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。

转载自百家号作者：猫密奇寓

时代变连，正邪也在变。一句歌词说明了时代变，许多东西都同时改变。我这些改变会带来数据的传递，在当今大数据的时代，估计许多人都非常清楚，需要很好的把大数据利用起来。

首先不得不说的是大数据在当今时代的一个地位，大数据作为前沿科技，是许多国家战略中的一块肥猪肉，特别是对于美国这个海陆空强国，对于这些大数据的收集是进行了很深入的研究，并且对于大数据的收集能够有利于他们进行经济地位的提升，抢到领先的地位，了解到其他国家的动向，并且在日本也纷纷的看准了这一块肥猪肉进行人工智能的数据采集，可以看得出大数据是国家赖以利用的科技。

我举个比较现实例子，一些员工去应聘的时候，老板要求他们做报告，接着老板给他们一大串数字，让他们进行很好展示。但他们也不懂怎么处理这些数字。这就让他们失去了一份工作，对的，大数据在当今的时代是如此的重要，对于他的一个可视化，我们必须人为的进行操作，让他们能够有效地分析和处理这才能让大数据发展起来。

对于大数据来说，不仅仅是他的一个可视化的要求，而另外一个重要的是数据的采集，对于现在中国人流量那么庞大，集合每个人所产生出来的数据量，都已经让计算机无法算出来，所以对于这些数据的采集需要很好的办法进行处理存储。

说了这么多大数据的一些问题，接下来我们聊一下大数据在当今一个应用，特别是一些电商上的一个应用，淘宝、京东等等电商，其实在我们经常在平台上面买一些日常用品或者是电子产品等，他们将会进行记录，并且对于这些记录的东西进行完善，将给我们推荐一些更符合我们要求的产品。在一些农业方面，他们会带来农作物杂交数据，让科学家能够更快的杂交出新的品种。在机器人方面大数据能让他们记录每个应用领域中的实施步骤，就像阿法狗他能够在棋盘上战胜人类。

我们在大数据时代当中，更应该注重这些数据的保密性，因为也有许多新闻报道，官方泄露了数据，让外国得知进行了一些商业竞争，还有军事上对于数据的处理也是非常重要的，一些军用产品由于泄露了信息，通常会让其他国家进行黑科技的研发并抢占先机！目前的企业都采用一种叫mq消息队列的模式进行网上交流，他们进行企业内部加密这些数据，并且对每个员工的信息了解得一清二楚。确实是对大数据很好的运用，所以我们也必须拥有创新性思维对大数据有着不同的想法！

小编认为在当今的时代，我们每个人都有义务保护个人数据，并且对大数据要有概念，不能不了解。不知你们对大数据了解过吗？

全文共3060字，预计阅读时长7分钟

“学而不思则罔，思而不学则殆。”

——北京理工大学 BIT_ROB

【团队成员介绍】

李贵斌北京理工大学 控制科学与工程专业 研究生二年级

王浩宇北京理工大学 控制科学与工程专业 研究生二年级

张稼祥北京理工大学 控制科学与工程专业 研究生二年级

【他们怎么说】

“队员的积极性与责任心、擅长的方向与领域、创新意识是我比较看重的。”李贵斌讲道，“首先团队的价值观和目标要准确，然后要反复强调以期达到相同一个目标努力。其次团队的人员配置上性格不宜单一，不利于全方位考虑问题。我认为团队中的领导要主抓协调和决断而不是出苦力。”

在团队中，李贵斌负责硬件电路设计，王浩宇负责控制系统设计，张稼祥则主要负责手法采集设备研制。三人分工明确各司其职。谈及参赛的初衷，他们说道：“主要为了增强我们的创新能力和实践素质，在大学这个时段里，我们有属于自己充分分配的空间和时间，有更广的知识交流圈，还有以及社会实践机会。在中学的义务教育里，受应试教育的传统模式而让我们的思维能力受到了约束。创新，往往就是通过抛开传统的思维而是用独特的思维去创造新的事物，或者是突破旧的思维定势，旧的常规戒律，不断突破常规，发现或产生某种新颖、独特的有社会价值或个人价值的新事物、新思想。”

