導讀： 數據可視化可以將海量數據通過圖形、表格等形式直觀反映給大眾。降低數據讀取門檻，可以讓企業通過形象化方式對自身產品進行營銷。

一、數據可視化原理

數據化可視原理是綜合運用計算機圖形學、圖像、人機交互等技術，將采集或模擬的數據映射為可識別的圖形、圖像、視頻或者動畫，并允許用戶對數據進行交互分析的理論方法和技術。

數據可視化可以將不可見的現象轉換為可見的圖形符號，并從中發現規律從而獲取知識。在實際應用中，它可以針對復雜和大規模的數據，還原增強數據中的全局結構和具體細節。

二、 可視化方法

1. 數據采集：數據是可視化對象，可以通過儀器采樣，調查記錄、模擬計算等方式采集。在可視化解決方案中，了解數據來源采集方法和數據屬性，才能有的放矢解決問題。

2. 數據處理和變換：原始數據含有噪音和誤差同時數據模式和特征往往被隱藏。通過去噪、數據清洗、提取特征等變換為用戶可理解模式。

3. 可視化映射（核心）：將數據的數值、空間坐標、不同位置數據間的聯系等映射為可視化視覺通道的不同元素如標記、位置、形狀、大小和顏色等。最終讓用戶通過可視化洞察數據和數據背后隱含的現象和規律。

4. 用戶感知：用戶感知從數據可視化結果中提取信息、知識和靈感。 數據可視化 可用于從數據中探索新的假設，也可嚴重相關假設與數據是否吻合，還可幫助專家向公眾展示數據中的信息。

用戶感知可以在任何時期反作用于數據的采集、處理變換以及映射過程中，如下圖所示：

三、具體操作

1. 將指標值圖形化

一個指標值就是一個數據，將數據的大小以圖形的方式表現。比如用柱形圖的長度或高度表現數據大小，這也是最常用的可視化形式。

傳統的柱形圖、餅圖有可能會帶來審美疲勞，可嘗試從圖形的視覺樣式上進行一些創新，常用的方法就是將圖形與指標的含義關聯起來。

比如 Google Zeitgeist 在展現 top10 的搜索詞時，展示的就是“搜索”形狀的柱形，圖形與指標的含義相吻合，同時也做了立體的視覺變化：

2. 將指標圖形化

一般用在與指標含義相近的 icon 來表現，使用場景也比較多，如下：

3. 將指標關系圖形化

當存在多個指標時，為了挖掘指標之間的關系并將其進行圖形化表達，可提升圖表的可視化深度。常見有以下兩種方式：

?借助已有的場景來表現

聯想自然或社會中有無場景與指標關系類似，然后借助此場景來表現。

比如百度統計流量研究院操作系統的分布（上圖），首先分為 windows、mac 還有其他操作系統， windows 又包含 xp、2003、7等多種子系統。

宇宙星系中也有類似的關系： 宇宙中有很多星系，我們最為熟悉的是太陽系，太陽系中又包括各個行星。根據這種關系聯想，圖表整體借用宇宙星系的場景，將熟知的Windows比喻成太陽系，將XP、Window7等系統比喻成太陽系中的行星，將Mac和其他系統比喻成其他星系。

?構建場景來表現

指標之間往往具有一些關聯特征，如從簡單到復雜、從低級到高級、從前到后等等。如無法找到已存在的對應場景，也可構建場景。

比如百度統計流量研究院中的學歷分布：指標分別是小學、初中、高中、本科等等。

各個類目之間是一種階梯式的關系，因此，平臺就設計了一個階梯式的圖直觀的反映出了數據呈階梯式遞進的趨勢。

再比如：支付寶年初出的個人年度賬單中，在描述付款最多的三項時設計了一個類似頒獎臺的樣式也很出彩：（然而并沒有覺得我在哪個類目買買買付款最多有什么驕傲的）

下方圖示為供參考的線性化過程，實際可視化思考中，將哪類元素進行圖形化或者圖形化前后的順序可能均有不同，需根據具體情況處理。

4. 將時間和空間可視化

?時間

通過時間的維度來查看指標值的變化情況，一般通過增加時間軸的形式，也就是常見的趨勢圖。

?空間

當圖表存在地域信息并且需要突出表現的時候，可用地圖將空間可視化，地圖作為主背景呈現所有信息點。

Google Zeitgeist 在 2010 和 2012 年的年度熱門回顧中，都是以地圖為主要載體（同時也結合了時間），來呈現熱門事件：

5. 將數據進行概念轉換

先看下生活中的概念轉換，當我們需要喝水時，通常會說給我來杯水而不是給我來500ml 的水。要注意來（一）杯水，是具象的，并不是用量化的數據來形容。在這里，500ml就是一個具體的數據，但是它難以被感知，所以用（一）杯的概念來轉換。

同樣在數據可視化，有時需要對數據進行概念轉換。這是為了加深用戶對數據的感知，常用方法有對比和比喻。感知就是一個將數據由抽象轉化為具象的過程。

?對比

比如下圖就是一個介紹中國煙民數量的圖表。如果只看左半部分中國煙民的數量：32000000（個十百千萬十萬百萬千萬億…）好吧數據量級很大，不論是數零還是數逗號都很容易數錯，而且具體這個數字有多大仍然很難感知。讓我們目光向右移動，來看右半部分：中國煙民數量超過了美國人口總和，太恐怖了。這樣一對比，對數據的感知就加深了。

