online gambling singapore online gambling singapore online slot malaysia online slot malaysia mega888 malaysia slot gacor live casino malaysia online betting malaysia mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 可視化,大數據變現的關鍵途徑

摘要: 在Go​​ogle搜索有關“大數據”,會出現很多個由立體0和1組成的圖片,一些解釋性的信息圖示,甚至出現“黑客帝國”的界面。那“大數據”到底是什麼,人類能夠理解嗎?如果問一家大公司的首席執行官什麼是“大數據”,他...

在Google搜索有關“大數據”,會出現很多個由立體0和1組成的圖片,一些解釋性的信息圖示,甚至出現“黑客帝國”的界面。那“大數據”到底是什麼,人類能夠理解嗎?

 

如果問一家大公司的首席執行官什麼是“大數據”,他們可能會描述一些類似於黑匣子(飛機上的飛行記錄器)的東西,或者在白板上畫一朵雲。如果問數據科學家,他們可能會向你解釋一下4V的概念,4V是指用信息圖示解釋(其實只是事實的視覺集合),當然還帶有相應的說明。之所以這樣做是因為“大數據”是一個有著不同含義、象徵,應用於不同組織的模糊術語。

可以理解,要想弄明白這是發源於哪、什麼時候盛行是很難的。有關記錄最早是在2003年, 那時人類創造了5EB數據。到了2011年, 每兩天就會產生同樣多的數據。誠然,與前幾代數據的呈現方式相比,我們已經取得了飛躍發展。但到了今天的大數據時代,數據的呈現方式有助於傳遞信息,不過它需要的就不僅僅是漂亮的表面文章了。它需要實用,能展現多個維度,還要考慮實用性。

新的軟件和技術使我們能夠更深入的理解這些龐大的數據集。然而,我們要去真正收集和加工有價值的大數據,唯一方法是要提高數據可視化的水平。我們怎樣進行可行性分析、深入了解、全面直觀地表示信息呢?答案是,我們需要使數據更容易理解。

 

新的可視化工具,新的挑戰

通過理解大數據,使之更貼近大多數人,最重要的手段的之一就是數據可視化。數據可視化標識導向系統,包括文字的,如街頭的路標指引你到高速公路,還有像徵的,如顏色、大小或位置的抽像元素傳達的信息。在某種意義上,恰當的視覺標識可以提供較短的路線,幫助選擇路線,成為通過數據分析傳遞信息一種重要的工具。然而,要真正可行,數據可視化應有適當的交互性。他們必須設計良好、易於使用、易於理解、有意義、更容易被人接受。

 

Michal Migurski說道:“數據可視化是一個相對的概念......通常說它是即將出現的新事物。”隨著技術的變化而改變,我們不斷地開發新的工具以利用它實現跨行業應用。一些熟悉的可視化包括信息圖示、臭名遠揚的控制面板,當然還有地圖。

 

現今無所不在的信息圖示是澄清複雜問題的好方法。在此類別中, Visua.ly是一個很大的來源。圖表通​​常是在海報或演示文稿中精心製作來傳達意思,但在一定的時間內提供的實時信息還遠遠不夠。控制面板或許是一個有用的工具,但它們往往設計的不好。同樣的圖表和圖形重複的出現。

 

當控制面板設計的像車輛儀錶盤和里程計的文字說明時就更糟了。最重要的是當想要通過儀表板傳達有關人的信息時,他們往往不夠人性化。最後,地圖作為一個依賴於地理重要的信息層,是我最喜歡的可視化成果之一。當你可以依靠像一個國家或省的地形等容易識別的形狀,地圖是很有用的,但如果不是地理數據怎麼辦?

 

想想谷歌地圖。現在可以說是現今世界上最全面和最成功的數據可視化集。它以多種數據可視化方法提供了一套全面的數據集,不斷更新而且相當容易使用。其界面提供滿足個人需求和查詢數據的多個視圖,可以跨設備使用。它還提供了一個強大的API,使它不再僅僅是個軟件,而成為一個平台。它的API能夠實現從基礎地圖功能到呈現難以窮盡的地理信息。

 

看看Weldon Cooper Center服務大眾的Racial Dot Map(用谷歌API創建),使用顏色編碼描繪了在美國分佈的種族多樣性(類似於在熱圖上看早晨的天氣報告)。你也可以放大一個特定區域或地區來獲取細節(每個人代表一個點,按種族用顏色編碼)。

 

有了谷歌,如何顯示信息和組織信息成為了大家關心的問題。但這使一個群落更具穩健性(在為Geo產品工作的400多個谷歌員工),因此來源越少,數據可視化的風險越小。

 

數據光譜的另一端,可以看看紐約時報是怎樣用視覺效果為它的報導增光加彩的。例如,一篇關於NASA的Kepler mission,記錄了超過190個被證實圍繞遙遠恆星運轉的行星,從在行星軌道上運行的速度,到距離恆星的距離、恆星溫度和星系的大小都加入了淺顯易懂的可視化效果。

 

另一個例子就是用圖形描繪Silk Road,講述這著名的貿易路線的現代版本。彩色照片和精心編輯的視頻,按沿路線上的關鍵停留點分組、傳達絲綢之路的內涵,加上幫助在地理上放置的照片和視頻的信息圖示。

 

通過這些可視化成果,你也會開始認識到一些限制,是否要呈現出整個可以想像到的數據(想像一下檢查19億顆的系外行星,而不是190顆),或者是否需要從多個層面上理解。這些例子就像發展大數據可視化的路標。我們從這些零散的示例到更大數據集的應用中又可以獲得什麼?

 

大數據才剛剛開始出現,我們管理後端的方式也在不斷變化。我們需要強有力的工具通過使數據有意義的方式實現數據可視化,還有數據的可交互性。我們需要跨學科的團隊,而不是單個數據科學家、設計師或數據分析員,我們需要重新思考我們所知道的數據可視化。圖表和圖形還只能在一個或兩個維度上傳遞信息,那麼他們怎樣才能與其他維度融合到一起深入挖掘大數據呢?我們的大數據可視化(BDV)工具需要實現功能、可更新的,而不是作為軟件的部分。

 

在此過程中,數據變得更具可塑性、可行性,最終更加人性化。通過靈活的數據和可視化框架,我們希望能容納多種意見,使我們能夠利用數據適應不斷變化的需求和查詢。接受大數據含糊不清的性質,但要提供並找到讓它和你聯繫的更加緊密的工具。數據的視覺解釋會因你的目標和對目標的回答的不同而不同。因此,雖然會存在視覺上的相似之處,但​​沒有兩個可視化結果是相同的,就像世界上不可能有完全相同的兩片葉子。

 

資料來源:煉數成金

 

留下你的回應

以訪客張貼回應

0
  • 找不到回應