在比赛前期，他们关注了比赛的各个赛项并进行探讨，找到了最适合自己团队的赛项，并且在已有的基础上结合大数据比赛的特点对团队的项目进行延伸与拓展。社会价值和商业价值是他们比赛创意的出发点。“国内外首次提出了利用机器人和互联网技术完成对中医手法的培训，他们另辟蹊径，将机器人的应用思路转换为机器人成为“患者”，为广大医生提供操作平台，利用培训数据提供改进建议从而达到合格医师快速增加的目的，开辟了医用机器人应用的一个新的思路。

“有共同人生价值观是非常关键的，用吸引力法则来解释，同频的人群才有机会聚在一起，为了同样的梦想和追求去做一件事情。团队协作能力也至关重要。就一个项目而已，需要对每个环节一一打通，一起攻克每个细节，互帮互助，取长补短。团队核心人员的运营统筹亦不容忽视。作为一个团队，凝聚力的表现除了有共同的价值观之外，还需要培养人才和包容的胸怀。一只羊，两只羊，三只羊各自为战，结果只是被狼一一攻破，而一群羊没有领头同样也是一堆散沙，只要领头羊足够能量场，再凶狠的狼，也无法攻克。”

在讲到比赛过程中的感受，他们说道：“反复练习则是必不可少的，有人说过一个伟大的程序猿至少要十万行代码，这个绝不是危言耸听，要想了解电脑，让电脑按照你的思路解题，没有长时间的与电脑的磨合是肯定不行的，只有通过反复敲打代码，才能与电脑做到人机合一，让它按你所想去工作，设计出好的源代码。”

该团队还提出了两种不同的学习方法。一种是从比赛中汲取知识。比赛的特征是往往目标单一，一切需要掌握的东西都围绕着比赛目标出发，在整个知识体系中，是一条线而不是网络和体系。这种方法是从实际问题出发的，会去找到问题本身的特性，针对其给出方法和优化，重点是把掌握的知识和实际问题相结合。“这种方式进行学习，适合初学入门的人快速切入，但是随着比赛次数的增加，你每次能从比赛中学到的东西会相对越来越少。即便运气好，你也几乎不可能完全通过比赛来完善自己的知识体系。”

而日常学习知识则正好相反，时间宽裕，但是往往需要自己编织知识网络，因为经常要深入一些看起来没有用的小知识点，必然枯燥无味，容易懈怠。“这种方法的研究手段也不一样，往往从一篇paper或者是已有模型/算法，通过理论或者推导，找到其不足的地方，再去优化。处理的往往是一个泛化的问题，从解决一个具体的问题升华到了解决一类问题上面去。这种方式，学到的知识相对系统完整。日后随时随地用起来的时候引经据典，信手拈来，驾轻就熟，讨论起来的时候拍案惊奇，舌战群儒，滴水不漏。不过也容易走过头变成纸上谈兵。所以，两者相结合也是极好的。通过比赛发现问题，通过问题作为切入点展开学习，最后再通过比赛查漏补缺。所谓学而不思则罔思而不学则殆是也。”

在撰写策划书方面，他们强调策划书最重要的就是想法，只有好的想法，好的创意，才能抓住评委的心。并在有创意的想法之上，分析目前的市场的痛点，针对市场的痛点如何推广我们的项目，并清楚地分析自身的优势以及存在的问题，客观地描述项目的市场前景。

“实践出真理，每一步都精益求精。”

——南昌大学智谱

【团队成员介绍】

马瑞棋南昌大学 软件工程专业 16级

李璐南昌大学 软件工程专业 16级

赵玉媛南昌大学 软件工程专业 15级

【他们怎么说】

马瑞棋擅长统筹规划项目，后端开发等，赵玉媛擅长前端技术开发，而李璐则擅长前端设计、PS，针对队员各自擅长的领域，团队分工明确，技术类专心钻研实现的技术，队长尽力沟通团队内的大小事务，负责宣传的人员竭力完成文档以及答辩的工作，“团队内的所有人员都在尽力完成自己负责的部分，尽力将这一作品完成好，合作非常愉快。这是个很好的提高自己和锻炼自己的机会，也能测试出自己现阶段的能力，对自己进行正确的评估。”

比赛前期他们查阅了比赛相关的信息，包括比赛的要求以及比赛的承办方等等。做这一前期工作的目的在于他们需要确定作品与该比赛的切合度。然后确定之后的努力方向，尽可能的将作品与比赛的要求更加的切合。

