有人說，資料視覺化不就是畫圖嘛，看不出來研究的價值在哪。我原來也天真的以為，資料視覺化就是把資料從冰冷的數字轉換成圖形，頂多就是色彩豐富一些，看起來更酷炫，逼格滿滿。

其實不然，一個好的視覺化，能夠帶給人們不僅僅是視覺上的衝擊，還能夠揭示蘊含在資料中的規律和道理。

視覺化的意義

視覺化的終極目標是洞悉蘊含在資料中的現象和規律，這裡面有多重含義：發現、決策、解釋、分析、探索和學習。

簡明定義是：通過可視表達增強人們完成某些任務的效率。比如，相同統計特徵（方差、均值等）的幾組資料視覺化出來的結果是完全不同的。如下面的圖 1 所示：

可以化的意義在於，視覺化作為人腦的輔助工具，可以替我們保留一部分資訊，好記性不如爛筆頭。其次，圖形化的符號可以將使用者的注意力引導到重要的目標。

視覺化的目標和作用

傳統的視覺化可以大致分為探索性視覺化和解釋性視覺化，按照應用來分，視覺化有多個目標：

• 有效呈現重要特徵
• 揭示客觀規律
• 輔助理解事物概念和過程
• 對模擬和測量進行質量監控
• 提高科研開發效率
• 促進溝通交流和合作

按照巨集觀的角度看，視覺化的三個功能：

• 資訊記錄
• 資訊推理和分析
• 資訊傳播與協同

資料視覺化分類

資料視覺化包含三個分支，科學視覺化（Sci Vis, Scientific Visualization ）和資訊視覺化（Info Vis, Information Visualization），以及後來演化出第三個分支：可視分析（VAST, Visual Analytics Science and Technology）這個從IEEE VIS 會議的分類中可以看出來。

科學視覺化面向的是科學和工程領域資料，比如空間座標和幾何資訊的三維空間測量資料、計算機模擬資料、醫學影像資料，重點探索如何以幾何、拓撲和形狀特徵來呈現資料中蘊含的規律。

資訊視覺化的處理物件是非結構化、非幾何的抽象資料，如金融交易、社交網路和文字資料，其核心挑戰是針對大尺度高維複雜資料如何減少視覺混淆對資訊的干擾。

近幾年來，隨著人工智慧的興起，人們逐漸發現其實一些機器能比人做得更好的事情，同時也發現了一些事情需要藉助人類 3 億年的進化本領。所以將視覺化與分析進行結合，產生了一個新的學科：可視分析學。

可視分析學被定義為由可視互動介面為基礎的分析推理科學，將圖形學、資料探勘、人機互動等技術融合在一起，形成人腦智慧和機器智慧優勢互補和相互提升。

資料可視分析和資料探勘的異同

資料可視分析和資料探勘的目標都是從資料中獲取資訊與知識，但是手段不同。

資料可視分析是將資料呈現給使用者以易於感知的圖形符號，讓使用者互動地理解資料。

資料探勘是通過計算機自動或者半自動地獲取資料隱藏的知識，並將獲取的知識直接給予使用者。

也就是說，資料視覺化可以看到互動介面，更適合於探索性地分析資料。而資料探勘面對的是一堆活生生但黑不溜秋的資料，需要像挖煤一樣從中發現金子。

參考文獻：

[1] 陳為, 張嵩, 魯愛東. 資料視覺化的基本原理與方法[M]. 科學出版社, 2013.

[2] http://echarts.baidu.com/examples/editor.html?c=scatter-anscombe-quartet

---

歡迎大家關注微信公眾號：視覺化技術（visteacher）

不僅有前端和視覺化，還有我的創業經歷、理財經驗、書籍推薦、人生故事

個人網站：blog.kurryluo.com

各個分享平臺的 KurryLuo 都是在下。

用心學習，認真生活，努力工作！