- 数据分析
- 数据治理
- 产品解决方案
- 行业解决方案
- 案例
- 数据资产入表
- 赋能中心
- 伙伴
- 关于
时间：2018-11-28来源：商业智能见解浏览数：592次
大数据量如此之大，以至于很难想象您的数据实际上是什么样子。这么多数据的大小和复杂性很难说明，更不用说探索了。幸运的是，它不需要IMAX影院或虚拟世界来查看大数据。通过一些商业智能数据可视化技术，您可以使用标准可视界面探索甚至更大的大数据量并与之交互。
1.过滤。
处理大量数据时，能够快速轻松地过滤数据非常重要。如果您只想查看特定区域，产品系列或其他变量的数据，该怎么办？您可以使用过滤功能来优化您看到的信息。另一种更好地理解数据组成的方法是使用直方图。直方图提供数据的可视分布以及如果过滤特定度量，数据将如何变化的提示。直方图通过让您了解过滤器在应用数据之前对数据产生的影响，从而节省时间。
2.分级。
要以有意义而非压倒性的方式显示数据探索和分析的结果，您可能需要一种新的方式来查看以直观方式折叠和压缩结果的数据，但仍然显示决策者习惯的图形和图表去看。一种可能的解决方案是使用分箱或将数据分组在一起。例如，您可以按年而不是按月显示数十亿个数据点。在图表的两个轴上存储数据时，可以更轻松地显示大数据。分箱也可以与箱形图一起使用，这对于数据非常有用，即使您的异常值包括数百万个数据点也是如此。
3.高基数的概述栏。
基数成为大数据的一个问题，因为数据每列可以有许多唯一值，并且很难理解在图表或图表中显示许多值。处理高基数的一种方法是使用缩小数据的条形图，但也提供一个概览栏，可以放大条形图并使信息消费者能够滚动整个图表。
4.网络图。
数据变化带来了挑战，因为半结构化和非结构化数据需要新的可视化技术。网络图以节点和关系的形式查看关系。节点表示网络中的各个角色和关系代表个人之间的关系，如友谊，亲属关系或业务关系。网络图通常将节点显示为点，将关系显示为线。企业正在使用网络图来了解客户或客户群之间的关系和影响。执法机构经常使用网络图来映射秘密或秘密组织之间的关系。也可以叠加在地图上的顶部的网络图，以显示不同地理区域的关系。
5.相关矩阵。
由于许多大数据源以恒定的数据流进入组织，因此数据速度可能带来挑战。相关矩阵结合了大数据和快速响应时间，以快速识别哪些变量是相关的。它还显示了变量之间的关系有多强。识别这些关系有助于加快分析生命周期，因为分析建模人员可以更快，更有效地执行变量减少。
如果您正在处理大量数据，那么以非压倒性的方式显示数据探索和分析结果可能是一项挑战。使用上述提示可以帮助您找到查看大数据的新方法，因此您可以以直观的方式快速折叠和压缩结果。
请记住，传达信息的最佳视觉通常是最简单的。了解您的受众以及他们如何使用信息也可以帮助您找到适合您数据的最佳可视化技术。
