《企業網D1Net》3月14日訊
在大數據時代下，大數據可視化也越來越受到關注，在運用大數據的過程中，常常會出現目標不清的現象，對于如何梳理清目標，取得更好的成績，避免常見的可視化的錯誤，建議如下：
最近有很多人在談論數據可視化的話題。——幾乎同關于大數據的談論一樣多。我們被告知，可視化是了解數據的最佳方式(或唯一的方法)，而且如果我們不可視化的話，我們就會落伍。
可視化是增加和分享自己見解的一個偉大的方式，但許多大數據的團隊正在以錯誤的方式來進行可視化。怎么能做錯了呢？原來，有幾種方式可以破壞數據的可視化。讓我們來看看幾個最常見的錯誤。
錯誤1：顯示所有的數據
盡管你曾經在學校里被告知，大多數人并不關心是否能看到你的工作。他們不關心你每天處理多少數據或有多大Hadoop集群。客戶和內部用戶需要得到具體，相關的答案，而且得到的越早越好。你能給他們提供的答案與他們想要的越接近，他們在尋找答案時就越省力。頁面上的不相干信息越多他們尋找相關答案時就越費力。不相關的數據(無論多么有效)就是噪音。
在儀表板上的噪音尤為普遍，其中的指導理念往往是“顯示所有的績效指標。”但大部分績效指標是正常(和乏味的)，不值得一提。顯示一切的正常指標使得不正常的指標更易隱藏。
一個更好的儀表盤的方法是只顯示有趣或重要的指標。優先考慮什么是重要的，什么是意想不到的，什么是可行的，并且淡化其它的一切。深入挖掘數據也很重要，但儀表盤不是展示這些東西的地方。廣泛的概括非可操作的數據較報告來說會更容易處理一些。
錯誤2：顯示錯誤的數據
這個錯誤是同第一個錯誤一樣危險。顯示信息的子集是好的，只要數據之間是相關的。比如說，如果你關心銷售，您可能還關心每個區域的銷售以及銷售隨著時間推移所發生的變化。考慮如何使用這些數據來作出決策。
顯示一些密切相關的圖表可以作為在一個圖表中顯示過多的信息，和并沒有顯示出足夠信息之間的一個很好的折衷。幾個干凈，清晰的圖表通常比單一、復雜的數據的可視化更好。
錯誤3：數據表示不佳
即使在你以正確的數據繪圖時，你仍然可能犯錯誤，大多數奇特的圖形類型都很少見到，因為它們并不好用。大部分的可視化需求，可以通過條形圖和折線圖，散點圖，以及(如果干得好)餅圖來處理。
想想數據字段之間的重要關系，并考慮在軸上標出這些字段。先按類別，然后按時間或重要性或大小來給數據字段排序。(在沒有其他標準時，字母表是最有用的)。使用顏色類別，而不是等級;你可以使用亮度和飽和度來說明等級。使用標簽和其他標記選擇性地引起人們關注而不會搞亂。
好的設計是：預先思考和規劃
避免這些錯誤的最好辦法是，首先專注于你的目標。在考慮你應該呈現出什么樣的視覺效果之前先按以下順序考慮這些問題。
你需要啟用什么樣的行動(或我們所關心的)
你需要通知什么決定(以及我們將要怎么辦)？
你需要問什么樣的問題？
你需要看到什么樣的數據？
什么是揭示數據中的重要關系的最佳結構？
你需要突出什么樣的數據？
當你回答這些問題時，就可以開始使用正確的數據來設計和實施正確的視覺效果。可能你必須做出一些改變。這是一件好事。反復，測試，嘗試不同的方法，測試更多的方法，并再次重復。
D1Net評論：
大數據可視化的實現，并不是件簡單的事情，需要面對三個難題，這三大難題需要一一解答，在此基礎上，要進行預先規劃和思考，一個深思熟慮的，面向用戶的設計方法將產生有效的，高效的，有用的可視化數據，這些都是用戶應該明白的。
京公網安備 11010502049343號