六种大数据可视化的简化技巧

六种大数据可视化的简化技巧

大数据量是如此之大，以至于很难想象您的数据实际上是什么样子。数据的规模和复杂性很难说明，更不用说探索了。

幸运的是，不需要IMAX 剧场或虚拟世界即可查看大数据。通过一些数据可视化技术，您可以使用标准的可视界面浏览甚至与最大的大数据量进行交互。

1

筛选

筛选。当处理大量数据时，能够快速轻松地筛选数据很重要。如果您只想查看特定区域，产品线或其他变量的数据怎么办？您可以使用筛选功能来完善所看到的信息。更好地理解数据组成的另一种方法是使用直方图。直方图提供了数据的可视分布以及提示，提示您根据特定度量进行筛选时数据将如何变化。直方图在应用筛选器之前让您了解筛选器对数据的影响，从而节省时间。

这个可视化显示了被过滤成两类的数据

2

分箱

此箱形图比较了一个类别内数据点的分布情况

3

自动制图

自动制图。当处理大量数据时，可能很难立即掌握哪种视觉效果最好使用。自动制图会查看您要检查的数据，然后根据数据量和数据类型显示最合适的可视化。智能自动制图可以帮助非技术用户轻松可视化其数据-无论数据多大。

上面的热图是使用Airtom的坐标热力图功能创建的

4

高基数的概述栏

高基数的概述栏。基数性成为大数据的一个问题，因为数据每列可能有许多唯一的值，在一个图表或图形中显示这些值是很难理解的。处理高基数的一种方法是使用条形图来压缩数据，同时还提供一个概览条形图，可以放大到条形图中，并允许信息使用者在整个图表中滚动。

带有大数据的柱状图中的高基数可能很难理解

柱状图下方的总览轴柱更清晰地展示了这个大数据的高基数。您可以轻松地滚动整个图表。

5

网络图

网络图。数据多样性带来了挑战，因为半结构化和非结构化数据需要新的可视化技术。网络图根据节点和联系来查看关系。节点代表网络中的个体参与者，纽带代表个体之间的关系，例如友谊，亲属关系或业务关系。网络图通常将节点显示为点，将关系显示为线。企业正在使用网络图来了解客户或客户群之间的关系和影响。执法机构经常使用网络图来映射秘密组织或秘密组织之间的关系。您还可以将网络图叠加在地图上，以显示跨地理区域的关系。

网络图探索数据集中的关系，包括跨地理区域的连接

6

相关矩阵

相关矩阵。由于许多大数据源以恒定的数据流进入组织，因此数据速度会带来挑战。相关矩阵结合了大数据和快速响应时间，可以快速确定哪些变量相关。它还显示了变量之间的关系有多强。识别这些关系可以帮助您加快分析生命周期，因此分析建模者可以更快，更有效地执行变量缩减。

深色表示相关性较强;较轻的颜色表示较弱的相关性

总结

如果您要处理大量数据，则以不占优势的方式显示数据探索和分析的结果可能是一个挑战。使用上面的技巧可以帮助您找到查看大数据的新方法，从而可以直观的方式快速折叠并压缩结果。

请记住，传达信息的最佳视觉效果通常是最简单的。了解您的听众以及他们喜欢如何使用信息也将帮助您找到最佳的可视化技术，无论大小。

本文转载自网络，如有版权问题需要删除，请联系作者