步入大数据时代，各行各业对数据的重视程度与日俱增。随之而来的是对数据整合、挖掘、分析、可视化需求的日益迫切，有些人认为显示各种数据就是可视化了，有的表示软件是数据可视化的核心，有的突出了可视化的效果更重要………
数据可视化，指在是借助于图形化手段展示大数据分析结果，使数据清晰有效地表达，使人们快速高效的理解并使用，它集成了数据采集、统计、分析、呈现等多环节。不同行业的数据可视化可能有不同的呈现形式和要求，但最终的目的都是挖掘出数据深层次的含义，把纷繁复杂的大数据集、晦涩难懂的数据报告变得轻松易读、亲切、易于理解。
中国数据可视化发展可以划分为四个阶段：先计算机时代、计算机读表时代、计算机读图时代和大数据时代。
在过去几年，大数据的建设主要集中在物联网、云计算、移动互联网等基础领域，但进入2016年，一些大数据起步较早、积累较深的行业领域，开始基于大数据的基础建设，开启了行业数据应用与价值挖掘之路。从数据的抽取、清洗等预处理，到数据存储及管理，再到数据分析挖掘，以及最终的可视化呈现。行业用户开始把注意力转向大数据真正的价值点——发现规律，提升决策效率与能力，在收集数据上花费的时间很少，而在实际分析数据并回答各种问题上的时间则越来越多。
大数据应用相对较成熟的领域主要在公安、交通、电力、园区管理、网络安全、航天等。大数据帮助各行业从业务管理、事前预警、事中指挥调度、事后分析研判等多个方面提升智能化决策能力。
对于企业来说，接入数据可视化后，不仅要有显示能力，还要能把过去用语言、数据、想象力表达的内容，通过图形、图表等形式即时显示，不光为展示已知的数据间的规律，而是为了帮助进一步认知数据，发现其中的问题、趋势，及时作出管理决策。
对于财务管理而言，数据可视化技术第一代可以说是报表类办公软件，例如通过EXCEL把复杂的数据整理成规则的表格，并配以漂亮的图形，比如柱图、饼图、折线图等。
第二代是初步的软件解决方案，例如BI（Business Intelligence）了，不单是工具软件，而是一套完整的解决方案，将企业中现有的数据进行整合，快速准确的提供报表并提出决策依据，帮助企业做出业务经营决策。
进入大数据时代，最大的难点就是面对如此巨大的数据，如何较好展示给用户，例如三维模型、动画、视频、动态交互式页面、手机APP等，将数据以展示、推送、提醒、互动等等模式提供给用户。例如FSSC参访过的协鑫集团，设有数据中心可以及时观察到各地重要车间情况包括黑暗车间（机器人自动化车间）、即时的各地业务情况、财务数据、异常数据等；例如蒙牛总部大屏可看到即时全球各地的业务情况、产品情况等，而共享中心各部门的展示屏可以看到即时成果数据、个人的业务处理量，能够对团队起到及时激励作用。
企业数据可视化的目的有多种，总结下来完整的大数据可视化系统，需要具备以下条件：
△ 管数据：从数据采集、清理、整合方面，能提供完整的系统工具平台。支持各种类型的数据接入、灵活设置数据清洗规则、采用合理的数据管理模型整合数据，帮助企业很好的管理数据。
△ 看数据：提供可视化的数据展示设计工具，能够实现各类业务指标的规格定义，支持各种可视化展示组件，可以快速实现基础数据、业务指标、可视化展示的设计应用，能够直观的看懂理解业务数据。
△ 用数据：这是数据可视化平台的核心。数据可视化不能只是简单的图形化，更重要的是能够发现业务潜在的风险、价值。能够支持业务规则、算法模型的嵌入应用，对数据进行挖掘分析，再通过可视化手段展示分析结果，真正能用数据驱动业务。
△ 业务服务：数据可视化平台是为客户的生产业务提供服务的，所以平台需要能够实现业务的监控、预警、分析、处置的能力。
△技术服务：平台是要具备灵活的编辑、设计能力，从数据管理、指标定义、可视化展示能够通过可视化的实施工具灵活自定义，用户就可以根据自己的需求设置数据可视化的分析展示。
△平台支持：数据可视化平台要能够支持windows、android、ios系统，满足拼接屏、液晶屏、PC、移动端的灵活应用。
由此可见，在数据可视化大屏系统中，数据的挖掘、分析及呈现，是数据可视化环节中的关键，如何提升底层算法进而将用户行业海量数据真正用好，为用户提供更好的管理、调度和决策支持是大数据可视化系统成功的关键。
相对而言，大数据可视化在纯技术的问题反而不是问题的关键，比如三维建模技术、图表自动生成技术、数据检索技术等。可视化更多的是对用户和业务的理解，以及在这个基础上对数据的深刻认识。
大数据可视化常见数据分析可视化、趋势可视化、工业生产可视化等形式。
1、数据分析可视化——提升用户的决策效率