?比喻

下圖是一個介紹雅虎郵箱處理數據量大小的圖表，大概就是說它每小時處理的電子郵件有近1.2TB，相當于644245094 張打印的紙。

上面這個翻譯很無聊是不是，但這并不是問題的重點，這個數它到底有多大呢？ 文案中用了一個比喻的手法：大意就是將這些郵件打印出來首尾相連可以繞地球4圈。嗯，比香飄飄奶瓶還多3圈。到這里，我相信大家肯定能初步感受到雅虎郵箱每天處理的數據量有多大了吧，而且還沒有被打印出來，為地球節省了很多紙（假裝環保）。

6.讓圖表“動”起來

數據圖形化完成后，可結合實際情況，將其變為動態化和可操控性的圖表，用戶在操控過程中能更好地感知數據的變化過程，提升體驗。

實現動態化通常以下兩種方式： 交互和動畫。

?交互

交互包括鼠標浮動、點擊、多圖表時的聯動響應等等。下面是百度統計流量研究院的時間分布圖，該分布圖采用左圖右表的聯動形式，左圖中鼠標浮動則顯示對應數據，點擊則可以切換選擇：

?動畫

動畫包括入場動畫、交互過程的動畫和播放動畫等等。

入場動畫：即在頁面載入后，給圖表一個“生長”的過程，取代“數據載入中”這樣的提示文字。

交互動畫：用戶發生交互行為后，通過動畫形式給以及時反饋。

播放動畫：通俗的來說就是提供播放功能，讓用戶能夠完整看到數據隨時間變化的過程。下圖是 Gapminder 在描述多維數據時，提供隨時間播放的功能，可以直觀感受到所有數據的變化。

四、案例分析

‖案例：360“騙子地圖”

?簡介：

360依托12億終端設備作為支撐，利用海量的 數據分析 能力，推出了基于互聯網安全的產品“騙子地圖”。用戶只要點擊進入“騙子地圖”的鏈接或按鈕，即可直觀的在上面看到全國各地的被攔截電話以及騷擾電話的分布以及地區排行榜。同時右側還有由用戶上傳的“騙術揭秘”，不僅能看到實實在在的數據，還能學到更多的防騙技巧。

?案例流程

數據采集：

360借助其5億PC端用戶和7億移動端用戶的海量裝機量，結合360網盾對釣魚網站的實時監控攔截數據和手機衛士攔截的詐騙電話等數據結合，將枯燥的數據進行翻譯、梳理并展現為用戶可以感知的數據。

?數據處理和變換

實時性：

攔截數量實時變換，直觀反映各地的攔截情況

圖形化：

將數據可視化為“釣魚“形象的圖標，背景用中國地圖，通過圖標的閃爍反映各省市自治區、直轄市的釣魚網站攔截情況。直觀，便捷。通過不同顏色標注詐騙類型:金融；網購；虛假信息等。

個性化：

針對用戶在不同時期的關注點不同，“騙子地圖”也推出了不同的策略方針。如在春節期間，由于人流量擴大，用戶的出行需求增加，相應的假機票、車票的釣魚網站量增加明顯，針對這種情況，在這段時間內，360 加大了對假機票、車票網站的攔截及處理，保證用戶的出行安全。

可視化映射：

①通過閃爍的圖標表示數量和頻率，閃爍頻率高，亮度大的地區發生詐騙的概率大。

②右側配合排行榜，列出數據和地區，直觀反映排名靠前的省份以及其詐騙頻率，彌補了圖標無法顯示數據的缺點。

用戶感知：

“騙子地圖”的核心理念是為了增強用戶對網絡安全的意識，提升用戶的防騙意識，讓用戶在網絡虛擬世界中用最現實的資料和例子了解到安全的重要性。實時為用戶呈現各種基于大數據的可視化數據圖，更有相關的“防騙技巧”幫助用戶了解安全的重要性。

?小結：

360“騙子地圖”的可視化的一些經驗：

①海量用戶數據：由于多年提供免費殺毒服務的經驗使得 360 擁有可觀的用戶數量這為其數據的準確性提供了不錯的支持

②技術先進性： 其自身研發的 360 網盾能夠很好的對詐騙行為進行識別，對于詐騙數據的準確性篩選提供了保障。

?個人的一些想法：

雖然不清楚360這個公司靠什么盈利，但這個項目就短期來看應該不會被撤銷。所以，在“騙子地圖”目前的基礎上，挖掘用戶“為何被騙”的痛點。例如可以對用戶進行詐騙提醒，進而可以推廣自己的產品和服務。我認為這個才是360這個項目未來的發展方向。 另外在形象化圖標和界面上應該再做改進；圖標+數據排行的模式很不錯，更加方便用戶在數量上有清楚的認識。

五、總結

數據可視化可以將海量數據通過圖形、表格等形式直觀反映給大眾。降低數據讀取門檻，可以讓企業通過形象化方式對自身產品進行營銷。同時，目前有很多專門進行數據可視化包裝服務的企業，如 IBM 等企業。

數據可視化具備比較廣闊的前景，對企業內部的管理也有其獨有的貢獻。通過本次學習，以及網上資料查詢，對于數據可視化有了一些粗略的認識，其中有很多認識的不足，希望可以慢慢學習改進。

注：本文系作者授權數據觀發布，未經作者授權，禁止轉載。作者：楊彥碩，微博“高見黑科技”作者，微信：yys940116。編輯：Fynlch。數據觀微信公眾號（ID:cbdioreview） ，欲了解更多大數據行業相關資訊，可搜索數據觀（中國大數據產業觀察網www.cbdio.com）進入查看。

責任編輯：王培