文档介绍：可视化打通大数据壁垒可视化,被视为大数据落地的最后一公里。就如同人们去商场购物时,看见一件漂亮的衣服,但 2000 元略贵的标价或许会让部分用户产生犹豫,而可视化充当的作用就相当于给这件衣服贴上了打 8 折的标签,为最后的决策提供了助力。在大数据领域, 重要的是数据本身以及从中得到的价值, 但同时可视化的推动作用, 为不同年纪、不同职责的用户采用大数据提供了更好的体验,降低了认知的壁垒。商业决策离不开互动性的可视化目前的大数据可视化呈现, 大多数以表格、饼图等方式展示, 例如用户比较熟悉的支付宝用户的全年消费记录。虽然类似的可视化提供了直观的数据感受, 但另一方面, 不得不说其呈现的数据信息量有限, 内容较为死板, 特别是在商业上, 难以提供更多的价值或知识。在硅谷领先大数据公司 Taste Analytics 数据可视化副总裁俞立看来,数据可视化不仅需要提供直观、形象的体验, 同时还应该包含重点信息提取、可追踪, 以及人机互动性增强两个方面。“在商业决策上, 企业需要的大数据可视化不仅是一张张大致方向上的图表, 同时需要在这些图表上进行任意维度的选择, 对真正重要、感兴趣的信息进行查找、追踪。”他表示,在最终数据呈现上,现在的可视化大多停留在数据包含哪些场景和要素领域, 而对数据中最重要的人、事物、数据发送时间地点、用户讨论这些场景与要素的位置等细节却无从追踪, 所以企业难以得到更多的知识。此外, 目前国内大多数非结构数据分析产品, 包括关键词提取、情感分析、舆情模型分析等, 常常采用预先定义文档标签和关键词, 来进行分类,需要人工大量干预。“业界比较前沿的做法,是机器通过一定的规则进行文档自动分类。例如 Taste Analytics 的 Signals 平台不用定义标签,借助系统后台的焦点提取功能, 通过机器学****和统计归类的方法, 自动地提取出数据的分类模型,同时从语义方向分析这些数据。”俞立,这位在学生时代便一直研究大规模时变数据可视化的博士表示, 这类做法的优势在于, 不仅人工干预少, 而且能够更智能、客观地分析趋势; 同时, 对于数据科学家等用户, 可以在此基础上对分析结果进行调整, 加入更多的参数或信息, 机器便能重新学****并处理数据,呈现出更加准确的结果。可视化应同时服务两类用户“从用户角度看, 大数据分析应该越傻越好, 越简单越好, 人工干预越少越好。” Taste Analytics 移动技术总监沈於众说道, 尽管如此, 但实际上大数据分析产品应该面向不同类型的用户,例如对于数据科学家、分析师,其可