京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据可视化的思维
在数据领域我们主张用数据可视化思维去探索大数据的价值,我们知道2013年是中国大数据的元年,任何一家企业不把自己的产品业务和大数据联系在一起,就觉得是非常落伍的,但是真实的情况是不是这样的?目前火爆的市场概念和火爆的大数据想法并没有换来对大数据清醒的认识,相反是对大数据的困惑,我们的大数据如何落地到我们行业里面去,如何我们和产品结合起来,如何为我们客户创造价值,这些东西都是很关键的因素,其实我们知道尤其在为客户创造价值这一块,我们认为只有两个点才是真正帮助客户价值,一帮助客户赚钱,二帮助客户省钱,如果我们一项技术不要说它是不是大数据,它即便不是大数据的话,如果做不到这两点的话,它的未来成长性也是非常弱的。这不得不让我们重新思考大数据整个产业链发展,我们可以看到国外的大数据产业链其实是从数据的采集、处理、分析、可视化,最后出来一个产品交付给我们用户。
目前国内大部分用户和产品其实到了分析这个环节就会得出一个报告或者是一个结论,或者是一个软件等等交付给我们用户。我们换位思考一下,其实如果您是一位企业老总需要您花几百万甚至几千万购买一个报告或者是购买一个软件您是如何来思考这件事情,我们在想如何让客户心动,如何击中客户的重点,迅速让技术落地到行业当中去,让技术人员价值让业务人员或者让领导,或者让老板,或者让懂业务的这群人如何去理解他们,这个是数据可视化最关键的价值点我举例,我们某产品给某政府做的舆情系统,传统的舆情系统主要是帮客户做预警信息,得出一个信息结点,我们可以判断一个路径结点,比如什么地方又出现了一个什么样的状态,但实际上这个状态没有办法帮助我们客户去判断一个东西,判断他到底这个信息量有多大,是群体性事件,还是偶发性事件,是概率性事件还是大范围事件,所以我们帮助客户去分析这个信息需不需要处理,处理到什么样的阶段,这些都是值得我们需要重视的阶段,所以在我们这样一个产品上,需要帮助我们的技术连接到客户端里面去,让我们的决策层能够知道里面最核心的结点。
所以我们认为其实这是一个数据新闻的作品,在座的今天有很多媒体,我本人也是媒体出身,以前是新京报的,在媒体行业叫做数据新闻,今天欧美所有的一线媒体已经大范围地用数据新闻来产生自己的核心价值,已经不再用很多的文字了。所以我们从这样一个很简单的三公消费数据可视化里面,就可以看出来其实我们大部分的数据新闻已经改变了文字的作用。我今天想说的并不是在数据新闻上的发展,而是在于数据可视化如何帮助我们人,或者是我们用户更好地去理解它、更快速地认知它。国家工商总局为什么会在三公消费里面用这么多的钱,包括它的结算和预算这些东西都是值得我们看一看。
我们知道这旁边有一个工具生产出来的趋势图,其实我们知道数据的模型我们过去只有这种简单的二维趋势图或者是柱状图或者饼状图等等,这些没有准确帮助我们做出分析,因为大数据是做预测,并不是得到分析,我们今天得到所有的数据结果都是根据过去的经验得出来的,我们必须要重新定义它的横坐标、竖坐标,重新如何打颜色,如何去判断,所以我们有了3D,重新用这样一个图去定义什么是横坐标、竖坐标,颜色判断,重新定义这样大数据的价值在里面挖掘的这样一些点和空间是在什么地方。比如我们知道中间的一些结点,包括如果一个趋势图的话其实体现不了里面的距离等等,这样一个新的唯度。现在至少放到7到12个纬度以上的数据进去,这样我们知道数据和数据之间的关联和态势,因为我们知道其实数据是比较枯燥的,为什么我们讲数据分析师非常重要的,就是因为数据没有办法让大多数理解,我们如何快速地去感知数据之间的联系,必须依靠视觉的手段和视觉的感知能力去找到大数据和大数据之间的关联性和可能性,才能发现和挖掘,才能谈得上未来有可能性的结点。
其实今天比较匆忙,数据这方面也没办法太多地展开,我们海云数据目前是中国大数据这块的领导者,是微软和更多的这种用户的合作伙伴,都是他们选择了我。所以我们其实走到了今天非常感谢这些合作伙伴,因为他们让我们更加落地,更加懂客户,知道我们行业里需要什么样的东西,用数据可视化做出什么样的内容,这是我们更加关心的结点。
最后一个小小的分享,其实我们知道刚刚我说过这句话大数据的价值是用于预测的,而不是总结的,我们今天不得已而为之需要把我们过去可能信息孤岛的事情都还没解决,可能我们还谈不上用一些很酷的很舒服的分析能力得到未来的商业价值,但是这天一定会到来的,我们需要解决的是大数据的这种感知能力,所以我们希望用我们这种大数据可视化思维能力去解决这个问题,去探索这个问题,去发现这个问题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在互联网产品运营、用户增长的实战场景中,很多从业者都会陷入一个误区:盲目投入资源做推广、拉新,却忽视了“拉新后的用户激活 ...
2026-02-06在机器学习建模过程中,特征选择是决定模型性能的关键环节——面对动辄几十、上百个特征的数据(如用户画像的几十项维度、企业经 ...
2026-02-06在CDA(Certified Data Analyst)数据分析师的日常实操中,表格结构数据是贯穿全流程的核心载体,而对表格数据类型的精准识别、 ...
2026-02-06在日常办公数据分析中,我们经常会面对杂乱无章的批量数据——比如员工月度绩效、产品销售数据、客户消费金额、月度运营指标等。 ...
2026-02-05在分类模型(如风控反欺诈、医疗疾病诊断、客户流失预警)的实操落地中,ROC曲线是评估模型区分能力的核心工具,而阈值则是连接 ...
2026-02-05对CDA(Certified Data Analyst)数据分析师而言,数据分析的价值不仅在于挖掘数据背后的规律与洞察,更在于通过专业的报告呈现 ...
2026-02-05在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29