大数据技术与商业智能BI是相辅相成的，前面的文章就提到大数据技术可以帮助BI产品突破业务和技术的双挑战。可视化大数据分析软件在快速发展的市场环境中，迎来了越来越多的技术要求。这些核心技术成为大数据获取、存储、处理分析或可视化的有效手段，可以说是我们这些专注研究可视化大数据分析软件的工作人员需要去学习和了解的！

1大数据生命周期

底层是基础设施，涵盖计算资源、内存与存储和网络互联，具体表现为计算节点、集群、机柜和数据中心。在此之上是数据存储和管理，包括文件系统、数据库和类似YARN的资源管理系统。然后是计算处理层，如hadoop、MapReduce和Spark，以及在此之上的各种不同计算范式，如批处理、流处理和图计算等，包括衍生出编程模型的计算模型，如BSP、GAS 等。数据分析和可视化基于计算处理层。分析包括简单的查询分析、流分析以及更复杂的分析(如机器学习、图计算等)。查询分析多基于表结构和关系函数，流分析基于数据、事件流以及简单的统计分析，而复杂分析则基于更复杂的数据结构与方法，如图、矩阵、迭代计算和线性代数。一般意义的可视化是对分析结果的展示。但是通过交互式可视化，还可以探索性地提问，使分析获得新的线索，形成迭代的分析和可视化。基于大规模数据的实时交互可视化分析以及在这个过程中引入自动化的因素是目前研究的热点。

2.大数据技术生态

大数据的基本处理流程与传统数据处理流程并无太大差异，主要区别在于：由于大数据要处理大量、非结构化的数据，所以在各处理环节中都可以采用并行处理。目前，Hadoop、MapReduce和Spark等分布式处理方式已经成为大数据处理各环节的通用处理方法。

3.大数据采集与预处理

根据MapReduce产生数据的应用系统分类，大数据的采集主要有4种来源：管理信息系统、Web信息系统、物理信息系统、科学实验系统。对于不同的数据集，可能存在不同的结构和模式，如文件、XML 树、关系表等，表现为数据的异构性。对多个异构的数据集，需要做进一步集成处理或整合处理，将来自不同数据集的数据收集、整理、清洗、转换后，生成到一个新的数据集，为后续查询和分析处理提供统一的数据视图。

关于玩可视化大数据分析软件要掌握的6个核心技术就先介绍3个，下篇我们再继续。开发一款可视化大数据分析软件需要掌握很多大数据技术，这要求研发人员保持持续学习和更新的态度。这样才能生产出先进的BI产品。

大数据可视化工具因其能将数字变成酷炫的图表而进入大众视野，但大家对该产品的了解还很有限，本文将从竞争格局、发展现状以及未来趋势三个维度具体探究大数据可视化工具市场的发展。

大数据可视化工具的市场竞争格局

海比研究认为，大数据可视化工具的厂商主要来自四类：一类是提供商业智能可视化工具的软件服务商;第二类是新兴可视化工具提供商;第三类是互联网巨头公司;第四类是互联网大数据服务商。

提供商业智能可视化工具的软件服务商，国内主要代表为帆软、永洪科技、四方伟业、SMARTBI等，国外主要代表为SAP BO、IBM Cognos、Oracle BIEE、Microsoft BI等。

从综合情况来看，国外厂商相对具有技术过硬、功能强大的优势，但在具体落地国内应用时，普遍存在使用复杂、价格高、服务支持不到位的问题；而国内厂商则恰恰相反，在价格、服务以及产品易用方面具有优势，而在技术研发实力方面还有待提升。

在这些厂商中，以帆软和永洪为代表的敏捷BI厂商，其投入成本较低，呈现出平民化、易于操作的特点，企业客户尤其是大量中小企业客户，可以通过较低的投入享受到专业的大数据服务。而相对应的SAP、IBM、Oracle等国外厂商，因为产品较重、使用门槛较高、价格昂贵，只有大型企业客户才会使用。

新兴的可视化工具提供商，国内厂商主要代表有数字冰雹、恒泰实达等，国外主要代表有Tableau、Qlik、Microstrategy等。

这些厂商的产品均定位于企业级应用而非部门级应用，数据分析平台内置高性能数据仓库，同时提供与外部数据对接的各类接口，可独立部署，也可以与客户原本的数据仓库进行对接。在可视化展示部分具有展示内容主题化、展示画面风格统一化、展示效果直观化和简单化的特点。

