的爬取。

第一步：输入需要爬取的网站地址，然后点击【开始爬取】。

第二步：设置爬取规则。点击【开始爬取】后，会进入这个界面，在这个页面进行爬取规则的制定（就是选择出我们需要获取的内容），只需点击我们想要的内容即可，下图绿色区域就是我们需要的内容，然后点击【完成创建】。

第三步：执行下载数据。这步就可以下载数据了，只需三步造数就能得到想要的数据，而不需要各种配置。

下图就是下载下来的原始数据，大致是这样的，全部汇总在一个Excel表中。在这里有菜谱名称，网站地址，和所需原料。当然不是所有内容都是我们需要用的，这时候就需要对原始数据进行清理，删除，汇总等处理。

因为数据量不大，对于原始数据的处理，我们直接选用Excel来做了。

单个菜谱的原料是全部汇总在一个单元格中的，所以首先我们需要把原料分解到单个单元中去。原料是按照【、】来间隔的，那我们直接用【文本分列】直接处理就可以了。通过【文本分列】我们把原料分解到单个单元中，如下图所示。

文本分列后，把它聚合到一起，然后用【数据透视】即可统计出来每个原料的个数出来。再通过简单的降序排序，我们就能得到最终我们需要的数据了。

小结

在这一步我们完成了【中国八大菜系菜谱数据可视化图表分析】的一半的流程，及数据挖掘和清理汇总。在这里我们用到了两个工具，一个是【造数】用做数据的爬取，一个是【Excel表格】用做数据的清理汇总。类似【造数】这类的爬虫软件其实挺多的，比如国内的Gooseeker（集收客），八爪鱼。国外的Kimono，import.io。但是我们的目标是能快速的上手做一些简单数据挖掘，所以这里给大家推荐的是造数，它规则提取足够简单，能通过可视化的简洁的方式来设置提取规则，同时爬取路线很清晰，很容易就能理解它是怎么运行的，从而快速上手。而【Excel表格】也是我们办公常用的软件，对于数级不大数据源，我们完全可以用Excel手动的来做数据清理汇总。

可视化图表

数据处理好后，我们就可以开始进入可视化图表制作这一步了。关于图表的制作，其实用Excel就能完成的。不过Excel图表的默认样式，和图表的对应数据的关系都做的十分不友好的，你很难能对应出数据和图表横纵坐标的关系。毕竟Excel主要是做表格的，而非做图表的工具。这里就是给大家推荐第二款图表制作工具 - 【BDP】https://me.bdp/home.html 。BDP把数据拆分出来，把图表的维度和数值列出来，通过拖拽的方式进行数据分析，完爆Excel。

BDP的具体使用过程就不在这里给大家贴出来了，感兴趣的去试试，很快就能上手开始做图表的了。下面我们就来看下，用BDP做出的图表，来看看中国八大菜系（鲁菜、川菜、粤菜、苏菜，浙菜、闽菜、湘菜、徽菜）有什么不同。

我们在【美食天下】的网站中，一共爬取了1062篇菜谱，其中川菜就有350篇，就占了总量的三分之一的量，全国人民还是都比较喜欢吃川菜的，真可为八大菜系之首的。而紧跟其后的就是粤菜，也有212篇之多的。

我们把川菜和粤菜的Top15的原料拿出来继续来看。

川菜前15项分布是：盐、料酒、生抽、花椒、姜、葱、鸡精、白糖、蒜、干辣椒、八角、淀粉、郫县豆瓣酱和酱油。

粤菜的是：盐、白糖、酱油、生抽、姜、葱、鸡蛋、耗油、胡椒粉、酱油、老抽、香油、花生油、水和淀粉。

除去相同的东西，川菜出现最多就是各种重口味的花椒、辣椒、八角、豆瓣酱之类的。而粤菜是各种油油水水的东西。作为一个四川人，还是不能理解为什么需要放耗油来做菜，耗油不只是用在吃火锅的时候做蘸碟吗？还有居然没有豆瓣酱，豆瓣酱才是做菜的王道呀，炒菜放点豆瓣酱味道一下就来了。

再看下，把1000多个菜谱所有的原料进行统计下。盐是所有原料中使用最多的，60%以上的菜品都用到了盐。不过让我没想到的是排第二的是白糖（PS：据大厨了解，加白糖多是为了上色，而非让味道变甜），而豆瓣酱在Top15中已经没见了，果然豆瓣酱只有在四川才流行的。

我们再把调味品提出去，只看下主材的情况。在主材中鸡蛋出现了121次，也就是说10%菜品用到了鸡蛋，上榜率相当高的。紧接着就是猪肉，这个也是意料之中的。如果把排骨等也归为猪肉的话，猪肉就是最多的了。但没想到的是有这么多菜品用到了香菜，而土豆这种我觉得应该用的很多的主材，却这么少。

