大数据曾经进入 2.0 时代，越来越多的企业意识到使用数据资源发明价值的重要性。如何无效利用数据，并通过大数据平台的统计、剖析、量化、转换、可视化等性能一直开掘数据法则，使其价值最大化，成为了企业数字化转型的要害，其中数据可视化是最容易被用户感知的性能。
一、数据可视化是什么
数据可视化既是一门艺术，也是一门迷信。数据可视化，是将形象、简单的数据和信息转化成图形或图像，以直观的、容易了解的形式出现给用户。实质上，任何借助于图形的形式展现数据原理、法则、逻辑的办法都叫数据可视化。
二、数据可视化大屏设计流程
理论利用场景中，不同规模的数据可视化我的项目在设计流程上会有所不同。大我的项目须要欠缺的流程来保障每个环节的品质，小我的项目须要紧贴业务精简流程小步快跑。在数据可视化大屏设计中，优良的设计师不仅须要关注数据的美学表现力，更要洞察用户真正的需要。
大数据类产品的可视化设计流程中，设计师个别须要重点关注需要剖析、数据分析、产品设计、可行性测试四个关键环节。
1. 需要剖析
需要剖析次要从三个方面动手，即业务需要调研、用户需要调研和技术计划调研。
- 业务需要调研
明确产品须要解决的问题、服务的人群类型，针对不同人群钻研相应设计方案。 - 用户需要调研
调研不同的用户角色需要，依据调研后果整合出产品的性能架构。 - 技术计划钻研
可视化大屏产品罕用到科技、炫酷、动效以及 3D 成果，这类设计特效容易遇到技术实现难题，所以设计前须要与前端开发人员沟通技术计划，避免出现设计无奈落地的状况。
2. 数据分析
数据分析是启动设计前十分重要的环节。设计师须要联合业务特点抽取要害指标、剖析指标维度，明确数据之间的关系，对数据充沛理解后以图形作为载体，明确不同图形的属性和实用场景，为不同类别的数据选用适合的图形。通过应用场景能够将数据分为比拟、分割、散布、组合四个维度。
上图可作为根本的统计图表可视化办法和实用规定。
比拟
比拟通常是为了显示变量之间的不同和相似之处。应用图形的长度、宽度、地位、面值、角度和色彩来比拟数值的大小，一是基于分类不同的比照，二是基于工夫维度的比照。
常见图表包含：柱形图、条形图、雷达图、折线图、玫瑰图、环形图、饼图等。
分割
分割是显示数据之间的互相关系，通常用图形的嵌套和地位示意数据之间的前后程序，父子关系及其他相关性。
常见图表包含：散点图、气泡图、柱形折线组合图、热力求等。
散布
散布个别展现每个数值在数据集中呈现的频次、数量、集中范畴或倒退法则。应用图形的地位、大小、色彩的渐变成水平来体现数据的散布。
常见图表包含：直方图、箱型图、散点图、面积图等。
组合
组合个别指展现数据由哪几局部组成以及每局部数据占比状况。
常见图表包含：饼图、环形图、沉积面积图、沉积柱状图、瀑布图等。
3. 产品设计
数据可视化大屏产品设计蕴含三个方面：应用场景剖析、布局设计和视觉体现。
应用场景剖析
数据可视化大屏产品应用场景的设施、分辨率、色差、大屏最佳视距、环境明暗水平等都是影响界面设计的因素。其中大屏硬件设施是设计展现的重要载体，间接影响大屏设计尺寸分辨率，当设施终端与投屏电脑比例不同时，优先按大屏的比例定义设计尺寸。
常见的数据可视化设施载体
布局设计
数据可视化大屏产品布局设计须要依据数据对业务和用户的重要水平来布局。从数据展现的规律性思考，咱们通常把各组数据模块化后，将同类数据放在同一个区域内展现。
视觉体现
数据可视化大屏产品视觉体现尽量遵循对立的设计准则及设计规范，依据利用场景匹配不同的大屏设计格调，如传统科技风、HUD、FUI 等。
- 传统科技风
面杂糅水平较强，比拟重视色调的使用，多色搭配，色调个别具备特质。
实用场景：政府指挥大厅、企业展厅等。
- HUD 格调
HUD（Head Up Display）即平视显示器。这类设计格调在细节中会应用大量的图形元素，并辅以肯定的装璜元素，次要以点线装璜为主。
实用场景：政府、电力、交通等宏观决策大屏，突出日常运维告警数据的综合指挥大厅。
- FUI
FUI 是 Fictional User Interfaces、Fantasy User Interfaces、Fake User Interfaces、Futuristic User Interfaces，这类用户界面是科幻的, 极具将来感和科技感的。
实用场景：政府、企业等综合指挥大厅。
4. 可行性测试
在设计实现后须要对界面进行可行性测试，测试范畴包含但不限于是否合乎业务需要、用户是否可能疾速直观的了解设计、分辨率比例是否正确、屏幕显示有无色差等。
数据可视化设计并不只是浮于外表的“炫”，设计师在思考美学模式的同时，还须要一直寻找设计实践支撑点，精确的传播信息，将简单数据集背地的逻辑和假相通过可视化设计，以更直观的形式展现给用户，从而实现数据价值最大化。设计终将服务于用户，因而精确了解用户外围需要是首要要害，这也是发展数据可视化设计的必要前提。