京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据可视化的思维
在数据领域我们主张用数据可视化思维去探索大数据的价值,我们知道2013年是中国大数据的元年,任何一家企业不把自己的产品业务和大数据联系在一起,就觉得是非常落伍的,但是真实的情况是不是这样的?目前火爆的市场概念和火爆的大数据想法并没有换来对大数据清醒的认识,相反是对大数据的困惑,我们的大数据如何落地到我们行业里面去,如何我们和产品结合起来,如何为我们客户创造价值,这些东西都是很关键的因素,其实我们知道尤其在为客户创造价值这一块,我们认为只有两个点才是真正帮助客户价值,一帮助客户赚钱,二帮助客户省钱,如果我们一项技术不要说它是不是大数据,它即便不是大数据的话,如果做不到这两点的话,它的未来成长性也是非常弱的。这不得不让我们重新思考大数据整个产业链发展,我们可以看到国外的大数据产业链其实是从数据的采集、处理、分析、可视化,最后出来一个产品交付给我们用户。
目前国内大部分用户和产品其实到了分析这个环节就会得出一个报告或者是一个结论,或者是一个软件等等交付给我们用户。我们换位思考一下,其实如果您是一位企业老总需要您花几百万甚至几千万购买一个报告或者是购买一个软件您是如何来思考这件事情,我们在想如何让客户心动,如何击中客户的重点,迅速让技术落地到行业当中去,让技术人员价值让业务人员或者让领导,或者让老板,或者让懂业务的这群人如何去理解他们,这个是数据可视化最关键的价值点我举例,我们某产品给某政府做的舆情系统,传统的舆情系统主要是帮客户做预警信息,得出一个信息结点,我们可以判断一个路径结点,比如什么地方又出现了一个什么样的状态,但实际上这个状态没有办法帮助我们客户去判断一个东西,判断他到底这个信息量有多大,是群体性事件,还是偶发性事件,是概率性事件还是大范围事件,所以我们帮助客户去分析这个信息需不需要处理,处理到什么样的阶段,这些都是值得我们需要重视的阶段,所以在我们这样一个产品上,需要帮助我们的技术连接到客户端里面去,让我们的决策层能够知道里面最核心的结点。
所以我们认为其实这是一个数据新闻的作品,在座的今天有很多媒体,我本人也是媒体出身,以前是新京报的,在媒体行业叫做数据新闻,今天欧美所有的一线媒体已经大范围地用数据新闻来产生自己的核心价值,已经不再用很多的文字了。所以我们从这样一个很简单的三公消费数据可视化里面,就可以看出来其实我们大部分的数据新闻已经改变了文字的作用。我今天想说的并不是在数据新闻上的发展,而是在于数据可视化如何帮助我们人,或者是我们用户更好地去理解它、更快速地认知它。国家工商总局为什么会在三公消费里面用这么多的钱,包括它的结算和预算这些东西都是值得我们看一看。
我们知道这旁边有一个工具生产出来的趋势图,其实我们知道数据的模型我们过去只有这种简单的二维趋势图或者是柱状图或者饼状图等等,这些没有准确帮助我们做出分析,因为大数据是做预测,并不是得到分析,我们今天得到所有的数据结果都是根据过去的经验得出来的,我们必须要重新定义它的横坐标、竖坐标,重新如何打颜色,如何去判断,所以我们有了3D,重新用这样一个图去定义什么是横坐标、竖坐标,颜色判断,重新定义这样大数据的价值在里面挖掘的这样一些点和空间是在什么地方。比如我们知道中间的一些结点,包括如果一个趋势图的话其实体现不了里面的距离等等,这样一个新的唯度。现在至少放到7到12个纬度以上的数据进去,这样我们知道数据和数据之间的关联和态势,因为我们知道其实数据是比较枯燥的,为什么我们讲数据分析师非常重要的,就是因为数据没有办法让大多数理解,我们如何快速地去感知数据之间的联系,必须依靠视觉的手段和视觉的感知能力去找到大数据和大数据之间的关联性和可能性,才能发现和挖掘,才能谈得上未来有可能性的结点。
其实今天比较匆忙,数据这方面也没办法太多地展开,我们海云数据目前是中国大数据这块的领导者,是微软和更多的这种用户的合作伙伴,都是他们选择了我。所以我们其实走到了今天非常感谢这些合作伙伴,因为他们让我们更加落地,更加懂客户,知道我们行业里需要什么样的东西,用数据可视化做出什么样的内容,这是我们更加关心的结点。
最后一个小小的分享,其实我们知道刚刚我说过这句话大数据的价值是用于预测的,而不是总结的,我们今天不得已而为之需要把我们过去可能信息孤岛的事情都还没解决,可能我们还谈不上用一些很酷的很舒服的分析能力得到未来的商业价值,但是这天一定会到来的,我们需要解决的是大数据的这种感知能力,所以我们希望用我们这种大数据可视化思维能力去解决这个问题,去探索这个问题,去发现这个问题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21