OK，这边我们就只做简单的分析即可，如果有同学有兴趣，可以在分析下去，我这边就不继续展开去说了。

总结

在上述【中国八大菜系菜谱数据可视化图表分析】的案例中。我们通过【造数】、【Excel表格】和【BDP】这些工具的使用， 就能做到零代码的完成包括数据挖掘和图表制作的过程。所以想做数据的可视化展示并不难，只要我们开始动手去做，人人都可数据可视化图表来，这就是工具的价值。

所以我们设计中心也在思考，有没有可能在图表之上，提供更好的数据可视化工具，而不单只是做一个个单一的图表。集合图表、地图、大数据的整体可视化工具，我们在这个方向前进，推出一款更好的大数据可视化工具。

众所周知，选择一款好用的大数据可视化展示工具是很多企业的共同问题。现在市面上，有很多的大数据可视化工具，国内外的，价位也不同。但是如果能万里挑一，选中一款适合自家企业的大数据可视化BI产品，可以说如虎添翼，实现企业大数据完美落地之路。因为，优秀的大数据可视化展示工具，不仅仅是使用敏捷，而且还可以帮助企业家更好地做决策，这一点是很多大数据可视化工具很难实现的一个高度。

那接下来就回到本文的主题：选择一款大数据可视化展示工具，要几步？其实，挑选BI工具没有固定的步骤，只是说在挑选过程中，客户应该看重和考察哪些功能点，综合考虑之后再敲定。而一款优秀的大数据可视化展示工具核心在于优秀的商业智能解决方案。那么，目前最新的对于优秀的商业智能解决方案的要求，都有哪些呢？

采用动态报告

当企业需要实施商业智能解决方案时您应该考虑动态报告。动态报告可以随意创建，操作和修改。

它们旨在为企业提供想要的信息。企业可以通过添加、过滤，以及更改信息来控制如何查看数据。

当企业使用动态报告分析销售指标时，可以按地区，产品或客户细分信息。简而言之，动态报告是直接而直观的。静态分析报告无法提供其相同的灵活性。一旦建立了静态报告，就不能改变其基本结构。

对于像提交月度报告和季度报告，这可能没有问题，但是，企业将无法深入分析数据。

自助式商业智能

在数据分析方面，传统上只有专家能够理解复杂的报告。而另一方面，商业智能使数据分析更加简单。现在任何级别的用户都可以随时轻松访问数据。这就是为什么自助式商业智能越来越受欢迎的原因。它允许人们使用商业智能解决方案来实时研究数据，并自行构建准确的可视化报告。

选择合适的商业智能提供商提供的解决方案，将为企业的工作人员提供易用性。

移动商业智能

根据阿伯丁集团的数据，使用移动商业智能的公司比没有采用的公司有更多的时间获得商业数据。这是一个竞争优势，因为能够做出明智的商业决策。

着眼未来

对商业智能解决方案的投资是企业对其业务未来的投资。如果企业选择一个正在向前发展的供应商，其业务也将向前发展。许多供应商声称其正在寻找方向，但实际上他们正在追赶。

获得权利

一个优秀的商业智能提供商已经投入巨资为您的整个业务交付结果，而不仅仅是销售。

顶级的大数据可视化展示工具供应商可以深入了解客户的购买模式，库存水平和财务数据。他们甚至应该为复杂的业务领域提供解决方案，例如回扣。

企业应该选择一个用户友好的产品，并提供简单的仪表板。供应商应提供卓越的客户支持，愿意帮助企业实现目标。因为优秀的大数据可视化展示工具供应商可以为客户带来快乐。

公安大数据分析平台，展示公安大数据解决方案部分功能！今天将简单分析“6家共享单车倒闭”相信现在很多人都知道共享单车，但是也肯定为数不多的用户不太清楚其实已经有6家共享单车倒闭了，我知道的也就小蓝车和酷奇了，大批网民对此大为不满。所以此次就拿这个栗子作为分析对象：

【企业倒闭押金难退】

19日，深陷倒闭和跑路传闻的酷骑单车发出一纸“酷骑单车后续使用及退押金事宜的通知”称，北京的办公室将暂停办理押金退还业务，用户退押金都要去位于成都的公司。而另一家以“体验好、管理精细”自居的小蓝单车近日也陷入崩盘危机。

新华社初步梳理发现，目前公开已知的有6家共享单车企业倒闭，据芝麻信用提供的数据，粗略统计造成用户押金损失已经超过10多亿元，亟需尽快拿出应急解决方案。

【网民看法】：

我的一个朋友也深受押金退不了而头疼，但是我试过小黄车的退款速度是相当快的，一分钟都不要，摩拜没试过，应该也很快，在共享单车的风口某些小公司也可能有通过押金来非法集资的想法，这只是猜测，不然钱去哪了？

