势在必行，面向决策支持的数据可视化系统设计

刘堃

[摘要]

现在市场上存在两种商业智能类型——第一种是传统的商业智能，IT专业人员使用内部交易数据生成报告。第二种是现代商业智能，业务用户与敏捷、直观的数据可视化系统交互，以达到更快地分析数据。在当今时代发展背景下，开展数据可视化系统设计十分重要，这已经演变成为各个学术界的研究热点。如果一味的凭借IT专业人员去学习各类的计算方式，根本不能达到人们认知规律发展的标准要求，同时还会影响到决策分析的状态。因此需要借助数据可视化的方式及时开展人机协同的分析工作。本文结合作者日常工作中的实际经验，致力于搭建出现代商业智能所需的数据可视化系统，针对现阶段各行业的各类迫切性需求进行分析，设定好数据可视化分析系统的处理流程，同時考量其未来的数据源等需求，确定好主流框架以及后台数据库等，完成数据可视化分析系统的设计以及开发等各项工作。

[关键词]

数据可视化 人机交互 决策支持 多屏联动

引言

数据可视化系统在商业智能领域可视决策方面发挥的作用至关重要。目前，一些行业、企业决策者已经开始将数据可视化作为决策过程的一部分。为什么数据可视化如此重要？答案在于我们大脑处理信息的方式，我们的大脑——需要以视觉触发的方式连线，以便真正沉浸在它所体验的内容中。换句话说，我们看图形比看电子表格更容易理解某些内容，即使它们包含完全相同的信息。这也说明，数据可视化系统的使用可以更好的减小对各项数据内容分析以及使用的难度系数，同时还可以较高地提升决策方案的实施效率。从实际应用效果来看，数据可视化系统能够结合各行各业独特的指标和KPI表示方式，从数据清理集成，到数据存储整合，再到数据分析挖掘，之后进行可视化呈现，最终完成人机交互的完美体验。数据可视化系统通过数据多维度、可交互联动分析，实时解答用户问题，目前已广泛应用在政府、金融、零售、电商、环保、电信、医疗、房地产等领域的决策支撑环节。

数据可视化系统实际所涵盖的内容可以大致分成主题数据集以及数据可视化图表等。该系统带有一定的集成性，可以更为合理化的进行主题面板的配置工作，灵活性的切换主题的配色方案，提升了各项业务的实际操作性以及直观性等，同时还可以更好地缓解数据分析人员的工作压力，帮助企业领导作出更为科学化的决策。本文深度探究了面向决策支持的数据可视化系统设计方案，使设计出的系统架构性能更加的合理，确保系统实际的运行稳定。

1  系统需求分析

1.1  系统模块功能需求

数据可视化系统必须要达到相应的分析标准要求，想要更好且及时地完成相应的决策任务，达到其支持的目标，就应当站在功能模块的实际划分角度去分析。以软件工程思想为基准，深度探究功能模块需求。首先是建立起主题数据集，其可以进一步划分为数据源配置以及模型构建这两个板块，集成化的展示数据源信息。依照其实际所查询的结果开展相应的构建工作，使用多维数据立方体，综合性的考量维度以及指标等各项因素。在二维表内，它的维度以及指标应当以完整的数据模型为主，设定好相对应的计算表达方式。在实际操作步骤上，第一步要完成数据源配置管理工作，确定出数据源的连接形式;第二步要就SQL的查询结果进行整合，精确地推断出字段维度以及指标;第三步是建立数据可视化图表，合理的选择数据模型维度指标，构成数据可视化分析图表。该图表会更加直观，用户可以将图表在用户间分享，搜集整理相关的图表，达到复用等目的，进一步提升工作的实际效率以及品质。该系统的图表量会比较大，且图表的类型也比较多，可以更全面化的提升可视化系统的性能，提高用户体验，达到用户的各类业务需求标准;第四步是形成主题面板，借助主题面板，把和主题联动以及相关联的数据信息整合在一起，集成数据内容，多层面的探究主题数据信息的实际分析环境状况，制定出更具综合性的决策方案。数据可视化分析平台所得到的数据信息可以当做各个业务层的展出内容以及系统的入口，达到企业信息集成联动的目的。在实际应用中应选择更为适宜的数据表现形式去配置图表，分析图表主题的逻辑关联性。应当做好页面的布局管理以及页面的联动管理，确定出页面布局的原型，让图表的跳转关系更加清晰;第五步是重视用户管理，系统管理人员使用自身的权限调控资源，提升各个角色用户的可见程度，让其达到保密的效用，且用户应当将自身的现有资源一一进行分享，以此更好地达到系统的目的;第六步是完善知识管理，在设计该系统时，必须要采取数据连接的形式设计非结构的数据信息，探究非结构化数据信息所存在的潜在价值。各个系统也应当具备路径查询性能，明确目标数据和知识隐藏之间的连接关系，使得用户的决策更具科学性，更好地达到知识管理的标准。这不仅可以提升用户理解知识的效率，还可以把知识管理划分成为可视化管理等内容，及时开展数据信息的统计工作。企业决策人员在使用该系统时，可以更为精确的了解其业务系统的结构，开展深层次的知识探究工作。

