最近有很多关于数据可视化的讨论，决不亚于有关大数据的讨论。我们知道可视化是理解数据的最好或唯一方式，如果我们无法实现可视化，就无法解读数据。可视化是获得和分享见解的好方法，但许多大数据开展可视化的方式却并不正确。为什么？因为几种原因会导致这一结果，让我们来看看几种最常见的错误。

    错误1：展现所有的数据

    大多数人并不在乎是否看到了你的工作成应，这与我们在学校里学到的东西大相径庭。他们并不关心你每天要处理多少数据，或者你的Hadoop集群有多大。无论是客户，还是内部用户，他们需要的是具体，针对性的答案，而且越早得到这些答案越好。你提供的结果越接近他们想要的答案，就越能节省他们寻找答案的努力。页面上任何不相关的数据，都会增加寻找信息的难度；不相关的数据（无论多么有效）就是噪音。噪音在仪表板上特别普遍，其中的理念往往是"显示所有状态。"但大部分表现都很正常（和乏味），不值一提。显示这些正常的状态让异常情况有很多机会被隐藏起来。

    更好的仪表盘应该显示更有趣或更重要的。优先考虑那些重要的、异常的、或可以改变的方面，同时淡化其它因素。数据的深入钻取很重要，但这不是仪表盘发挥作用的地方。不要改变的因素，最好是放在报告中处理会更好。

    错误2：展现错误的数据

    这与前一种错误一样危险。如果数据关系是相关的，那么显示信息的子集是可以的。如果你关心销售，你可能还关心每个地区或时期的销售数额。要考虑如何利用这些数据来做决定。

    与在同一图表中展现过多信息和未展现全局信息相比，展现几种密切相关的图表，是一种很好的折中方案。几种整洁、清晰的图表通常比单个复杂的数据可视化方案有更好的效果。

    错误3：数据的展现方式不正确

    即使你绘制的数据是正确的，仍然可能得到错误的结果。奇特的图表类型很少见，因为他们的实际效果并不好。绝大多数的可视化需求，可以通过条形图、曲线图、分布图和饼图来满足。想想数据字段之间的重要关系，并考虑将这些字段放在坐标轴上。

    按类别分组，然后按时间、量级或重要性排序。（在没有具体要求时，可以按字母排序）。使用颜色类别，而不是量级分类；你可以使用亮度、饱和度来说明量级。使用标签和其他标记选择性地引起人们的关注，而不会搞乱。

    良好的设计：提前考虑和规划

    为了避免上述错误，最好的办法是首先专注于你的目标。在考虑视觉效果前，先按照下面的顺序，想想这些问题：

    1.我们最关心什么？

    2.我们需要这些信息来做出什么样决策？

    3.你需要问什么问题？

    4.你需要看到什么数据？

    5.什么是展示数据中重要关系的最佳关架构？

    6.你需要突出什么数据？

    当你回答这些问题时，就能使用正确的数据来设计和实现正确的可视化效果。这样就能做出改变。这是一件好事。重复、测试、尝试不同的途径。一种深思熟虑的，面向用户的设计方法将实现有效、高效和有用的数据可视化效果。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。