先看看信息来源的比例吧：

新闻：998

海外：0

微博：164

论坛：101

微信：185

其它：355

此次事件传播的很快也很广，比例最大的是新闻，确实这个事情也是个比较大的新闻了，我们继续看看此次事件的走势吧：

小编查看来下正负面走势，和小编预料的一样，几乎全是负面情感的报道和网民评论：

如图所示在23号负面达到了峰值，在24号正面达到了峰值，因此可以初略推测当负面达到峰值时，波及的共享单车可能会有公关的行为，情理之中，效果还是可以的。

热词分享，看看相关的热词有哪些：

押金_用户_倒闭_单车_消费者_账户_损失_成都_推广_小蓝等

网民评论的情绪波动也是差不多各持一半：

正面：41.5%

中立：18.6%

负面：39.8%

这里展现的是技术上的部分功能，针对公安大数据解决方案所涉及到的真正核心的技术和功能，不能公开展示，详细可以关注官方。

DataHunter 在实践中发现：无缝对接企业现有数据源是帮助其实现数据可视化的必经步骤。因此，DHAgency 应运而生！

DHAgency是DataHunter推出的大数据可视化利器，旨在帮助企业用户更好地处理超大数据量的分析，满足企业对数据源实时性的需求。

通过DHAgency可视化引擎，企业可以直接对接现有的数据源。无论关系型数据库（Mysql，Oracle，Postgresql等），还是Hadoop相关大数据平台、NOSQL数据库、MPP架构的解决方案，都可自助完成分析并展现，最终帮助企业做出更敏捷的、更及时的分析和决策。

架构

核心功能

海量数据多维分析

DHAgency可视化引擎支持连接企业已有的大数据计算平台，如Hadoop，Kylin，Greenplum，Elasticsearch等。与此同时，借助这些大数据计算平台的性能，也解决了TB到PB级超大数据量多维分析的难题。

实时数据展示

DHAgency能够进行实时的数据处理，并实时显示关键指标。每一刻都保持与前线同步。基于DHAgency，用户只需进行拖拽操作，即可实时地分析并展现出来，真正做到所见即所得。

产品优势大数据可视化利器

支持对接多种大数据平台，如Hadoop，Greenplum，Kylin，

Elasticsearch等。充分发挥平台的计算优势。

配置可视化，上手容易

可视化多维分析，只需简单拖拽即可展现出图像，零上手难度。可自动完成取数计算和分析。

缓存机制，使查询更快

引入数据缓存机制，最大化节省计算资源，使查询速度更快，资源更省。

灵活的条件查询

通过DHAgency界面参数的配置，可灵活的根据业务展现不同的分析需求。

异构数据源关联

可视化的数据关联模型配置，支持跨数据源关联查询，满足企业绝大多数的实际应用场景。

交互式分析

图表协同过滤，任意维度数据钻取，探索式分析帮助用户快速找到问题根源。

多种平台查看

支持多种终端（PC、手机、Pad、电视屏等）屏幕进行可视化内容的浏览分析，方便随时决策。

应用案例超大数据量实时分析|人民出版社

DHAgency通过接到实时的数据源，实时的显示热点新闻和最新文献。并做出新闻热度分析与不同新闻关注度的分析。对图书阅读时长，栏目访问，新闻访问，学习任务等采集到的数据进行实时分析与展现。

海量数据分析|甘肃统计局

海量数据通过云计算技术，大数据挖掘技术，现代统计分析技术充分融合，集数据采集、加工处理、分类计算、分析预警、报告展示、管理服务等功能为一体，实现统计系统内部业务优化整合，使用DHAgency进行海量数据的可视化分析。

从彭博社分析上可以看到，今天我们是物联网的世界，从两个纬度去看，首先是数量规模去看，今天在物联网时代，我们可以看到物的数量有百亿级，从百亿级物上可以看到这个市场的规模是万亿级美元的市场规模。这样一个物联网所采用的技术，或者大家所关注的点也跟原先的系统有所不同，在IOT这层百亿级设备和万亿级规模物联网上产生的企业，他们更注重的是数据，对于大数据的分析和展现。

在智能制造大的议题下面，不管是制造业企业或者说甲方，服务商大家都在为人才苦恼。原因是什么呢？就是说我们要实现转型升级需要人才，我们实现之后能不能驾驭这么复杂的系统更需要人才来支撑这些运营。当然如果我是人才的话，我会很开心，大家会抢着要我。但这个世界是变化的，在制造业转型过程当中，从中国制造转向中国创造过程当中，人才的知识也是需要不停地更新。从各位来看，我们目前的学生，他对哪些课程感兴趣？他们又希望哪些新的知识呢。

