1、大數(shù)據(jù)可視化之道技術(shù)創(chuàng)新 變革未來1、探索式分析中的數(shù)據(jù)可視化可視化作為快速捕捉數(shù)據(jù)特征的有效途徑，已經(jīng)與探索式分析密不可分。 特征：面向小數(shù)據(jù)需要高辨識(shí)度圖形化，協(xié)助分析與決策潛在的可視化協(xié)議1、探索式分析中的數(shù)據(jù)可視化好的可視化方案的基礎(chǔ)：人類自然視覺特征。 視覺對(duì)比敏感度：高度寬度面積飽和度1、探索式分析中的數(shù)據(jù)可視化對(duì)數(shù)據(jù)可視化（圖表）的進(jìn)一步抽象坐標(biāo)系度量維度修飾與強(qiáng)調(diào)1、探索式分析中的數(shù)據(jù)可視化坐標(biāo)系Rectangular Coord(Q-1, Q-All)Polar CoordGEO度量(Metric)的圖形表達(dá)Size(Distance, Radian)DirectionExt

2、reme(SUM, MAX, MAXMIN)維度(Dimension)的圖形表達(dá)Delta(Position, Angle)修飾與強(qiáng)調(diào)(Decorator)StyleAnimation1、探索式分析中的數(shù)據(jù)可視化數(shù)據(jù)可視化優(yōu)化：推薦算法與ML算法柱圖模型:Coordination = Rectangular:Q1Metric = Size:Distance; Direction = Left, Up; Extreme = MAXMIN Dimension = Delta:Position, Offset = 0, 0.8;餅圖模型:Coordination = PolarMetric = Si

3、ze:Radian; Direction = Clockwise; Extreme = SUM Dimension = Delta:Angle, Offset = 0, 1;極柱圖模型:Coordination = PolarMetric = Size:Radian, Direction = Clockwise; Extreme = MAXMIN Dimension = Delta:Position, Offset = 0, 0.8;1、探索式分析中的數(shù)據(jù)可視化可視化集合體系協(xié)同分析：數(shù)據(jù)的顯性關(guān)聯(lián)與隱性關(guān)聯(lián)數(shù)據(jù)下鉆：分析維度的切換和實(shí)時(shí)資源挖掘 機(jī)器學(xué)習(xí)：針對(duì)行業(yè)的分析與預(yù)測(cè)圖數(shù)據(jù)庫(kù)：探索數(shù)據(jù)潛在價(jià)值2、實(shí)時(shí)數(shù)據(jù)的可視化實(shí)時(shí)數(shù)據(jù)可視化，實(shí)際是對(duì)數(shù)據(jù)流切面的展示。在可視化層面，一般來講是在時(shí)間維度對(duì)某個(gè)度量進(jìn)行描繪，可視化方式比較明確。面臨的問題是繪圖性能。因?yàn)榍忻娴拿芏取⒉蓸泳?、?shù)據(jù)窗口大小，都會(huì)直接影響到繪圖 數(shù)據(jù)的規(guī)模。解決：多線程分層渲染和局部更新。測(cè)試數(shù)據(jù)：1、canvas2d/svg繪制8萬噪點(diǎn)數(shù)據(jù)；2、echarts繪圖效率測(cè)試數(shù)據(jù)；3、基于圖層和基于緩存的分層渲染測(cè)試數(shù)據(jù)3、第三維度的可視化升級(jí)在三維空間中的可視化還處在萌芽的階段。帶來的三個(gè)升級(jí)：a)三維空間中的可視化理論升級(jí)；b)由于顯卡GPU的支持，渲染能力大幅度提升；c)可視化行