1.2  系统数据流分析

数据流分析工作的开展需要以图形化的形式为基准处理好数据的变化问题，以满足用户以及开发者的需求。站在总体结构的层面上分析，系统包含权限信息以及数据源信息等。系统的输出信息会自行流入到决策层的位置，便于更好地进行决策，起到一个较强的辅助效用，实时地开展日常数据信息的分析工作。一般情况下，数据分析师的系统使用权限会比较多，大部分的功能模块都可以得到合理的应用，应当设定好实际的业务流程，若对数据集不够满意，那么就必须要及时的开展重构工作，构建一个多维化的数据立方体，处理好数据信息的问题，采取拖拽等形式，合理的配置相关图表，并在主题数据集表中及时抽取出相对应的数据信息，生成图表，之后让其流入到主题面板的容器内合理配置信息。数据分析师应当把重新构建的图表结构数据信息放置到数据库之中，可视化的去展现知识图谱。相关的业务工作人员还需要做好前期数据信息的准备工作，且业务人员也需具备一定的功能模块使用权利。合理的去配置数据源服务，抽取出各类的数据源信息，从而构建多维数据立方体，为满足实际业务需求，可采取三屏配置的形式，对业务进行剖析，把控好施工的主体，确定出系统的最终走向。

1.3  系统非功能需求分析

数据可视化分析系统在可视化的过程中会关联到一些企业的核心数据信息，这些核心数据信息具有极强的特殊性，需要在使用时，切实保障主题面板等的保密程度以及安全程度。因此在开发的初期就应提出系统安全性的要求进而合理的去开发系统。同时要严苛的管控数据的安全操作形式，设定好用户的实际权限使用范围。想要避免系统遭受外部的攻击以及侵扰，就应当采取封装的形式处理系统的架构代码，把关键性的域名以及传递的参数隐藏在一起。和常见的攻击相类似，需要确保代码书写的规范程度，以此尽可能降低安全隐患，切实提升数据代码的维护率以及复用率数值。考量可视化分析系统操作的难易程度，要使得其系统界面更加美观，及时的给各类操作提供更为精确化的操作。确定出主流系统的设计模式，实时开展人性化的设计工作，系统操作应当更加直观化，系统界面也应当更加精美。

2  数据可视化系统的设计

2.1  系统架构设计

数据可视化分析系统需要构建在现阶段软件体系结构思想基础层面上，在相应的数据源当中挑选出相关的数据信息，这些数据信息在接受处理之后被展示到前端的页面上，在通过大量的代码进行转换，一旦在编写代码之后没有开展和架构相关联的设计工作，就会导致系统的使用状态比较差，不能达到一个理想的使用效果。因此，在开展架构设计工作的过程中应当遵守整体性以及层次性的原则，把系统划分成为数据库层，采取分层结构的形式更好地实现共同的目标，处理好各层之间存在的依赖关系以及问题。如果搭建好的系统具有良好的伸缩性，可以达到让多个用户同时进行访问的效果——并发性比较强，灵活性的使用该系统。在表现层上，主要是为了更好地提供用户交互体验感受，降低用户的操作难度。在系统设计时使用大量的拖拽技术，可以使操作的流程更加直观化，用户可以在较短的时间段内完成操作任务，将关注度集中在工作内容以及工作成果上，进一步协调数据的可视化流程。此外，角色分配问题决定了用户在操作时会存在大量的带有私有性的数据集，需要分析树状结构的显性状态，丰富实际的配色方案。在服务层上，大量的数据信息被存储到了数据信息的服务器内，系统设计支持需要在各个数据源中抽取相关的数据信息，及时开展数据的集成化工作。想要减小用户配置图表的实际操作难度，就应当不断的强化系统的交互性能，提供多类的配置选项，达到用户们的定制需求。由于面板间会存在一定的联动效果，开发人员要做好系统的聚合计算以及过滤筛选等工作，貼合用户的实际生活，满足其各项的操作需求。由于可视化技术大量实现细节是在前端，本系统为了满足用户的通用需求，前端设计使用主流前端技术。为了方便联机分析处理，本系统设计将关系型数据通过SQL统一转化为多维数据立方体，并从缓存中读取。由于数据庞杂且前端展示多样，本系统设计结合使用关系型数据库MySQL和图数据库Neo4j存储多样数据，发挥各自所长。设计系统运行在Tomcat服务器上，网络通讯协议采用传统HTTP，由于设计采用Java语言开发系统，所以系统跨平台性和可移植性良好。在系统架构中，层与层存在自上而下的依赖关系，上一层利用下一层提供的接口实现本层功能，互相之间屏蔽了实现细节。系统可伸缩性强，易于支持多用户同时访问，并发性能好，可维护性和灵活性高，需求变化时由于层次清晰不需要改动太多，耦合型低，可重用性和可管理性高。因此，本文中设计的系统分层架构有利于系统功能的完善性和系统的可扩充性，续航可二次开发能力。数据可视化分析系统、应用数据库服务器、应用服务器客户机的三层框架结构，这样的结构性能优良、易于拓展和维护。

