可視化，被視為大數(shù)據(jù)落地的最后一公里。就如同人們?nèi)ド虉鲑徫飼r，看見一件漂亮的衣服，但2000元略貴的標(biāo)價或許會讓部分用戶產(chǎn)生猶豫，而可視化充當(dāng)?shù)淖饔镁拖喈?dāng)于給這件衣服貼上了打8折的標(biāo)簽，為最后的決策提供了助力。
在大數(shù)據(jù)領(lǐng)域，重要的是數(shù)據(jù)本身以及從中得到的價值，但同時可視化的推動作用，為不同年紀(jì)、不同職責(zé)的用戶采用大數(shù)據(jù)提供了更好的體驗，降低了認知的壁壘。
商業(yè)決策離不開互動性的可視化
目前的大數(shù)據(jù)可視化呈現(xiàn)，大多數(shù)以表格、餅圖等方式展示，例如用戶比較熟悉的支付寶用戶的全年消費記錄。雖然類似的可視化提供了直觀的數(shù)據(jù)感受，但另一方面，不得不說其呈現(xiàn)的數(shù)據(jù)信息量有限，內(nèi)容較為死板，特別是在商業(yè)上，難以提供更多的價值或知識。在硅谷領(lǐng)先大數(shù)據(jù)公司Taste Analytics數(shù)據(jù)可視化副總裁俞立看來，數(shù)據(jù)可視化不僅需要提供直觀、形象的體驗，同時還應(yīng)該包含重點信息提取、可追蹤，以及人機互動性增強兩個方面。
“在商業(yè)決策上，企業(yè)需要的大數(shù)據(jù)可視化不僅是一張張大致方向上的圖表，同時需要在這些圖表上進行任意維度的選擇，對真正重要、感興趣的信息進行查找、追蹤。”他表示，在最終數(shù)據(jù)呈現(xiàn)上，現(xiàn)在的可視化大多停留在數(shù)據(jù)包含哪些場景和要素領(lǐng)域，而對數(shù)據(jù)中最重要的人事物、數(shù)據(jù)發(fā)送時間地點、用戶討論這些場景與要素的位置等細節(jié)卻無從追蹤，所以企業(yè)難以得到更多的知識。
此外，目前國內(nèi)大多數(shù)非結(jié)構(gòu)數(shù)據(jù)分析產(chǎn)品，包括關(guān)鍵詞提取、情感分析、輿情模型分析等，常常采用預(yù)先定義文檔標(biāo)簽和關(guān)鍵詞，來進行分類， 需要人工大量干預(yù)。“業(yè)界比較前沿的做法，是機器通過一定的規(guī)則進行文檔自動分類。例如Taste Analytics的Signals平臺不用定義標(biāo)簽，借助系統(tǒng)后臺的焦點提取功能，通過機器學(xué)習(xí)和統(tǒng)計歸類的方法，自動地提取出數(shù)據(jù)的分類模型，同時從語義方向分析這些數(shù)據(jù)。” 俞立，這位在學(xué)生時代便一直研究大規(guī)模時變數(shù)據(jù)可視化的博士表示，這類做法的優(yōu)勢在于，不僅人工干預(yù)少，可以更智能、客觀地分析趨勢；并且對于數(shù)據(jù)科學(xué)家等用戶，可以在此基礎(chǔ)上對分析結(jié)果進行調(diào)整，加入更多的參數(shù)或信息，機器便能重新學(xué)習(xí)并處理數(shù)據(jù)，呈現(xiàn)出一個更加準(zhǔn)確的結(jié)果。
結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)融合分析
最終可視化結(jié)果的準(zhǔn)確性與數(shù)據(jù)分析過程緊密相關(guān)。時下，越來越多的企業(yè)開始通過第三方平臺，或服務(wù)外包來實現(xiàn)大數(shù)據(jù)分析，例如采用Salesforce、Answers Forsee等平臺，或借助國內(nèi)一些廠商的類似服務(wù)。盡管提供大數(shù)據(jù)分析服務(wù)的公司不少，但現(xiàn)有產(chǎn)品仍是以結(jié)構(gòu)化數(shù)據(jù)分析為主，少量非結(jié)構(gòu)化分析產(chǎn)品也是針對語義分析、情感分析、輿論分析等提供單一功能，很少將結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)結(jié)合形成一套整體解決方案。