此外，这些厂商在实施周期、集成能力以及咨询能力方面均有优势。由于其产品性能稳定、可配置性高，客户群体主要为党政军及大企业客户，如各地级市政府部门、军工企业、军事科研院所及作战部队等。

来自互联网巨头公司的可视化厂商，主要的代表有网易有数、百度图说、阿里云数加等。

这些互联网厂商从云端切入大数据、BI市场。在互联网行业，数据的沉淀周期更短，通常产品一上线就会有相应的网站数据分析、用户转化路径分析等基本的数据分析需求。数据在云端，无论是从数据获取、处理、分析的便捷性、应用成本还是解决方案的架构等各个方面考虑，都具备了很强的操作性和可行性。

业务云端化是趋势，数据云端化也是趋势，数据使用云端化也是趋势。互联网巨头的生态体系也是一个不可忽视的重要因素，在数据市场上，用一个生态相较于单个厂商，在技术实力、安全性和稳定性、价格、服务支持、品牌地位等方面均有绝对优势。

互联网大数据服务商，主要以海云数据，友盟等为代表。

这些互联网大数据服务商，能够提供快速有效的处理海量、密集的多源异构数据的解决方案。在提供多行业、多场景、具备通用性综合解决方案的同时，不断构建自身大数据生态平台。目前，这些厂商也在积极布局人工智能，通过AI能力服务平台赋予端用户，落地企业业务。

纵观整个市场，大数据可视化工具产品可谓百花齐放，不同背景的厂商在这个概念下提供着自己的产品和服务。目前，国内可视化工具市场仍处于发育阶段，但如果能针对复杂的数据分析场景，为各种规模的企业提供灵活易用的全业务链的大数据分析解决方案，满足不同行业的企业用户需求，有能力覆盖多个行业，那么这些厂商就能够引领潮流发展。

四大角度剖析大数据可视化工具的现状

现在，企业更加注重分析数据、发现问题、找解决方案、实施交付的闭环实现，这就需要提供可视化工具的厂商能够在平台功能和服务能力方面实现双重支撑。除了提供有丰富功能的数据分析平台外，还应具备数据咨询能力。

从厂商、产品、技术、企业需求四大角度呈现大数据可视化产品的发展现状：

从厂商角度来看，大数据可视化工具厂商呈现出明显的马太效应。处于行业第一梯队的品牌知名度和市场份额与其他厂商的距离进一步拉大。综合实力强大的厂商更能投入资源做好产品、服务，解决更多用户的需求和问题。

在产品现状方面，大数据可视化工具已经不止于满足使用传统的数据可视化工具对数据仓库中的数据抽取、归纳并简单的展现，还需满足互联网爆发的大数据需求，快速收集、筛选、分析、归纳、展现决策者所需要的信息，并根据新增的数据进行实时更新。现有的大数据可视化工具具有直观、交互性、实时三大特征。

从技术角度来看，未来AI将与BI深度集成。BI满足了企业在数据分析、问题诊断、决策支持上的需求，AI则满足了业务预测、问题预警、探究数据背后的关联关系等深层次需求。相比AI，经过十几年发展的BI，其可视化能力、敏捷易用性、数据准备能力、高性能处理能力都可让AI借力。

从企业用户需求来看，一方面，在一二线稍具业务规模的企业目前已经上线了各种业务系统，存储了大量的数据，他们迫切需要挖掘数据价值提升市场竞争力，降低企业运营成本。另一方面，企业虽然已经具备了进行数据分析和数据化管理的各种条件，但是由于企业缺少对大数据关键节点有效整合的价值方案，决策者在进行业务决策时，往往会陷入信息孤岛。在实现业务应用的最终判断时，决策者往往需要调配大量资源，导致人力与资金的高度浪费。

三大趋势看大数据可视化工具发展

目前市场上现有的大数据可视化工具，虽然能满足大部分企业的需求，但是还存在很多不足的地方。比如，在可操作性与功能丰富度方面；提升数据处理量级后的秒级响应；提升自身元数据管理能力、ETL处理能力以及数据存储能力；与多个系统融合同时支持移动端的数据共享和查看；提供灵活丰富的用户管理功能、权限控制功能，确保企业的数据安全和信息保密等方面还有待提升。

