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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19