数据分析可视化广泛用于政府、企业经营分析，包括企业的财务分析、供应链分析、销售生产分析、客户关系分析等，将企业经营所产生的所有有价值数据集中在一个系统里集中体现，可用于商业智能、政府决策、公众服务、市场营销等领域。
通过采集相关数据，进行加工并从中提取有商业价值的信息，服务于管理层、业务层，指导经营决策。数据分析可视化负责直接与决策者进行交互，是一个实现了数据的浏览和分析等操作的可视化、交互式的应用。它对于决策人获取决策依据、进行科学的数据分析、辅助决策人员进行科学决策显得十分重要。因此，数据分析可视化系统对于提升组织决策的判断力、整合优化企业信息资源和服务、提高决策人员的工作效率等具有显着的意义。
2、趋势可视化——有效支撑科学判断
趋势可视化是在特定环境中，对随时间推移而不断动作并变化的目标实体进行觉察、认知、理解，最终展示整体态势。此类大数据可视化应用通过建立复杂的仿真环境，通过大量数据多维度的积累，可以直观、灵活、逼真地展示宏观态势，从而让决策者很快掌握某一领域的整体态势、特征，从而做出科学判断和决策。
趋势可视化可应用于卫星运行监测、航班运行情况、气候天气、股票交易、交通监控、用电情况等众多领域。例如：卫星可视化可以通过将太空内所有卫星的运行数据进行可视化展示，大众可以一目了然卫星运行。气候天气可视化可以将该地区的大气气象数据进行展示，让用户清楚看到天气变化。
3、工业生产可视化——新一轮制造革命的核心竞争力
工业企业中生产线处于高速运转，由工业设备所产生、采集和处理的数据量远大于企业中计算机和人工产生的数据，生产线的高速运转则对数据的实时性要求也更高。破解这些大数据就是企业在新一轮制造革命中赢得竞争力的钥匙。因此，工业生产可视化系统是工业制造业的最佳选择。
工业生产可视化是将虚拟现实技术有机融入了工业监控系统，系统展现界面以生产厂房的仿真场景为基础，对各个工段、重要设备的形态都进行复原，作业流转状态可以在厂房视图当中直接显示。在单体设备视图中，机械设备的运行模式直接以仿真动画的形式展现，通过图像、三维动画以及计算机程控技术与实体模型相融合，实现对设备的可视化表达，使管理者对其所管理的设备有形象具体的概念。同时，对设备运行中产生的所有参数一目了然，从而大大减少管理者的劳动强度，提高管理效率和管理水平。
工业大数据领域，其可视化又有自己独特的特点，呈现出与互联网大数据可视化不同的难点和方向，工业大数据可视化有以下几个特点：
1、数据量呈现海量趋势，且更新频率极高。由于工业大数据主要来源于传感器的数据采集，因此其数据量相比传统互联网大数据只多不少，而且，它的更新频率极高，传感器按照恒定的频率快速更新。在这种情况下，如何保证监控页面的数据实时更新，还能够让监控人员看数据的变化，就是需要研究的问题。当某个数据每秒更新10次，那么，屏幕上的数字直接变化就是无意义的，因为监控人员根本就一个数字都看不到。如何兼顾数字的更新频率与视觉效果，就成为可视化的第一个难题。
2、大量的监控点，无法进行有效地显示。一台普通的设备，可能就有上百个传感器，再加上相关的视频、环境、人员等等监测，可能会有几百个监测数据是这个设备需要的，那么，这么多的数据如何在有限的屏幕上进行排列，如何取舍，成为可视化的第二个难题。
3、整体与局部如何有效地结合。一个企业会有许多下属的分子公司，下属企业又会有车间、工作面等等工作场景，每个工作场景又会有许多设备。这样层层嵌套的可视化局面如何比较好的结合，在保障使用人员看到整体的时候，还能够同时关注到局部的数据变化，是可视化的第三个难题。
4、局部与细节如何兼顾。在一个局部的数据展示中，还希望看到数据的细节，包括相关的数据、历史的数据、异常的数据、数据的趋势、数据的预测等等，能否把握好局部与细节的展示关系，是可视化的第四个难题。
5、如何实现工业数据的有效检索和有效推送。也就是常说的“数据找人”，在互联网企业，利用大数据分析用户的使用习惯和兴趣爱好，寻找其感兴趣的话题进行推送已经是常见做法了，但在工业大数据领域，如何实现？一个报警信息，推送给谁？当前还是靠提前设好的规则，未来能否实现智能化，怎么实现，相关的应用还是比较少，这是可视化的第五个难题。
6、如何将数据转化为有效地信息提供给用户。举个生活中的例子，某路口实时车流100辆/分钟，这是数据，“严重拥堵”，这是信息。能否很好地将数据转化为信息是可视化的第六个难题。
虽然数据可视化在企业中热度不小，但目前真正做得深入、做得有特色的并不多。因为这需要付出不少资金和时间的投入，除了电力、公安、交通等少数几个热门行业具有相对广泛的应用，其他行业还有较大的空间。