未来，有洞察力的数据可视化工具可以更好助力企业IT决策，具体来看，大数据可视化工具发展将呈现三大趋势：

趋势一、增强功能丰富度，支持多维度数据分析

可视化分析工具需要拥有性能强大的数据处理平台，支持嵌入式部署，如主流的应用服务器，支持跨平台的权限集成和页面集成。通过专业的统计数据分析方法，提升数据挖掘能力，数据处理能力以及数据管理能力。

通过不断丰富产品功能，尤其在可视化图形的展现多样性以及多个视图整合方面，帮助用户从不同角度分析数据、缩小答案的范围、展示数据的不同影响。通过不断改善分析的功能和可操作性，让前端布局自定义搭配，让业务人员随心所欲布置，为不同用户提供个性化的视觉体验。

趋势二、数据视图交互联动，推动企业决策

将数据分析结果通过AI输出系列可视化图表，除了原有的饼状图、柱形图、热图、地理信息图等数据展现方式，还可以通过图像的颜色、亮度、大小、形状、运动趋势等多种方式在一系列图形中对数据进行分析，帮助用户通过交互，挖掘数据之间的关联。

将每一项数据在不同维度指标下交互联动，展示数据在不同角度的走势、比例、关系，帮助使用者识别趋势，发现数据背后的知识与规律。并支持数据的上钻下探、多维并行分析，利用数据推动决策。

趋势三、强大的大屏展示以及分享功能

支持主从屏联动、多屏联动、自动翻屏等大屏展示功能，可实现高达上万分辨率的超清输出，并且具备优异的显示加速性能，支持触控交互，满足用户的不同展示需求。

可以将同一主题下的多种形式的数据综合展现在同一个或分别展示在几个高分辨率界面之内，实现多种数据的同步跟踪、切换;同时提供大屏幕触控屏，作为大屏监控内容的中控台，通过简单的触控操作即可实现大屏展现内容的查询、缩放、切换，全方位展示企业信息化水准。

根据不同的用户创建的分析页面，可以方便地分享给其他成员。同时，在企业的分析用户设计仪表板时，可以复用仪表板中的图表、维度、指标等，支持用户分享指定页面进行给其他部门成员，便于互动沟通交流。

要想在激烈的市场竞争中脱颖而出，除了自身的产品功能要足够强大外，还需要厂商持续不断的在研发领域投入并形成优势。除此之外，还需要有非常强的市场和行业洞察和服务能力，为客户创造价值。

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。

大数据仅仅是因为“大”吗？

随着智能硬件的快速普及和互联网的迅猛发展，您的每一次搜索点击，都将成为大数据的一部分。数据的规模，也呈现几何级数的增长，2016年市场调研机构 IDC预计，未来全球数据总量年增长率将维持在50％左右，到2020年，全球数据总量将达到40ZB(Zettabyte,万亿GB)。其中，我国数据量将达到8.6ZB，占全球的21％左右。

然而，数据量之大仅是大数据的一个基础特征，行业中将大数据特点归纳为4个” v”，即多样性(Variety)、体量(Volume)、速度(Velocity)和价值(Value),表示多样化的数据源（文本、图片、视频等）、巨大的数据量、处理速度快、且价值密度低，需通过人工智能算法进行深入挖掘。

上海藤榕作为钱宝的“大脑”，数据来源十分丰，诸如用户的基础数据、微商业务系统的交易信息、社区媒体平台的 U(User Generated Content)、钱宝胛 P移动端的 LBS(Location-Based Service)信息、共享单车的状态数据等，涵盖表格、文本、图片及视频等各种数据类型。目前日增数据量约500GB；仓库数据总量己经超越 PB级别，数据记录达百亿规模，且每年以3的速度递增，是名副其实的大数据平台。

数据可视化如何实现？

数据给人的直观感受千差万别：有时冰冷枯燥，让人心生畏惧、摸不到头脑：有时生动有趣，让人一目了然，恍然大悟。之所以能达到后一种效果，数据可视化技术发挥着重要作用，让用户在解读数据背后商机的同时，享受视觉表达之美。

数据可视化本身的应用价值、丰富性和表现力，需要参与者有强大的专业背景支持。通过动态或者静态的可视化图形，让用户能洞察(Insight)业务、发现关联，理解更深层次的规律和价值。

