圖形的傳播內容更有效

為什么人們會更喜歡圖形的內容展示方式呢?主要原因是因為視覺是人類最強的信息輸入方式，也是人類感知周圍世界最強的方式。在Brain Rules《大腦法則》一書中，發展分子生物學家John Medina寫道：“視覺是迄今我們最主要的感官，占用了我們大腦中一半的資源?！毙畔D提供了一種語境的方法(Language of Context)，通過展示多個維度數值并且相互比較來為受眾提供語境，使我們更高效的把內容反射到大腦中。

我們來看一組簡單的數據，比較下圖形和數據對于人腦感觀的差異：

圖中包含四組數據，數據很簡單，但從數據上來看，你能說出這四組數據的區別嗎?

答案是從數據上很難看出有什么區別，因為每組數據看上去都十分的相近。下面我們把這四組數據轉換成圖表來進行對比下。

通過圖表的比較，我們很容易就能找出這四組數據的區別了。I組數據呈現整體離散向上的趨勢。II組數據呈現弧度上升，然后再下降的趨勢。III組數據呈現線性上漲的趨勢，但有一個點突出。IV組數據呈現Y坐標不變X上升的趨勢，但有一點突出。

將數據圖形化后，大腦天然的會對圖形的不同點做出反應，從而更高效的理解數據帶來的意義。

我們再來看下其他例子：

將當前QQ的在線人數，通過可視化的方式展示給用戶。把數據置于視覺控件中，這樣用戶就能很直觀的了解到QQ當前使用的人群分布在中國是怎么樣的，那里的人群分布多，那里的人群少。

Eric Fischer針對Twitter 發短消息的位置和Flickr 拍照片的位置為數據源做的名為SeeSomething or Say Something的大數據可視化展示，通過簡單但大量的數據，做出非常美的數據圖展示。

這種用圖形化對數據進行描述設計的過程，我們通常稱為數據可視化。有時候，可視化的結果可能只是一個條形圖表，但大多數的時候可視化的過程會很復雜的，因為數據本身可能會很復雜的。如此復雜的數據可視化過程，探碼智能采集系統是如何完成的呢？

探碼智能采集系統實現數據可視化的步驟：

實現數據可視化最重要的是對于數據的采集和分析。探碼智能采集系統通過數據采集、數據處理&分析實現數據可視化，從抽象的原始數據到可視化圖像。

?

?

數據采集

• 明確數據需求：由于客戶所處行業不同，訴求也就各不一樣。所以首先必須明確客對于數據的最終用途，確定客戶需求。根據客戶所需搜集的數據信息與客戶溝通之后，總結需要收集的字段。

• 調研數據來源：根據客戶需求確定數據采集范圍。然后鎖定采集范圍和對采集的數據量進行預估。細化客戶需求，研究采集方向。

• 確定存儲的方式：根據采集量的大小對數據儲存的方式進行劃分。比較小的數據，一般使用excel表格存儲；幾千萬的大型數據，選擇數據庫存儲；對于GB級別的數據，就得用Hadoop、Spark、Redis等分布式存儲和處理技術的方法才能做到較好的管理和計算。選擇正確數據存儲的方式使客戶對數據的使用與管理更加便捷。

數據處理&分析

數據處理：

通過數據清洗，數據合并，任務調度，搜索引擎系統和ETL構建對數據池中的數據進行處理數據清洗：實現Web前端展示，展示出爬蟲程序抓取到的數據，方便進行清洗。

• 數據合并：數據被清洗之后，數據合并系統會自動匹配大數據集群中的數據，通過相識度評分，關聯可能相識的數據。

• 任務調度：通過任務調度系統，可以動態開啟、關閉，定時啟動爬蟲程序。

• 搜索引擎系統：通過ElasticSearch集群，實現搜索引擎服務。搜索引擎是PC端檢索系統能夠從大數據集群中、快速地檢索數據。

• ETL：將數據從來源端經過萃取、轉置、加載至目的端將分散、零亂、標準不統一的數據整合到一起，為企業的決策提供分析依據。

數據分析：

將采集的數據通過一系列分析選項發現復雜的連接并探索其數據中的各種關系，包括圖形可視化，全文多面搜索，動態直方圖，構建算法模型-實現大數據的智能化分析，準確挖掘出所需數據。

可視化設計

探碼數據可視化的設計目標和制作原則在于信、達、雅，即一要精準展現數據的差異、趨勢、規律，二要準確傳遞核心思想，三要簡潔美觀，不攜帶冗余信息。結合人的視覺特點，總結出Dyson數據可視化作品的基本特征：

• 讓用戶的視線聚焦在可視化結果中最重要的部分；

• 對于有對比需求的數據，使用亮度、大小、形狀來進行編碼更佳；

• 使用盡量少的視覺通道編碼數據，避免干擾信息。

總結

探碼科技自主研發的智能采集系統是一個強大的大數據采集，分析和可視化平臺，采用探碼科技自主研發的TMF框架為架構主體，支持開發可操作的智能數據應用系統。探碼智能采集系統讓數據可視化變得更簡單。

?