本文基于对DT时代下数据可视化概念进行解读与分析。在大数据时代大背景下，作为前端工程师，接触数据，使用数据，分析数据的次数会越来越多，开发数据可视化的应用也会越来越多。不管是使用Echarts.js,G2,HighCharts.js,SVG.js等已经封装好的高级可视化工具库，还是使用底层的d3.js,three.js,pixi.js等可视化数学库。我们都应该去了解数据可视化的一些基本概念，从而来让我们更好地去理解业务与需求。

1.数据可视化发展历程年代发展历程

15世纪-17世纪

可视化思想诞生初始,数据可视化的早期探索正式拉开序幕。

18世纪

数据可视化初步发展,直方图、柱状图、饼图、圆环图等开始出现。

19世纪前半叶

数据开始得到重视,数据图形出现。

19世纪后半叶

19世纪后半叶

20世纪前期

前期的可视化表达方式己经够用,图形表达的研宄并无新的进展。

20世纪中后期至今

数据可视化依附计算机科学与技术拥有了新的生命力,并将在不久的未来大放异彩。

2.数据可视化相关概念

广义上来说，数据可视化本身是一种泛称，它统一了较成熟的科学可视化和较年轻的信息可视化。而在大数据时代，除了包含这两种以外还囊括了在他们基础上发展起来的知识可视化以及结合了数据分析的可视化分析。

如下表，为可视化分类表：

类别研究对象及其特点研究目的主要技术及表达方式交互类型

数据可视化

包括空间、非空间数据等各种类型的大数据

将无意义的数据以含义丰富的形式表现出来，便于人们理解或提供启发、挖掘规律的可能

计算机图形、图像

人机交互

科学可视化

一般为具有几何属性的空间数据

将数据以真实可感的图形图像等方式表示，帮助人们更好理解相关概念和结果

计算机图形、图像

人机交互

信息可视化

非空间的，抽象、非结构化的数据集合，也可以是信息单元

以直观图像展现抽象信息，并帮助人们理解挖掘深层信息和含义

计算机图形、图像

人机交互

知识可视化

知识经过加工、整合和处理后在人脑中存储为知识结构的信息，可不断更新

用视觉表达的方法来描述知识数据可视化参考文献，推动人们之间的知识等传播和创新

手绘或计算机草稿图、知识图表，视觉隐喻等等

人人交互

思维可视化

可不断更新的具有主观想法的知识结构的信息

用视觉表达的方法来描述知识，推动人们之间的观点、态度等的传播和创新

手绘或计算机草稿图，思维导图、概念图等

人人交互

可视化分析

包括空间、非空间数据等各种类型的大数据

变信息过载为机遇；使分析师或决策者能及时、高效地考察大量数据、信息流并完成分析推理和决策

计算机图形、图像，用户的知识、经验和主观认知

人机交互

[图片上传失败...(image-8050f3-11)]

3.数据可视化流程

Ben Fry在他的著作《可视化数据》里把数据可视化的流程分为了七步:获取、分析、过滤、挖掘、表示、修饰、交互。

[图片上传失败...(image-210c97-11)]

如上图，通常为了便于理解，可视化整体可分为三大部分：原始数据的转化-数据的视觉转化-界面交互。

image

上图为目前应用最广的可视化流程模型，后继几乎所有著名的信息可视化系统和工具都支持、兼容这个模型。

其实各类模型本质上还是离不开

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！