“关于我们为什么会做这一产品来说，我们想要通过这一操作来更加深入了解大数据相关的知识，并且实践出真知，我们可以通过这一尝试对自己的现有知识进行查漏补缺，并且由于我们团队中正好有懂得相关乐理知识的人，所以我们选择做人工智能谱曲的项目。”

针对自己负责的领域，李璐说道：“由于我们的项目主要用户是有独特审美风格的艺术人士等，其用户界面的美观操作页面就很重要。而本人正是参与整个项目的页面美化，为了契合大众审美，需要多次拟稿设计图等，尽力做出简单美观大方的UI界面。”

他们介绍道：“推广自己的想法，借助大众力量优化本项目，借助优良的用户体验和强大的系统功能，吸引住用户，从而留下第一波忠实粉丝，在人气基础上再进行广告等的推广，让项目知名度增加，努力寻找商业合作伙伴，增加流动资金。”

比赛过程中的困难和挑战一定是在所难免的，他们认为最大的困难有两点，一是人员的聚集，由于这一项目属于创新型的项目，有一定的时间投资风险，有些人员不确定该不该在这一项目中投入时间与精力。二是技术难点，一方面想法新，所以在这一方面网络上可以提供参考的东西很少，另一方面在于这一项目本身由于音乐文件的时间高维的复杂度，相关的大数据操作本来就很难，所以技术瓶颈期很长，好在他们的技术人员攻坚克难，完成了任务。

在谈到比赛中最难忘的事情，赵玉媛说道：“比赛过程中最让我难以忘记的事情恐怕是和队员一起准备比赛的那段时间吧，在那段时间里我们一起讨论并发表自己相关的意见，这一过程中，我们心无旁骛的只想把这一产品做好，并肩作战的感觉真好。”

他们认为团队的核心竞争优势在于成员的做事严谨认真程度很高，做出来的产品没有同类型的产品与他们进行竞争。“产品创意好，市场可能性大，目前市场对批量化生产原创音乐需求很高，和我们的项目成果相呼应，相信会有很好的市场反馈。”

谈及给以后参赛者的建议，他们提到：“希望可以每一步骤都精益求精吧，自己要搞懂这一比赛的重视点在哪里，确定自己作品和比赛要求的契合度，这样比赛获奖的几率会更大一些。语言的表达能力也很重要，也就是可以准确的将自己的项目特点介绍给评委，一旦评委可以很清楚的了解到你想要表达的意思，这份策划书也就成功一半了。”

留言 点赞 发个朋友圈

我们一起探讨AI落地的最后一公里

如需转载，请后台留言，遵守转载规范

如今，企业越来越重视数据分析给业务决策带来的有效应用，而可视化是数据分析结果呈现的重要步骤。而可视化技术/工具在国内国外也发展的相当成熟，很多都已经做成应用（比如可视化图表库，BI工具等等），并投入商用。

如何利用大数据可视化，如何做好大数据可视化，今天就给大家介绍一些实用的工具，有图表库、有BI ......

国外产品系列

1、ChartBlocks

ChartBlocks是一款网页版的可视化图表生成工具，在线使用。通过导入电子表格或者数据库来构建可视化图表。整个过程可以在图表的向导指示下完成。它的图表在HTML5的框架下，使用强大的JavaScript库D3.js来创建图表。图表是响应式的，可以和任何的屏幕尺寸及设备兼容。 还可以将图表嵌入任何网页中。

2、D3.js

D3是个图表库，对于前端工程师来说，D3.js 称得上是最好的数据可视化工具库。

D3厉害的地方在于它建立了一整套数据到SVG属性的计算框架，常用Data visualization模型，大多都可以再d3.layout里面找到。D3.js运行在JavaScript上，并使用HTML，CSS和SVG。

D3.js是开源工具，使用数据驱动的方式创建漂亮的网页，D3.js可实现实时交互，这个库非常强大和前沿。

3、Tableau

Tableau公司将数据运算与美观的图表完美地嫁接在一起。它的程序很容易上手，各公司可以用它将大量数据拖放到数字"画布"上，转眼间就能创建好各种图表。这一软件的理念是，界面上的数据越容易操控，公司对自己在所在业务领域里的所作所为到底是正确还是错误，就能了解得越透彻。其两种不同的变体是基于云计算的Tableau Online和Tableau Server。

