数据可视化是大数据技术展现价值的“最后一公里”。将数据处理分析的结果数据呈现给用户，通过表格和图形传递数据价值，支持用户灵活使用结果数据。

大数据的基础数据可以是结构化数据或非结构化数据，可以是计算机系统收集的高质量数据，也可以是人工维护的文本和表格数据。，可以对复杂的大数据进行整理、整合、清洗、计算，形成易于元数据描述的小数据，大大提高信息密度。在完成了信息密度从低到高的神奇转变后，如何最大限度地发挥所得数据的价值，一直是业界不断研究和创新的课题。

从“传递价值”的核心含义分析，数据可视化需要考虑两种技术。一是狭义的数据可视化呈现形式，包括各种图表工具和技术；二是容易被忽视的人机交互，这也是评价数据可视化价值的关键因素。

数据可视化

数据呈现的可视化首先体现在基于数据内容的可视化元素上，包括表格、图表和地图。桌子作为最传统的视觉呈现元素，随着整个信息时代的发展，成为最成熟、最稳定的技术。

图形和地图是近年来的热门技术。尤其是大数据兴起后，以图形和地图为核心的数据可视化发展迅速。从数据可视化的应用角度来看，图和图可以梳理出以下四种应用场景：对比、序列、组合、描述。“比较”场景细分为进度与目标、项目与项目以及区域与区域。

表格、图表、地图这些元素在数据可视化的具体应用中可以单独使用（参考上图进行选择），也可以组合使用。这就是数据可视化的呈现方式，或者说可视化元素如何满足不同的终端用户。要求。

交互式数据可视化

无论表格、图表和地图的数据可视化形式如何，生成的数据都依赖于载体（浏览器等）与最终用户进行交互。从交互的角度来看，初级交互主要是改变查询条件和点击触发事件，高级交互主要是改变或重新探索数据可视化。

主要互动

有了更多类似的能力，最终用户将大大减少对细节的需求，提高“交付价值”的效果。

高级数据探索

初级交互操作不仅在预设功能下进行，而且在有限的小数据集范围内进行。高级数据探索允许最终用户突破界限，更自由地组合数据和调整可视化。

如果初级交互操作覆盖了80%的用户需求，那么高级数据探索将满足真正依赖数据可视化的高级用户。他们渴望通过自助可视化分析功能高效完成自己的需求，提升“交付价值”。的效率。

与办公系统集成

数据可视化“传递价值”的目的是辅助决策。如果没有决策需求，则不需要数据可视化技术。而决策需求都发生在办公环境中，比如在办公桌上思考、在会议室讨论、在手机上组织协调、在报告中分析研究……那么数据可视化必须考虑如何满足这些办公要求。场景，“传递价值”的效率和效果在不断提升。

常用可视化工具

1、Microsoft Excel
对这个软件并不陌生。对于一般的可视化来说已经足够了，但是对于一些数据量很大的数据就不适合了。

2、Google 电子表格
Google 电子表格是一个基于网络的应用程序，允许用户创建、更新和修改电子表格并实时在线共享数据。基于 Ajax 的程序与 Microsoft Excel 和 CSV（逗号分隔值）文件兼容。表格也可以以超文本标记语言 (HTML) 格式保存。

3、Tableau Software
Tableau Software 现在更受大家欢迎。可以超越 Excel 做一些稍微复杂的数据分析，也不需要像 R、Python 等编程语言那么复杂进行可视化。很多人都推荐过这个软件。

4、观远BI Insight
观远BI Insight 提供了丰富的 ECharts 图表可视化选择。从电子表格绘图时，Excel 可用于完成更复杂的图形设计。支持Excel静态图形，支持Echarts动态图形。

5、一些需要编程语言的工具
R、JavaScript、HTML、SVG、CSS、Processing、Python。这里主要列出哪些编程语言可以实现可视化，如何实现需要读者自己学习。