真正做得好的这些公司是怎么样做得呢？客户告诉我们，真正要和客户做好密切沟通，必须要利用数据，获得非常完整的客户视角。而且要提供一个可行的洞察力量一，最后交付一个差异化的体验。说了那么多，多少人骑过摩拜单车，大家知道摩拜单车后端是放在微软云上，下面我们看看摩拜单车是怎么说的。

人们预期数据可视化过程会继续发展，也许更多的是艺术和科学的混合，而不是数字计算技术。

显示结果

数据可视化是指以图形或图表格式通过人工或以其他方式组织和显示数据，以使受众能够：

更清楚地查看分析结果简化正在使用的数据中的复杂性了解并掌握正在使用的数据制作方法

可视化并不是一个新的概念

这种使用图片(排版、色彩、对比度和形状)来传达或理解数据的概念并不是新鲜事物，从17世纪的手工描绘地图和图形到十九世纪初发明的饼图都是这种形式。

如今，计算机可以用来快速处理大量的数据，使可视化更具价值。展望未来，人们可以预期数据可视化过程将会继续发展，也许更多的是一种艺术和科学的混合，而不是数字计算技术。

即时满足

数据可视化演进过程的一个令人兴奋的例子是，业界如何将数据可视化过程转移到生成和发布图表和图形的过程中，供观众进行审查和仔细考虑，从而设定了交互式可视化的期望。

通过交互式的可视化，人们可以更多地使用数据可视化的概念，进一步利用技术让观众与数据交互，为用户提供自助服务能力，以实时(或接近实时)交互式地深入到生成的图片、图表、图形(访问更多或特定的细节)来改变显示的数据(可能是不同的时间框架或事件)以及如何处理和/或呈现(可能选择条形图而不是饼图)。这使可视化更加有效和个性化。

人们可以通过使用数据驱动文档(D3)的典型网络浏览器在各种示例中介绍显示大数据分析结果的主题。D3允许将预先构建的数据可视化应用于数据集。

数据驱动的文件

数据驱动的文档在开放社区中被称为D3。D3是一个采用JavaScript编写的开源库。其目标是允许使用标准网页浏览技术(如HTML或CSS)轻松地处理基于数据的文档。它的附加值是为用户提供全面的功能，而无需自己构建或绑定到某个专用的框架中。

这些库组件为用户提供了优秀的大数据可视化工具和DOM操作的数据驱动方法。 D3的功能风格允许用户重新使用已经构建的库代码模块(或者其他已经构建的代码模块))来添加用户需要或想要(或不想要)的任何特定功能。这就创建了一种可以变得像用户想要的那样强大(或者有时间去做)的手段，为其数据可视化提供一个独特的风格，操纵并使之互动，这正是用户想要或需要的。

仪表板

正如前面所讨论的，事实上人们每天都在收集和积累大量数据，而组织出于各种原因依赖这些信息。

这些数据使用各种报告格式，包括数据仪表板。就像所有的事情一样，人们对于数据仪表板的定义有各种各样的担心。

例如，A.Chiang写道：“仪表板是实现一个或多个目标所需的最重要信息的直观展示。在一个屏幕上合并和排列，以便一目了然地监视信息。”

无论其定义如何，如果设计和建造得当的话，任何仪表板都有能力为受众提供及时而重要的信息，供决策者使用。

仪表盘以相关的、简明的、深思熟虑的方式(不仅仅是工作簿或电子表格中的可视表示的集合)呈现数据是至关重要的。而仪表盘上的数据显示过时和错误，那么由此做出决定可能会导致灾难。

通过仪表板可以演示解决方案的工作示例，而这样的示例基于使用Tableau的实时仪表盘格式，基于大数据分析有效呈现出结果。

Tableau是一种商业智能软件，旨在帮助人们查看和理解数据。Tableau不仅仅是一个代码库，也被认为是一组或一系列交互式数据可视化产品。

Tableau的结构可以使人们能够将来自多个来源的多个数据视图组合到一个高效的仪表板中，从而为数据消费者提供更丰富的见解。Tableau还可以处理各种格式(包括结构化和非结构化)的数据，并且可以处理大数据量(可能是TB字节或PB字节，或数百万或数十亿行代码)，从而将大数据转化为针对目标受众的有价值的可视化结果。

为了解决当今大数据世界的速度问题，人们可以使用Tableau直接连接到本地数据中心和云端的数据源，或者将数据导入快速内存性能。

Tableau的另一个目标是自助服务分析，用户可以通过对话选择数据来提问(实时模式而不是批处理模式)使用简单的点击分析直观地挖掘大数据，并有效地发现数据集或数据集中可能存在的理解和机会。

Tableau提供的一些令人兴奋的功能包括：

实时拖放聚类分析交叉数据源加入强大的数据连接器移动启用实时的地区或区域数据探索

异常值

异常点是一个与数据中其他观测数据点相距甚远或极大不同的观测点。尽管异常值通常只表示大约1%到5%的数据，但当企业处理大数据时，调查甚至只是查看数据的1%到5%是相当困难的。

