大数据及移动互联网时代，每一个使用移动终端的人无时无刻不在生产数据，而作为互联网服务给予的产品来说，也在持续不断的积累数据。数据如同人工智能一样，往往能表现出更为客观、理性的一面，数据可以让人更加直观、清晰的认识世界，数据也可以指导人更加理智的做出决策。
一、何为大数据可视化分析
数据可视化，是关于数据视觉表现形式的科研技术研究。其主要目的是借助图形手段，清晰、有效地进行传达与沟通信息，其中，数据的可视化表示被定义为一种以某种形式提取的信息，包括相应信息单元的各种属性和变量。数据可视化技术包含以下几个基本概念：
1、数据开发
数据开发是指利用一定的算法和工具对数据进行定量的推演和计算。
2、数据空间
数据空间是由n维属性和m个元素组成的数据集所构成的多维信息空间。
3、数据可视化
数据可视化是指将大型数据集中的数据以图形图像形式表示，并利用
数据分析和开发工具发现其中未知信息的处理过程。
4、数据分析
数据分析指对多维数据进行切片、块、旋转等动作剖析数据，从而能多角度多侧面观察数据。
二、大数据可视化分析的好处
1、增强互动
数据可视化的主要好处是它及时带来了风险变化。与静态图表不同，可视化的应用可以是流动性的操作，更有力的分析数据信息。
2、接受更快
人脑对视觉信息的处理要比书面信息容易得多。使用图表来总结复杂的数据，可以确保对关系的理解要比那些混乱的报告或电子表格更快。节省接受时间。
3、美化数据
可视化从视觉的角度来描绘数据，可根据技术工具对数据的表现形式进行美化，以达到观看数据的同时对于视觉也是一种享受的效果。
4、强化关联
数据可视化的应用可以使数据之间的各种联系方式紧密关联。以数据图表的形式描绘各组数据之间的联系。
三、大数据可视化分析难点
1）信息丢失：减少可视数据集的方法是可行的，但是这会导致信息的丢失。
2）视觉噪声：在数据集中，大多数对象之间具有很强的相关性。用户无法把他们分离作为独立的对象来显示。
3）大型图像感知：数据可视化不仅受限于设备的长宽比和分辨率，也受限于现实世界的感受。
4）高性能要求：在静态可视化几乎没有这个要求，因为可视化速度较低，性能的要求也不高。
5）高速图像变换：用户虽然能观察数据，却不能对数据强度变化做出反应。
四、大数据可视化的实施步骤
1、需求分析
需求分析是大数据可视化项目召开的前提，要描述项目背景与目的、业务目标、业务范围、业务需求和功能需求等内容，明确实施单位对可视化的期望和需求。包括需要分析的主题、各主题可能查看的角度、需要发泄企业各方面的规律、用户的需求等内容。
2、建设数据仓库/数据集市的模型
数据仓库/数据集市的模型是在需求分析的基础上建立起来的。数据仓库/数据集市建模除了数据库的ER建模和关系建模，还包括专门针对数据仓库的维度建模技术。
3、数据抽取、清洗、转换、加载(ETL)
数据抽取是指将数据仓库/集市需要的数据从各个业务系统中抽离出来，因为每个业务系统的数据质量不同，所以要对每个数据源建立不同的抽取程序，每个数据抽取流程都需要使用接口将元数据传送到清洗和转换阶段。数据清洗的目的是保证抽取的原数据的质量符合数据仓库/集市的要求并保持数据的一致性。数据转换是整个ETL过程的核心部分，主要是对原数据进行计算和放大。数据加载是按照数据仓库/集市模型中各个实体之间的关系将数据加载到目标表中。
4、建立可视化场景
建立可视化场景是对数据仓库/集市中的数据进行分析处理的成果，用户能够借此从多个角度查看企业/单位的运营状况，按照不同的主题和方式探查企业/单位业务内容的核心数据，从而作出更精准的预测和判断。