我们基于用户对数据可视化的不同目的，随之调整数据的视觉表达形式，例如：

跟踪数据。需考虑实时性及计算能力，形成一份不停变化、可读性强的图表。

分析数据。强调数据的表现形式，生成一份可检索的交互式图表。

发现关联。需要生成一份分布式的多维图表。

理解数据。利用多色彩、动画等形式，创建生动、清晰、有吸引力的图表。

例如，我们通过数据墙、业务运营支撑系统以及线下报告的方式，为用户提供清晰的图表，支持或指导其业务方向的调整。

最近有很多人在谈论数据可视化的话题。

几乎同关于大数据的谈论一样多。我们被告知，可视化是了解数据的最佳方式或唯一的方法，而且如果我们不可视化的话，仿佛就会落伍。

可视化是增加和分享自己见解的一个伟大的方式，但许多大数据的团队正在以错误的方式来进行可视化。怎么能做错了呢？原来，有几种方式可以破坏数据的可视化。让人很容易陷入一些误区。

让我们来看看几个最常见的错误。

错误1：显示错误的数据

这个错误是同第一个错误一样危险。显示信息的子集是好的，只要数据之间是相关的。比如说，如果你关心销售，您可能还关心每个区域的销售以及销售随着时间推移所发生的变化。考虑如何使用这些数据来作出决策。

显示一些密切相关的图表可以作为在一个图表中显示过多的信息，和并没有显示出足够信息之间的一个很好的折衷。几个干净，清晰的图表通常比单一、复杂的数据的可视化更好。

错误2：显示所有的数据

尽管你曾经在学校里被告知，大多数人并不关心是否能看到你的工作。他们不关心你每天处理多少数据或有多大Hadoop集群。客户和内部用户需要得到具体，相关的答案，而且得到的越早越好。你能给他们提供的答案与他们想要的越接近，他们在寻找答案时就越省力。页面上的不相干信息越多他们寻找相关答案时就越费力。不相关的数据(无论多么有效)就是噪音。

在仪表板上的噪音尤为普遍，其中的指导理念往往是“显示所有的绩效指标。”但大部分绩效指标是正常(和乏味的)，不值得一提。显示一切的正常指标使得不正常的指标更易隐藏。

一个更好的仪表盘的方法是只显示有趣或重要的指标。优先考虑什么是重要的，什么是意想不到的，什么是可行的，并且淡化其它的一切。深入挖掘数据也很重要，但仪表盘不是展示这些东西的地方。广泛的概括非可操作的数据较报告来说会更容易处理一些。

错误3：数据表示不佳

即使在你以正确的数据绘图时，你仍然可能犯错误，大多数奇特的图形类型都很少见到，因为它们并不好用。大部分的可视化需求，可以通过条形图和折线图，散点图，以及(如果干得好)饼图来处理。

想想数据字段之间的重要关系，并考虑在轴上标出这些字段。先按类别，然后按时间或重要性或大小来给数据字段排序。(在没有其他标准时，字母表是最有用的)。使用颜色类别，而不是等级;你可以使用亮度和饱和度来说明等级。使用标签和其他标记选择性地引起人们关注而不会搞乱。

你需要突出什么样的数据？

当你回答这些问题时，就可以开始使用正确的数据来设计和实施正确的视觉效果。可能你必须做出一些改变。这是一件好事。反复，测试，尝试不同的方法，测试更多的方法，并再次重复。一个深思熟虑的，面向用户的设计方法将产生有效的，高效的，有用的可视化数据。

失败并不可怕，在失误失败中探取中正确的经验和方法，才是我们以后少走弯路，一直前进的动力。

编者按：在云计算大数据技术日趋成熟的当今，数据挖掘分析与商业智能应用的价值越来越被企业所理解。企业通过对关键业务数据、客户信息以及日志数据的挖掘分析，可进行精准的客户画像并分析客户属性，更准确地发现目标客户和更多的营销机会(市场客户分析、交叉营销等)，实现市场、渠道和产品的细分与创新，动态掌握复杂市场需求的变化，智能数据解决方案提升了市场竞争力。

说到智能数据解决方案供应商，去年刚刚获得6000万元融资的“袋鼠云”最近可谓是“动作频频”，不仅多名前阿里核心技术人员强势加盟，更有硅谷留洋“博士团”鼎力回归，让“袋鼠云”这一新锐品牌迅速被数据行业“特别关注”。