它们都是为与大数据有关的组织设计的。企业使用这个工具非常方便，而且提供了闪电般的速度。还有一件事对这个工具是肯定的，Tableau具有用户友好的特性，并与拖放功能兼容。但是在大数据方面的性能有所缺陷，每次都是实时查询数据，如果数据量大，会卡顿。

国内做数据可视化产品/工具的公司

国内有独立成一行业的公司，围绕可视化做一些应用产品/系统的公司，比如：

帆软——报表软件finereport、商业智能finebi、大屏可视化阿里——蚂蚁金服可视化控件AntV、数据可视化大屏DataV数字冰雹——大屏可视化百度——开源图表控件Echarts网易——数据分析平台（BI）网易有数

除此之外，还有很多互联网公司会开发自己的数据可视化产品、BI平台，引用国内外开源，对内形成解决方案，但是不对外。软件集成商也对针对客户需求，做专门的方案，自己开发或者集成别人的应用。

1、FineBI

FineBI是一款商业智能BI工具，做数据分析和可视化数据展现，以分析为主，提供多种数据接入方式，可视化功能强大，平台更适合掌握分析方法了解分析的思路的用户，其他用户的使用则依赖于分析师的结果输出。FineBI也是找了很久感觉很不错的一款数据可视化工具。其中还有很多对数据处理的公式和方法，图表也比较全面。相对于百度的echarts，FineBI还是一款比较容易入手的数据分析工具。最后，FineBI提供了免费的版本，功能齐全，更加适合个人对数据分析的学习和使用。

2、EchartChart

echarts的优点：

国产货有语言优势或区域优势。毕竟是中国制造，自己家做出来的，亲和力高，比较适用于我们的思维，对于城市的地理坐标、城市代码等都已经配置好了，需要的时候，直接调用，很方便。免费，各类图，各种形式，K线图完全免费开源。能减少制作成本，也方便使用，（不用担心以后会有什么）当客户选择的时候，我们可以有更多的方案为他们准备。对于处理大量的数据和3D绘图：基于canvas绘图，所以3D绘图方面占据绝对的优势。（可以结合百度地图的使用，而且方便快捷。）一个纯Javascript的图表库：可以流畅的运行在PC和移动设备上，兼容当前绝大部分浏览器（IE6/7/8/9/10/11，chrome，firefox，Safari等），底层依赖轻量级的Canvas类库ZRender，提供直观，生动，可交互。（使用了几个浏览器，均没发现什么问题。）支持和弦图、力导布局图、拖拽重计算、数据视图、值域漫游、大规模散点。支持动态类型切换（十分方便，以内置代码，轻轻动动手指就可）

3、支付宝AntV

AntV 是蚂蚁金服的数据可视化解决方案，主要包含「数据驱动的高交互可视化图形语法」G2、专注解决流程与关系分析的图表库 G6、适于对性能、体积、扩展性要求严苛场景下使用的移动端图表库 F2 以及一套完整的图表使用指引和可视化设计规范。已为阿里集团内外2000+个业务系统提供数据可视化能力，其中不乏日均千万 UV 级的产品

内容来源：2017年5月13日，周末去哪儿架构师李锡铭在“Java开发者大会 | Java之美【上海站】”进行《大数据平台快速解决方案中》演讲分享。

阅读字数：1891 | 4分钟阅读

摘要

大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。周末去哪儿架构师李锡铭根据自己的成功经验，为我们分享大数据平台快速解决方案。

大咖演讲视频

http://t/R9an7Rr

搭建始末

当时我们确定要做大数据的时候，有两种选型。第一种选型是用用原生的、开源的大数据技术，需要自己搭建；第二种是ODPS。

后来我们选择了利用原生大数据，自己搭建一个大数据平台。因为我们已经有了一定的小积累，并且也想做一个大数据方面的技术沉淀。

在移动互联网时代，用户所有的行为、浏览、记录和收藏等所有的数据，我们都会把它拿下来分析，前段时间阶段性沉淀的东西有多少，是对之前的一个总结。这个数据还能帮助我们进行深度挖掘，之后如何对不同用户分类，做一个精准化的营销定位。

每个公司都会对这些数据进行报表级的展现。我们最开始的数据实现方式是把所有用户的行为数据放到传统的关系型数据库中，利用纯Java应用程序去读这张表。当计算某个指标的时候，还会关联若干张子表。这张主表大概有几千万，其它子表也是百万级甚至千万级的。如果单纯用Java去算的话，还要额外处理多线程。