调查和决定

人们可以看到，异常值可以被确定为非影响力的或者对数据可视化所要处理的点非常有影响力。

做出这一决定的行为或过程对于企业的分析非常重要，但处理大数据的大容量、多样性和速度也是非常困难的。例如，帮助做出这个决定的一个基本步骤是测定样品的大小，这是一个计算异常值与数据样本大小的主要数学过程，当数据量十分庞大时，这不是一个简单的任务。

人们可以使用Python高效地识别和处理大数据异常值(以及其他一些数据集异常)。Python是一种脚本语言，它非常容易学习，因为它的编码语法非常类似于英语。

Python是2016年9种最受欢迎??的编程语言之一，由Bouwkamp公司提供，Python被列在顶级的按需编程语言中。

Python诞生于1989年，由Guido van Rossum创建，实际上Python的使用非常简单，但业界也认为其功能非常强大，速度快，可以在任何环境中运行。

根据定义描述，“开放源代码Python是世界各地许多公司和机构的生产力，软件质量和可维护性成功公式的一部分。”

业界对利用Python语言进行数据分析和大数据分析的兴趣日益浓厚，而且它是数据科学家日常工作的选择，因为它提供了一个库，实际上是一个标准库(甚至有些专注于大数据，如Pydoop和SciPy)来完成几乎所有人需要或想要处理的数据，包括：

自动化建立网站和网页访问和操作数据计算统计创建可视化报告建立预测和解释模型评估额外数据的模型将模型整合到生产系统中

最后要说明的是，Python的标准库非常广泛，提供了一系列内置模块来提供对系统功能的访问，以及标准化的解决方案来解决日常编程中出现的许多问题，这是探索处理大数据离群值和相关处理的一个明显选择。

操作智能

操作智能(OI)是一种分析方法，试图通过(通常是机器生成的)操作或事件数据来提供可视性和洞察力，实时运行针对数据流馈送的查询，产生作为操作指令的分析结果，可以通过人工或自动操作(将数据集转化为价值的明确例子)让组织立即执行。

复杂的操作智能(OI)系统还提供了将元数据与数据中发现的某些度量、流程步骤、渠道等相关联的能力。有了这个能力，就很容易获得额外的相关信息，例如，机器生成的操作数据通常都具有唯一的标识符和结果或状态代码。这些代码或标识符对于处理和存储可能是有效的，但是并不总是易于理解。为了使这些数据更具可读性(因此更有价值)，可以将更多用户友好的附加信息与数据结果相关联 – 可能是以状态或事件描述的形式，或者可能是产品名称或机器名称。

一旦了解将基本分析和可视化技术应用于操作大数据的挑战，数据的价值可以更好或更快地实现。人们将运用Splunk智能化操作来展示操作或大数据评估解决方案的工作示例。

那么，什么是Splunk?Splunk开始是一种“Google for Log”文件。它还有更多的功能…它存储所有的日志，并提供非常快速的搜索功能，大致就像Google为互联网做的一样…

Splunk软件是帮助实现隐藏的价值在机器生成的一个很好的工具，使用Splunk，企业可以在一个地方收集、索引、搜索、分析，以及可视化所有数据，从几乎任何地方提供一种整合方法，可以从大量机器数据中组织和提取实时信息。

Splunk将数据存储在文件中，为文件分配索引。 Splunk不需要在后台运行任何数据库软件来实现此目的。Splunk调用这些文件索引器。Splunk可以对任何类型的时间序列数据(具有时间戳的数据)进行索引，使其成为大数据操作智能(OI)解决方案的最佳选择。在数据索引期间，Splunk会根据其标识的时间戳将数据分解为事件。

尽管使用简单的搜索术语(例如机器ID)，Splunk也提供了自己的搜索处理语言(SPL)。 Splunk SPL(将其视为SQL类型)是一种非常强大的工具，用于搜索大数据并对特定场景中的相关内容执行统计操作。

商业智能BI行业发展至今这么多年，随着消费者需求的变化，大数据可视化展示系统的技术要求也日新月异。根据最新的行业报告，未来的大数据可视化系统更多会储存在云端里，也就是云技术会迅猛发展和普遍，而且人人可分析，人人可决策，达到全员数据化。这是新一代大数据可视化展示系统即将与旧一代的区别。

以前，企业的选择是商业智能(Business Intelligence)，它可以帮助企业收集、管理和分析数据，将这些数据转化为知识或洞察(insight)，然后分发到企业各处。 但是，在Gartner发布的《2017BI和数据分析软件市场统计报告》中，发现了这样的趋势： (1) 传统的商业智能平台市场占有率正在逐年降低。从2013年的49%，降至2015年的41%。而与之相反的，是新一代商业智能平台，它的市场占有率从7%上升至14%，几乎“吃”掉了传统BI失掉的所有市场。 (2) 根据预测，未来10年将有更多的分析工具/商业智能产品部署于云。

