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元略貴的標價或許會讓部分用戶產(chǎn)生猶豫，而可視化充當?shù)淖饔镁拖喈斢诮o這件衣服貼上了打8折的標簽，為最后的決策提供了助力。

　　在大數(shù)據(jù)領域，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、不同職責的用戶采用大數(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)非結構數(shù)據(jù)分析產(chǎn)品，包括關鍵詞提取、情感分析、輿情模型分析等，常常采用預先定義文檔標簽和關鍵詞，來進行分類，需要人工大量干預。

　　“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平臺不用定義標簽，借助系統(tǒng)后臺的焦點提取功能，通過機器學習和統(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，不僅人工干預少，而且能夠更智能、客觀地分析趨勢；同時，對于數(shù)據(jù)科學家等用戶，可以在此基礎上對分析結果進行調(diào)整，加入更多的參數(shù)或信息，機器便能重新學習并處理數(shù)據(jù)，呈現(xiàn)出更加準確的結果。

　　可視化應同時服務兩類用戶

　　“從用戶角度看，大數(shù)據(jù)分析應該越傻越好，越簡單越好，人工干預越少越好?！盩aste Analytics移動技術總監(jiān)沈於眾說道，盡管如此，但實際上大數(shù)據(jù)分析產(chǎn)品應該面向不同類型的用戶，例如對于數(shù)據(jù)科學家、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這兩類人群，專業(yè)的數(shù)據(jù)分析師、科學家，以及對數(shù)據(jù)分析“業(yè)余”的決策層人士。另一方面，在可視化技術實現(xiàn)上，采用SVG和HTML5已經(jīng)成為業(yè)界事實上的規(guī)范。

　　擁有10年框架設計經(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)一的人機互動設計、精簡的圖像可視化陣線，我們Signals平臺把復雜的數(shù)據(jù)分析過程簡易化。尤其是當我們的用戶可以在平板電腦、手機、PC等終端上，以相近的用戶體驗來隨時分析數(shù)據(jù)時，我們的平臺極大限度地提升了客戶的數(shù)據(jù)分析能力和理解能力?！?/p>

　　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。

關注讀覽天下微信， 100萬篇深度好文， 等你來看……