2.2  系统功能模块设计

系统的框架设计解决后，后续会根据功能的不同拆分成不同的模块。系统设计需具备基于数据立方体模型的可视化数据的三位数据立方体（CUBE），这是处于底层的数据基础，但也是非常重要的，该数据立方体可以根据查询指令查看三维数据立方体中的维度和度量，从而相当于建立多个小的数据集，这样就不用担心数据集过于庞大。同时，系统设计具备系统模块，用于解决包括用户管理、登录、权限设计、角色分配、以及系统参数配置等方面的功能。设计具备集群模块，如ES集群和MYSQL数据库集群化管理，也兼容各种数据源类型，支持海量数据。可接入Excel/CSV等数据文件、企业各种业务系统、第三方互联网数据、公共数据服务平台等来源，轻松整合所有相关业务数据。设计具备数据模块，包括管理可视化系统的数据口径和数据字典，可以用以分析人员设计出适合本企业类型的可视化数据立方体。设计具备分析模块，包括动态生成电子表格、动态生成EChart图表。基于探索式分析，支持智能推荐图形、图表协同过滤、全维度数据钻取，帮助用户快速定位并发现问题。拖拽式的操作，简单易用。在对图表配置上，设计了支持多个维度数据同时排序功能。以及其它模块，如搜索条件配置、分类管理、三屏展示和可视化图谱展示，可配置多个颜色主题，从美观上和使用上贴近了用户的需求等。便捷的看板分享与讨论功能，可通过生成链接的方式将看板快速分享给团队成员或其他人，同时支持基于看板的讨论，通过发送文字、图片、图表快照等内容进行沟通，满足团队沟通协作需求。

3  结语

虽然本文通过合理的应用该系统，探究研发数据可视化分析系统的开发背景以及价值意义，找出该系统所存在的各类问题，对其系统设计以及实现方式进行了说明，以此来尽可能的提升数据信息的精确程度，降低决策所存在的负担。但在实际应用过程中，大部分项目业务都具有较强的逻辑性，且项目的开发时间也会较为紧张，系统所存在的问题比较繁杂，需要不断地完善系统的设计工作，处理好图表等各类细节层面问题，使用更为高新的技术确保系统动态交互等优势展现的更合理。

[1]申淑平.网络安全数据可视化融合分析[J].电脑与电信，2016年12期.

[2]许茜，黄子杰，蔡晶，刘志臻，俞向梅，陈桂芬，陈林，葛亮，张钘铭.基于大数据研究的医学数据可视化[J].中国卫生统计，2017年02期.

[3]数字冰雹.夏进.驾驭数据洞悉价值——数字冰雹大数据可视化系统行业应用分享[J].大数据时代，2017年02期.

[4]彭戎轩.数据可视化技术应用趋势与类型分析[J].西部资源，2015年06期.

[5]刘江涛，邢辉.浅析生物大数据可视化的现状及挑战[J].中国新通信，2016年02期.

[6]王然.数据可视化技术在教务信息数据库中的应用[D].天津职业技术师范大学 2018.

[7]杨杰.全基因组关联分析算法加速与可视化实现[D]. 杨杰.武汉理工大学 2017.