什么是新一代大数据可视化展示系统？ 新一代BI最大的变化，就是把商业分析全流程的中心从专家转向了业务人员，IT部门不再是数据采集、准备与内容创作的主力或灵魂，仅在分析的流程中提供一小部分的支持工作;以前业务人员跟数据之间隔着一个IT部门，像隔着一座大山;新一代商业智能，允许业务人员直接跟数据对话、直接创建分析内容、自由的用可视化进行数据探索，还可以彼此协作。 新一代大数据可视化展示系统为“全员数据化”赋能，还有一个利好，就是让每一个“决策者”都有据可依，要知道，这可是一个企业人人都是“决策者”的时代。几乎所有的员工都可以通过他们的工作习惯、他们使用(或滥用)的技术、对突发事件及挑战的应对方式等，对运营产生影响。因此，未来的BI工具将是全员数据化的趋势。

汽车之家CEO陆敏在2017年中国汽车论坛上表示，中国用户在购车前要在网上搜索、比照三个月至6个月，购车后会在网上作出评论，都会留下印记，产生实时的数据，汽车之家可以通过大数据分析，给大家展示未来的市场、竞争格局、以及用户需求的变化。

以下是演讲实录（有删减）

中国的用户购车跟买其他东西不一样，他购车之前会在网上反复阅读、搜索、比照，周期大概是三个月左右，有的要到半年。所以在我们的用户买车之前，他会上网。我们汽车之家就是这么样一个网站，为广大用户服务，他买车前必须看很多内容进行比照。所以在这个里面，他会留下他的印记。

我们的数据一个是关于消费者个人的信息，他看的什么车，他处于买车的什么阶段，是不是即将要动手买车了，这些数据就能告诉我们。另外一个是车本身的，关于车的。用户会对你的车进行各种各样的评价，我们讲用处对车的态度。所以我们经销商可以有很多数据方面的支持和合作，包括其他的方面。

像汽车之家每天的日活独立访问量大概3000万左右，每个月大概有3.11亿人到我们的网站看车。另外我们也产生线索，大概差不多50%线索，经销商得到的线索有一半是从汽车之家这边出去的。所以我们讲，我们的数据是海量，我们有1500多台服务器，全部是在做数据应用工作。我们会有行业比较全的用户购车前和购车后的数据，另外数据都是实时的。再有一个数据都可以回溯，你看到每一个问题，都可以追到底下，他到底是怎么讲的，这是我们的特点。

我们的数据涵盖了方方面面，从看车、选车、买车、用车，以及你对车的角度，新车、二手车、修车、后市场等等，都有这样的数据。另外我们有一套数据采集处理整理运用一套的技术，这儿就不细讲了。

下面我想讲一下，参加这次论坛特别做了一些准备，对中国汽车行业的应用讲一下。可能很外行，讲错的部分请批评执正。第一个销量的预测，这是对中国整体2017年乘用车销量的预测，我们预测同比增长5%左右，去年是大概20%，今年我们预计是5%左右。我们对每个品牌、每一款车都可以做预测。我敢讲他至少有三个月在我这儿预热，看你这款车的人越多，我们的模型它就会滚出来你的车下面的销量会涨。如果最近关注这款车的人少了，我们的模型会告诉厂家，你的这款车可能销量未来几个月可能会下降。所以我们把所有的乘用车放在一起，做了一个大的模型。

今年的SUV到了年底我们估计它的销量会超过轿车，SUV增长还是比较强劲。另外区域上也可以做一些判断，总体来讲感觉到华东，北方的一些地方增长在下降。但是南部、中西部地区增长趋势在上翘。这是我们的线索量，去年有8000万线索。这个里面可以看到三线城市的线索量在增加，三线城市是23%，增长是比较大的，也说明厂家应该再往下沉，往三四五线城市下沉。中国品牌里面我们看到MPV、SUV还是再往上走。但是可惜的是中国品牌的轿车是往下走的，这个可能还需要我们努力。

第二部分讲一下竞争方面的格局分析，我们看一下云图，第一个是中国品牌的整体竞争力再往日韩系靠近。这是个云图，靠得近的，竞争关系越近，线条越粗，竞争越激烈。这块是中国品牌，可以看到量再往韩系、日系那边走。SUV的市场看一下，紧凑型和中型的竞争会越来越激烈，这是个云图。中国品牌紧凑型在下面，它跟国外品牌也是越走越近，而且越搞越密。当然中国品牌紧凑型的SUV对上了国外小型，中型对上了他们的紧凑型。这是紧凑型的SUV市场，去年12月份竞争格局。这里面可以看到，韩系的车跟我们靠近，到了今年三月份，韩系车跟我们已经走到一块儿来了。可能也有政治的因素，但是至少从图上来看，跟中国品牌走到一起了。

