数据可视化被许多学科视为视觉通信的现代等价物。它涉及创建和研究数据的视觉表示。为了清晰有效地传达信息，数据可视化使用统计图形，图表，信息图形和其他工具。数字数据可以使用点，线或条编码，从而在视觉上传达定量信息。有效的可视化有助于用户分析和推理数据和证据。它使复杂的数据更易于访问，易于理解和使用。用户可能有特定的分析任务，比如进行比较或理解因果关系，图形的设计原则（即显示比较或显示因果关系）跟随任务。表格通常用于用户查找特定测量的位置，而各种类型的图表用于显示数据中的一个或多个变量的模式或关系。

数据可视化既是一门艺术，也是一门科学，被一些人视为描述性统计学的一个分支，而且其他人则认为数据可视化为一种扎根理论的开发工具。因互联网活动而产生的数据量增加以及环境中传感器数量的增加被称为“大数据”或物联网。对这些数据进行处理，分析和交流，为数据可视化带来了道德和分析方面的挑战。数据科学领域和实践者称为数据科学家帮助解决这一挑战。

数据可视化与信息图形，信息可视化，科学可视化，探索性数据分析和统计图形密切相关。2000以来，数据可视化已成为研究，教学和开发的一个活跃领域，能够将科学和信息可视化结合起来。有学者认为，数据可视化的理想状态不仅仅是清晰传达，更要激发观众的参与和注意。

如您所见， 信息可视化  可以产生令人难以置信的美丽图像，高效的传达信息。下面的图像是现已解散的安然集团的通信组织图。

作者/版权所有者：Kitware Inc版权条款和许可：CC BY-ND 20

        Ben Shneiderman说： “可视化的目的是洞察力，而不是。”

        那么，可视化是否有设计诀窍呢？Riccardo Mazza在他的书“Introduction to Information Visualization”中，为我们提供了一种信息可视化的5步设计法，我们一起来看看吧。

整个设计过程很简单，一旦你审查了这个过程，它应该是常识：

1、定义问题

2、定义要表示的数据

3、定义表示数据所需的维度

4、定义数据的结构

5、定义可视化所需的交互

1定义问题

与任何用户体验工作一样; 第一步是定义信息可视化将解决的问题。这通常需要一些 用户研究  来回答问题; “我的用户需要什么呢？”、“他们将如何使用它？”

您可能正试图向用户解释某些内容，或者您可能正试图让他们建立新的联系或观察;为了将问题定义清楚，您还应考虑用户群特有的任何特定因素，比如：他们的教育水平或数据处理能力如何？他们过去的数据有什么样的经验？这将指导输出的复杂程度，并阐明用户的整体需求。

2定义要表示的数据

有三种主要类型的数据可以通过信息可视化来表示，它们的映射方式可能会有很大差异- 因此，在开始设计之前，在您的脑海中清楚地了解数据，您将使用哪些数据？

1、 定量数据  - 这是数值类的数据。

2、 有 序数据  - 非数值的，但具有内在顺序的 数据 。（例如，想想一周中的几天。）

3、 分类数据  - 既没有数字也没有内在顺序的数据。（例如商业名称或地名）。

3定义表示数据所需的维度

必须仔细考虑数据集的维度或属性的数量，因为它将在很大程度上确定哪些数据可用于进行信息可视化。数据中表示的维度越多- 理解信息可视化就越混乱。因此值得注意的是，具有大量维度的数据可能更适合使用高度交互式表示，不适合静态图形展示。可以根据要研究的相关维度的数量将分析分成四种类型：

1、 单变量分析  - 针对自变量研究单个因变量

2、双变量 分析  - 其中两个因变量针对自变量进行研究

3、三变量 分析  - 其中三个因变量针对自变量进行研究

4、 多变量分析  - 针对自变量研究三个以上的因变量

作者/版权所有者：Chire。版权条款和许可：CC BY-SA 30

多变量分析的图像，其中数据点之间的关系很多且相关。

4定义数据的结构

这是关于检查数据集如何相互关联的全部内容，常见的关系结构包括：

1、 线性关系  - 数据可以以线性格式显示，例如表格，向量等。

2、 时间关系  - 数据随着时间的推移而变化

3、 空间关系  - 与现实世界相关的数据（例如地图数据或办公室平面图）这有时也被称为地理关系

4、 分层关系  - 与定义的层次结构中的位置 相关的 数据（从办公室管理结构到简单的流程图）

5、 网络关系  - 数据与同一数据中的其他实体相关

作者/版权所有者：Nathanael Crawford。版权条款和许可：CC BY-SA 30

以上示出了分层网络模型的示例。

5从可视化中定义所需的交互

设计过程的最后一部分要求您了解用户信息可视化所需的交互级别。有三类互动：

1、 静态模型  - 这些模型按“原样”显示，例如您保存在汽车中的道路地图集中的地图。用户无法修改它们。

2、 可转换模型  - 这些模型使用户能够转换或修改数据。它们可以允许用户改变用于分析的参数或者为数据集选择不同形式的 视觉映射 。

3、 可操作模型  - 数据有时候是高度关联的，通过操作部分数据图形，可以获得关联数据的变化，从而产生新的见解是一种常见的互操作方法。例如：我们可以通过DataFocus快捷创建图形的联动操作。

作者/版权所有者：DataFocus  版权条款和许可：CC BY-SA 30

  小贴士： 设计信息可视化的过程可能与您的最终输出并不直接相关，但可以使您更加明智地决定何种表示形式最适合您的用户。通过充分了解用户的需求，以及他们需要展示的数据、数据中的关系和模型类型，信息可视化设计师可以提供充分满足这些需求的可视化作品。

数据可视化的特点：

一、数据可视化传递信息速度快

这里的速度快不只是因为能快速的识别当前趋势和信息，科学的来说是因为人脑对视觉信息的处理要比书面信息快10倍。

使用图表来总结复杂的数据，可以确保对关系的理解要比那些混乱的报告或电子表格更快，从而轻松理解数据。

二、数据可视化可以多维度显示数据

在可视化的分析下，数据将每一维的值分类、排序、组合和显示，这样就可以看到表示对象或事件的数据的多个属性或变量。

数据分析平台将数据处理分为纬度和数值，支持用户对于不同种类图表的多维度操作显示。

三、数据可视化的直观展示

大数据可视化报告使我们能够用一些简短的图形就能体现那些复杂信息，甚至单个图形也能做到。

决策者可以轻松地解释各种不同的数据源。丰富但有意义的图形有助于让忙碌的主管和业务伙伴了解问题和未决的计划。

四、数据可视化突破大脑记忆能力的限制

实际上在我们观察物体的时候，大脑和计算机一样有长期的记忆（memory硬盘）和短期的记忆（cache内存）。只有我们在记下文字，诗歌，物体，并且一遍一遍的在短期记忆出现之后，它们才可能进入长期记忆。

很多研究已经表明，在进行理解和学习的任务的时候，图文一起能够帮助读者更好的了解所要学习的内容，图像更容易理解，更有趣，也更容易让人们记住。

五、定制数据可视化

为了深入了解某个模块的内容，定制数据可视化不仅可以提供数据的图形表示，还允许更改表单，省略不需要的内容，用来更深入地浏览以获取更多的详细信息。这能更好地吸引用户的注意力，并提供更好的沟通。

同时像一些数据分析平台还支持联动功能，可以深入数据分析，与数据直接交互，用户可以查看他想要的任何数据。