数据智能解决方案新锐品牌“袋鼠云”从数据资源规划及获取、数据质量分析及提升，到基于中台策略的数据整体建模以及数据的资产管理都有切实的解决方案，进一步帮助客户建立标签引擎的实体画像，从而帮助客户实施数据指标体系梳理计算（BI）和数据应用规划及实现(DI),最终用数据可视化大屏的形式呈现出来帮助实时决策。可以说“袋鼠云”的智能数据解决方案的产品线可谓“相当完整”。

“袋鼠云”产品线构建了统一负载的全量数据分析平台与方案，统一的在线实时存储、处理、分析工具，支持PB级海量数据处理，可随业务需求线性扩展，为客户实现“即时刻画、秒级呈现”的数据可视化大屏呈现方式。

记者采访中了解到，目前“袋鼠云”品牌在全产品线的智能数据分析解决方案中，日志大数据分析平台与数据可视化大屏即时呈现两大方面技术积累与产品优势十分明显。

EasyLog日志大数据分析平台—用日志解析为企业做体检

“我们将为客户从大量的数据日志项目中，根据客户业务现状清洗整理出切实可行的关键日志信息，做好日志数据挖掘和分析利用，充分在运维过程中给客户带来价值。” 袋鼠云在采访中给记者解释：“传统企业对于海量日志数据利用效能很低，而每次都靠IT人员查阅日志进行系统运维的方式既成本高昂而且运维稳定性很低，而采用了袋鼠云的日志大数据分析平台EasyLog就可以大大提升企业运维的效率，对于很多潜在的系统问题也能做到良好的预警。”

据介绍，目前袋鼠云日志大数据分析平台EasyLog主要部署在大中型互联网企业以及互联网金融行业，也有大型的金融机构、电信运营商等等，这些行业都非常重视日志大数据对于企业运维的作用。

同时袋鼠云日志大数据分析平台EasyLog也可帮助企业满足《中国网络安全法》日志归档要求、满足《公安部息系统安全等级保护》三级要求；

袋鼠云向记者进一步介绍：“目前企业针对日志大数据分析应用有几种方案，一种是基于开源应用的ELK方案,另一种就是类似袋鼠云提供的日志大数据分析平台。前者由于是开源应用，因此企业的前期开发与后期维护成本比较高，也面临无可预计的开发风险，而后者袋鼠云日志大数据分析平台更像是一个“拎包入住”并自配资深管家的成熟方案平台，让客户省去很多后顾之忧。”

而且在采访中记者了解到：“袋鼠云日志大数据分析平台，也有灵活的部署方式，既可以在客户方线下机房部署，也可以部署在云端服务，甚至针对小型企业袋鼠云还有SaaS版的轻量级产品，针对不同的客户可谓“面面俱到”。并且这样的金融级日志分析、AIOps平台，可用于故障定位、业务监控、安全审计等，袋鼠云日志有着可视化仪表盘、监控告警、数据脱敏、数据转发投递、多租户数据隔离等特色功能，可根据企业实际业务完成分析场景建设，以提升企业故障发现率、运维运营效率。

“目前著名的互联网银行品牌新网银行在旗下十余个核心系统中均采用了袋鼠云的日志大数据分析平台EasyLog，从而提升了各业务系统故障发现率，同时极大降低故障处理时间，也成为了成功的众多案例之一。”采访中记者了解到。

数据可视化实时大屏—实现企业数据化运营

而作为袋鼠云全产品线中另一个亮点的“数据可视化实时大屏”也是目前炙手可热的技术，数据产生价值这个大方向让最后呈现的环节中的数据实时分析产生价值，呈现一切价值数据可视化，最终帮助提升生产效率、促进产业变革，通过客户产业创新让数据价值最大化。

采访中记者了解到，袋鼠云数据可视化实时大屏目前主要服务的行业包括新零售、智能制造、智慧人社、以及业务快速增长的互联网创业公司等。

采访中记者了解到，新零售方面一直是袋鼠云的强项。一方面借助营销引擎帮助品牌商打通线上线下的用户数据，实现精准营销。围绕客户的发展与持续经营，统一管理线上营销渠道，打通全域数据，通过数据个性化线下门店服务体验等，使企业与客户之间可随时无阻碍的连接。这些数据与分析都以精准实时的形式呈现在客户的可视化大屏之上，让客户从容决策。