轿车市场，我刚才讲了，中国品牌的紧凑型轿车，这是国外的品牌，我们还离得距离比较远，这一块儿还吸收再努力。

竞争我只是讲了云图，其实在我们的数据里面是可以看到所有车互为竞争对手。比如这两个是竞争对手，竞品，这款车它强势在哪里，或者这款车的弱项在哪里，因为都有用户的反馈上来，会非常地清楚。而且可以看到在营销手段上不同，导致的结果也会有所不同。所以竞争的分析，我刚刚只是展示了云图，实际上背后有很多数据。

最后一块是用户需求深度洞悉。比如举个例子来讲，紧凑型的SUV市场未来的方向，从数据上来看舒适型、操控性是用户更加关注的。它的坐标是PPH，就是百车的抱怨数。那么再往上走，所以需要引起厂家的关注。我们这儿把所有的东西放在一块儿，比如说紧凑型SUV噪音和变速箱，是用户重点诉求。这就是通过我们的语义分析，我们把它抓出来，变成正面评价和负面评价。如果在右下方，都是好的，就是用户的反馈声音很大，而且都是正面的。如果是左上方，反馈是差的，声音很大，都是负面的。我们对每款车都有分析，某一个点点进去，就会知道这个噪音。噪音用户怎么讲的，各种各样的说法都会出来。并且可以有追诉，比如有异响，所有用户遇到异响怎么表述的，都可以知道。这样可以帮助厂家做产品更新的时候，改善它的产品。

同时操控性动力性、舒适性这三个方面在往上走，提醒我们在重型的SUV市场，怎么改善这三个地方，把用户百数的抱怨数下降。同时变速箱的问题，也可以点进去，看看用户是怎么讲的，你就看到用户关于变速箱的所有声音。

另外我们也看到一个趋势，就是现在用户选择7座SUV的势头还在往上走。所以大型化的趋势，还是很明显。我们的线索量里面，每年都在增加，今年也在增加。所以七座的SUV，是不是跟二胎政策有关不知道，反正在往上走。

这是我举的例子，讲的大数据的应用。未来因为我们的数据量还是比较大，另外来自于用户的真实的反馈，另外跟一些厂家合作的话，甚至可以做一些深的数据方面的合作。帮助厂家从产品设计开始，就可以得到用户的反馈。另外产品出来以后，你也可以感受到原来设计的想法，跟用户最后得到的感知到底是不是一致，或者哪些地方还需要改进。在营销方面，怎么样去改善营销策略和方案。包括服务，怎么样进一步改善，都可以在这些数据里面得到。包括金融的提供，都可以有很多合作机会。所以我们也愿意把我们的大数据平台，共享出来，和厂家做深度的合作，一起为这个行业健康发展，贡献我们一点力量。

一、大数据可视化行业背景：

随着大数据在人们工作及日常生活中的应用，以及近几年企业对大数据、云计算方面的研究的追捧，大数据可视化正改变着人类的对信息的阅读和理解方式。从每年大数据的展会来看，已经有越来越多的企业开始向大数据领域进发。而大数据可视化的展示将会越来越备受关注。随着移动互联网和智能应用的普及,数据爆炸式增长,人类步入“大数据时代”。在这一时代背景下,传统的数据呈现浏览、分析评估、价值挖掘及应用输出等形式已经无法适应“大数据”的时代需求。各行各业的海量数据集合,如何在“大数据时代”的语境中寻找数据呈现、管理、分析及应用的有效方案，成为数据使用和物联网时代迫切需要予以关注和解决的问题。

向正今天就带您深入了解一下这项愈发引人注目的新技术!

二、大数据可视化技术相关阐述：

大数据可视化是基于行业数据存储到累积一定程度，数据来可视化带来解决这一问题的新方法。它以图形化方法表示数据、信息和知识，使复杂数据能够更容易和快速地被人理解并获得更深层次的认识。作为一种可以放大人类感知的表示方法，人们可以发现新的线索、关联、结构和知识，促进人机系统的有机结合和科学决策。大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。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。基于大数据的可视化分析强调利用先进的技术和计算机科学技术去记录，去感知现实世界中的个体行为和群体移动行为，并以可视化分析的方法进行知识发现，其目的在于理解个体和群体的时空移动规律和分布特征，为城市建设、科学研究和商业活动等提供智能辅助和决策支持。

大数据可视化应用的领域非常广泛，只要有海量的基础数据，需要图表可视化展示的应用，无论是动态的还是静态的，都可以通过向正的大数据可视化展示系统来呈现，通过多年的积累，向正目前在大数据可视化的应用可以在PC、大屏、手机客户端，均可无障碍动态展示。