所以我们用传统的Java纯程序+关系型数据库去处理报表的时候，在存储和计算的性能上会出现问题，以至于报表需求越来越慢。

在这样的大背景下，我们改成了使用大数据去处理这种场景。

技术概览

Hadoop是现在所有大数据计算存储的一个底层概念，后面所有衍生的大数据产品都是在Hadoop的基础上进行衍生的。

这张图是目前大数据平台的架构。

原生的Hadoop应该包含了Hdfs（文件存储）、Yarn（资源调度）和Mapreduce（算法）。

Spark是类似于Mapreduce的一个计算框架，它在很多场景中的性能会比原生的Mapreduce好很多，尤其是迭代计算的时候，会有好几个数量级的提升。

Sqoop是一个数据的迁移工具。

Hive是对底层Hdfs系统的文件抽象出一个类似Mysql的关系型数据库，但大前提是它是在Hadoop这个大的语义下的关系型数据库。

Oozie是一个任务编排和调度的框架。

Hue是大数据的管理后台。

Zookeeper是分布式协调工具。

1.组件分类

基础数据：Mysql，File。基础数据层是游离于大数据之外的概念，它是传统的数据来源。

大数据存储：Hdfs、Hive。大数据存储是最基础的文件存储，在这基础上抽象出一个大数据的关系型数据库。

大数据计算：Mapreduce、Spark、Sqoop。Mapreduce是原生的，Spark是新生的，Sqoop是数据转移的工具。

大数据协调与调度：Yarn、Zookeeper、Oozie。Yarn是原生的，Zookeeper是一个分布式保证文件原子性的工具，Oozie是调度工具。

大数据展现：Hue。Curd的展现层。

2.典型执行流程

最开始说过，我们遇到的问题是，Mysql的表存不下，计算也有问题。在这个场景下要把数据，从Mysql转到大数据，并利用大数据进行计算，最后做一个展现。

它的流程是，首先通过Sqoop把Mysql的数据一次性或是增量的同步到一张Hive表里，用Hive Sql写好查询后，本质上Hive Sql会转化成Mapreduce任务再去执行，最后数据就展现出来了。

很多时候后台的服务Control层会有入口和出口，我们需要把入口和出口的参数都记下来，方便以后排错或做统计方面的应用。

在应用程序里，把这些消息定时写到消息队列中，用Spark定时读消息队列，并把这些读取到的消息按Spark的方式做一个编程。这个任务最终会被丢到Hadoop的底层计算里，然后用Yarn去调度，计算出结果，把这个结果写入Hive，这就完成了一次流式计算。

3.Hue

这里写了一个Hive Sql，与传统Mysql的写法几乎一样。Hive Sql写好以后点执行。它的过程是把Sql首先交给Hive去跑，Hive用自己的Sql解析引擎把这个任务翻译成Mapreduce，Mapreduce再用Yarn跑在Hadoop上，最终把结果跑出来。

4.存储：Hadoop hdfs

HadoopHdfs是基础的存储层。

HadoopHdfs其实只包含了两种类型，一个是Namenode，一个是Datanode。Namenode是一个管理的节点，而datanode只负责数据的存储和冗余。

5.计算：Mapreduce&spark

Hadoop原生的计算框架是Mapreduce，而spark是一个新兴的计算框架，它更快更全面。

6.资源管理器：yarn、Apache、hadoop yarn

资源管理器的架构内包含rescource manager和node manager。Rescource manager是管理节点，node manager是work节点。

把任务丢给rescource manager，它去把任务分发给每个节点，做一些状态的变换，最后把结果通过rescource manager汇总以后，处理完毕交给客户端。

7.hive

hive的架构并不是很复杂，上层是一些用户的API、web页面和命令行。它的核心是执行引擎，把sql翻译成大数据平台可以接受的任务。底层基于存储，它可以存在hdfs上。

8.sqoop

主要用于在hadoop与传统的数据库间进行数据的传递。

9.ooize

大数据任务编排调度。

学习与使用路线

如果想要学习一些大数据相关的东西，我推荐可以先掌握一些基础，然后找一个场景套进技术里，进行快速实践。在快速实践的过程中会发现很多问题需要解决，很多知识需要补充，所以要在实践中前行，在错误中补充。

我的分享到此结束，谢谢大家！

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。

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。

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。