“要精准呈现数据可视化大屏的最佳效果，数据的实时性采集非常重要，袋鼠云实现了对TB级别甚至是PB级别数据的实时处理，实现秒级反馈是最基本的要求，这得益于袋鼠云的技术团队多数来自于阿里云，在实时数据计算处理与呈现方面有丰富的经验。”可视化大屏将企业实时数据即时呈现，比如电商平台的经营概况、用户画像等信息一目了然。

编后：目前袋鼠云的团队已经超过 150 人，80% 左右为技术人员。当下更多的资深技术专家，包括美国回来的人工智能博士和一批专注企业服务多年的行业专家都纷纷加盟袋鼠云，让数据产生价值。无论是数据可视化实时大屏Easy[V]或是日志大数据分析平台EasyLog，智能数据解决方案最终让更多的数据产生价值，让未来变成现在，袋鼠云这一朝气蓬勃的品牌团队正在朝向探索未来数据价值之路上越跑越快。

本文关注：日志大数据分析平台、数据可视化大屏、数据智能解决方案

转载或分享请注明来源标题《数据可视化大屏+日志大数据分析平台，数据智能解决方案改变世界》

大家都知道，选购可视化大数据分析软件就是为了通过数字化运营来促进收益。一款出色的可视化分析软件会将各个指标的数据都分析到位，帮助领导做出良好正确的决策。然而，不是所有可视化大数据分析软件都能发挥该发挥的作用。其实，在使用可视化大数据分析软件的过程中，学会几招重要技巧，可以帮助最大程度发挥可视化分析软件的功能。

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。

选择自助式可视化大数据分析软件，将为企业的工作人员提供易用性。

移动商业智能

一个良好的商业智能解决方案应该让用户随时随地访问信息。移动应用的增长和智能手机的能力已经导致移动商业智能(Mobile BI)的兴起。

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。

行业的认可

企业应该检查自己正在考虑的商业智能提供商是否具有良好的信誉。 包括业务价值，客户满意度，以及供应商支持。

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。

以上就是一款出色的可视化大数据分析软件该具备的几个被人忽视的功能。好好掌握这几招，将对你的企业决策有一定的帮助。

以“大数据分析”为关键词去进行搜索，你可以在大多数条目中看到“数据分析平台”和“可视化”的概念。

在发展受到局限时，人类喜欢并擅长于去使用工具和制造工具。

人类对图形信息的摄取效率远大于单纯的文字数字。

所以在信息流数量与流动速度爆炸都爆炸式增长的现状下，自然地催生了可视化大数据分析平台这类产品。

数据可视化旨在借助于图形化手段，清晰有效地去传达与沟通信息。丰富的图表可以通过位置、长度、角度、方向、形状、面基、体积、饱和度、色调来通过视觉暗示，达到聚焦视线表达图标含义的效果。

在企业运维决策的场景下，即是用适当的数据模型和统计分析方法对收集的企业数据进行可视化分析，转化成可视化结果清晰准确地形成结论报告，辅助企业了解运营状况、找到发展症结以及帮助决策等。

下面这张图展示了不同类型的分析需求对应的可视化类型。

根据Gartner最近的行业报告以及大会上，可以看到一些关于数据可视化未来发展的趋势。

1、 数据地图

“通过视觉探索和嵌入式的地理空间分析创建高度交互的仪表板和内容的能力。”

Gartner提到的“地理空间分析”，即为“数据地图”，专门用来展示和分析这些与地图有关的大数据，这确实是很好的功能，用来分析业务在地理层面上的数据具有相当的价值，尤其是对如今在地域上分布越发广泛的行业来说，可以精确地定位问题所在的国家城市甚至某一营业点。不仅会比单纯的表格要直观形象得多，也更具有信息沟通的有效性和专业的形象。从类型上讲，数据地图可以分为区域地图、组合地图、标记点地图、单层地图 、自定义图片地图、流向地图、热力地图等。

2、 互动式探索

“通过一系列可视化选项来进行数据探索，这些可视化选项不仅仅是基本饼图,条形图和折线图这些基本的数据图形，还包括热图和树图、数据地图、散点图和其他特殊用途的图表，更贴合各行各业的需求。这些工具使用户能够通过与数据直接地视觉交互来分析数据和操作数据。”