具体到相关事例，大数据可视化展示技术可以做到：对交通GPS轨迹数据进行重建、量化和挖掘，再用可视化的方式呈现出结果，展示大数据可视化展示技术在提高人类的社会生产生活如市政设施、交通监管以及基于位置的服务等方面提供的有效信息支持;该技术还可以对环境监测的数据进行有效整理与深度分析，比如雾霾轻重监测、水资源清浊监测，通过多时段大批量的数据对比，了解和预测不同时间段环境受污染的情况，再通过数据可视化的直观形式，指导民众健康出行，还可以提供区域内的环境变化对疾病影响的趋势图，对疾控部门的决策提供有效的参考;对工业生产行业积累的数据可视化分析，可以将过去很难对应到一起的生产和需求进行直观的关联分析，掌握了消费者的需求和使用习惯数据，就通过图表数据呈现在企业面前，让企业得以科学组织生产，而生产数据的可视化，也能让生产更高效，目标更明确。这是大数据可视化对于企事业单位内部大有裨益的体现，而当大数据可视化技术运用到大规模的展示当中来时，也能收到意想不到的奇效。

三、大数据可视化技术相关案例：

向正科技为国内业界领先的大屏可视化系统整体解决方案供应商之一，涵盖业务咨询、音视频集成、拼接大屏幕显示控制、智能中控、数据采集、画面设计与绘制、播放控制、多载体输出显示等。

向正科技三维数据可视化系统集多媒体视觉设计、3D模型与动画制作、数据梳理与融合分析、数据通信、视频通讯与可视化展示于一体的定制化展示系统，可胜任于数据展示、互动展示、虚拟现实等形式内容的展示。

温州电信大数据大屏展示

通过大数据可视化展示系统，观众可以方便地了解每天电信宽带的使用情况与实时速率，这种平时接触不到的东西，现在直观地展示在大家面前，无疑会让展示效果事半功倍。

中国人民银行大数据系统展示

辖区内每一个乡镇的概况简介与财政数据，都以图表的形式跃然于屏幕之上，在大地图上可以进行点选来查看想要了解的乡镇的相关数据，右边不仅会显示具体信息，也能通过右下角的按钮进行进一步的操作，这样的展示，完美地体现了大数据可视化带来的操作简化、效率优化的效果。

向正助力传化智能贵阳大数据展大数据展示

今年5月，向正科技与传化智联在贵阳大数据展上完成了一次成功的合作，在以大数据为主题的展会上，利用大数据可视化技术，将传化多年的技术积累与业务数据完美地呈现在大众面前，切合展会主题的同时，也起到了宣传企业形象，展示研发实力的效果，可谓是一举多得。

四、总结：

大数据可视化展示技术作为近年来兴起的新型展示技术，通过图表的直观性与交互的便利性，对内可以增强决策能力、提高工作效率，对外可以让观众一目了然地了解企业的主营业务与公司实力，在临展当中，更是可以通过摆出观众平时难以接触到并且感兴趣的内容，来达到抓人眼球的目的，在人潮熙攘的展会当中，这样的吸引观众驻足的技术无疑是提高展示效果的利器!作为全国领先的云交互设计服务商，向正通过多年的从业经验与技术积累，在大数据可视化展示方面也有了过硬的业务能力，满意与效果，是我们的追求!

大数据作为重要的战略资源已经在全球范围内达成共识。2015年8月，国务院印发《促进大数据发展行动纲要》，强调开发应用好大数据这一基础性战略资源;2015年10月，十八届五中全会提出，实施国家大数据战略。

由上海科睿展览展示工程科技有限公司承建的国家电网中新天津生态城智能电网展厅，可称得上是能源大数据的一次成功应用，是其在数据可视化展示方面具有典型性的案例。

《中国电力大数据发展白皮书》中指出，在电力生产环节，风光储等新能源的大量接入，打破了传统相对静态的电力生产，使得电力生产的计量和管理变得日趋复杂。同理，在能源大数据可视化展示方面，对于风电、光电等新能源接入数据的展示，显得尤为有技术性。这个问题中新生态城智能电网展厅，是这样解决的：

展厅采用一个为天津定制的清洁能源大沙盘，你可以看到动漫园光伏、蓟运河口风电、中央光伏大道、智能营业厅等亚克力模型，配合展台屏幕灯光，模型通透精致，还原度极高，通过触摸屏进行操作，模型之间会有相应的电流互动，并且风机根据操作来不停的变换转速，太阳能光伏板会根据光照强弱模拟发电量的大小。我们在讲解员的讲解操作下一步步了解着生态城清洁能源的发展现状、利用情况以及未来规划。同时还有单独的触摸屏可以进行查询关于风力发电、太阳能发电、水力发电、生物质能发电的信息。