“現(xiàn)在Taste Analytics已可以同時實現(xiàn)結(jié)構(gòu)化數(shù)據(jù)分析和非結(jié)構(gòu)化數(shù)據(jù)分析。” 俞立表示。
例如大眾點評中用戶對萬達影城的評論中，詳細的語言評論是非結(jié)構(gòu)化數(shù)據(jù)，環(huán)境、服務(wù)、視覺效果等評分是結(jié)構(gòu)化數(shù)據(jù)。Taste Analytics平臺將詳細語言評論進行自動歸類及焦點提取，分析出時間、地點、人物，以及語義焦點（最重要的詞語，如負面評價、正面評價）；同時在環(huán)境、服務(wù)、視覺效果評分等結(jié)構(gòu)化數(shù)據(jù)導(dǎo)入系統(tǒng)后，可以得到具體城市如北京萬達影城的環(huán)境、服務(wù)、視覺效果態(tài)度分布，以及基于這個分布用戶的評論信息的關(guān)鍵詞。通過“結(jié)構(gòu)化數(shù)據(jù)+非結(jié)構(gòu)化數(shù)據(jù)”下更多維度的分析，可以得出哪些焦點比較突出，用戶為什么給出5分好評或2分差評。
所以這樣結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)分析的結(jié)合，可以帶來更多深入的分析，在可視化呈現(xiàn)上，也不僅能表達出其他數(shù)據(jù)分析產(chǎn)品展示的“是什么”，同時還能表達出“為什么”。
可視化應(yīng)同時服務(wù)兩類用戶
“從用戶角度看，大數(shù)據(jù)分析應(yīng)該越傻越好，越簡單越好，人工干預(yù)越少越好。”Taste Analytics移動技術(shù)總監(jiān)沈於眾說道，盡管如此，但實際上大數(shù)據(jù)分析產(chǎn)品應(yīng)該面向不同類型的用戶，例如對于數(shù)據(jù)科學(xué)家、分析師，其可能需要更多的觀察或與數(shù)據(jù)間的互動；而對于企業(yè)CEO、產(chǎn)品經(jīng)理等，其需要最終呈現(xiàn)的信息能直擊企業(yè)痛點，越重要越好。所以Taste Analytics的可視化便是同時服務(wù)這兩類人群，專業(yè)的數(shù)據(jù)分析師、科學(xué)家，以及對數(shù)據(jù)分析“業(yè)余”的決策層人士。
另一方面，在可視化技術(shù)實現(xiàn)上，采用SVG和HTML 5已經(jīng)成為業(yè)界事實上的規(guī)范。
擁有10年框架設(shè)計經(jīng)驗的沈於眾表示，現(xiàn)在Taste Analytics的產(chǎn)品便是基于Facebook提出的最新的React.js，通過自己的內(nèi)部延展而形成高性能、高互動性的實現(xiàn)，“通過統(tǒng)一的人機互動設(shè)計、精簡的圖像可視化陣線，我們Signals平臺把復(fù)雜的數(shù)據(jù)分析過程簡易化。尤其是當(dāng)我們的用戶可以在平板電腦、手機、PC、筆記本等終端上，以相近的用戶體驗來隨時分析數(shù)據(jù)時，我們的平臺極大程度地提升了客戶的數(shù)據(jù)分析能力和理解能力。”
“我們選擇了各種美國先進的網(wǎng)絡(luò)設(shè)計語言，同時編寫出了一套自己的優(yōu)化體系。Signals在最終平臺上呈現(xiàn)的效果也算業(yè)界領(lǐng)先，所以最終數(shù)據(jù)可視化的效果、頁面相應(yīng)速度、內(nèi)存上的優(yōu)化，在同行里也優(yōu)勢突出。” 沈於眾解釋道。
目前，Signals平臺能夠為用戶提供10余種圖像可視化模式，并且支持客戶自定義分析，共包括15種不同的可視化分類。
京公網(wǎng)安備 11010502049343號