数据可视化的交互体验的能力主要通过易学性、易用性、UI友好性、使用效率来评价。它的表现形式主要体现在通过可视化图表直接对数据进行图形化的上卷下卷、切片旋转等操作，以及很重要的数据联动功能，给予用户全面的统筹数据问题与深入的挖掘数据问题的方法和角度。

3、 数据故事

“数据可视化要具有故事性，将数据通过可视化的方式迎合报告者的需求，帮助他们讲述一个完整的数据故事，让观看者更好的认识主题。”

数据可视化的结果之间可以互相联系形成具有故事性的看板，以更完整更多样的角度去阐述数据，展现更多的细节，将观看者拉入到这个故事中来。

4、 基于搜索的智能探索方式

“基于搜索和可视化的数据探索分析功能将作为新型BI和分析平台的组件融合到下一代的数据分析产品中。”

“到2021年，具有智能数据探索分析功能的新型BI和可视化分析平台的用户数量将是不具有这一功能的产品和平台的两倍，并且将创造两倍的商业价值”

现市面上的大部分可视化数据分析产品都采用拖拽式的探索方式，这种探索方式简单而快捷，但同时具有相当的局限性。在分析维度较多较复杂的时候，拖拽式操作反而会给用户带来多种不便，且要求用户对数据结构有深刻的理解才能形成理想的可视化结果。而类似于搜索引擎探索结果方式的搜索式探索方式不仅包含了拖拽式简单快捷的优点，更进一步的将分析人员从必须理解数据结构的前提下解脱出来，直接将业务问题输入分析平台，形成可视化结果。

5、 自然语言

“到2020年，50%的分析查询将使用搜索，自然语言处理或语音生成，或将自动生成。”

自然语言生成功能和搜索式探索方式的结合，完美契合了业务人员对数据进行可视化分析的需求，成为数据可视化的未来愿景，使平台能够理解用户使用自然语言描述的业务逻辑上的查询需求，准确转化为程序能够理解的查询语句，再生成可视化结果反馈给用户。

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

大数据及移动互联网时代，每一个使用移动终端的人无时无刻不在生产数据，而作为互联网服务提供的产品来说，也在持续不断的积累数据。数据如同人工智能一样，往往能表现出更为客观、理性的一面，数据可以让人更加直观、清晰的认识世界，数据也可以指导人更加理智的做出决策。

而在大数据时代的今天，最有价值的商品则是数据。那么今天小编在这里给大家推荐一些常用于数据分析的必备神器。

1.Tableau

Tableau 帮助人们快速分析、可视化并分享信息。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。数以万计的用户使用 Tableau Public 在博客与网站中分享数据。

项目地址：https://tableau/

2.ECharts

Echarts可以运用于散点图、折线图、柱状图等这些常用的图表的制作。Echarts的优点在于，文件体积比较小，打包的方式灵活，可以自由选择你需要的图表和组件。而且图表在移动端有良好的自适应效果，还有专为移动端打造的交互体验。

项目地址：http://echarts.baidu/

3.Highcharts

Highcharts的图表类型是很丰富的，线图、柱形图、饼图、散点图、仪表图、雷达图、热力图、混合图等类型的图表都可以制作，也可以制作实时更新的曲线图。

另外，Highcharts是对非商用免费的，对于个人网站，学校网站和非盈利机构，可以不经过授权直接使用 Highcharts 系列软件。Highcharts还有一个好处在于，它完全基于 HTML5 技术，不需要安装任何插件，也不需要配置 PHP、Java 等运行环境，只需要两个 JS 文件即可使用。

项目地址：https://hcharts/

4.魔镜

魔镜是中国最流行的大数据可视化分析挖掘平台，帮助企业处理海量数据价值，让人人都能做数据分析。

魔镜基础企业版适用于中小企业内部使用，基础功能免费，可代替报表工具和传统BI，使用更简单化，可视化效果更绚丽易读。

项目地址：http://moojnn/

5.图表秀

图表秀的操作简单易懂， 而且站内包含多种图表，涉及各行各业的报表数据都可以用图表秀实现， 支持自由编辑和Excel、csv等表格一键导入，同时可以实现多个图表之间联动， 使数据在我们的软件辅助下变的更加生动直观，是目前国内先进的图表制作工具。

项目地址：http://tubiaoxiu/

分享 IT 技术和行业经验，请关注-技术学派。