基于大数据智能分析的可视化技术研究★

吕 江，胡 涛，陶思思，刘永超

（湖南交通工程学院，湖南 衡阳 421001）

引言

现如今，人们生活在数据化的时代，随着计算机的高速发展，世界各个领域涌入了复杂多变的数据，虽然数据可视化技术可以方便提取有价值的信息，但是可视化的工具比较匮乏，因此要打破常规，将数据智能分析与可视化相结合实现数据智能可视化。以此为基础，对国内外数据可视化进行了简单分析和对比，提出了数据智能可视化的观点并加以研究。

1 数据可视化研究方向分析

就当今的世界而言，我们已经进入大数据时代，本文基于中国知网期刊的文献数据发现，国内对大数据可视化技术的研究主要分为三个阶段[1]。

第一阶段，大数据的定义和数据可视化概念的产生阶段。这个阶段每当新的概念出现时，则会被赋予新的解释。

第二阶段，大数据的可视化技术的发展与走向成熟的阶段。如出现数据可视化的分析工具、信息处理技术、数据采集，分析方法等等，这些技术为数据可视化的发展起到了铺垫作用。

第三阶段，大数据可视化应用阶段。也是国内相比于国外比较落后的领域，这个阶段的技术都有着一定的难度，如可视化阅读、可视化新闻、教育大数据等多方面广泛的应用。

这个时期是一个大数据和智能化的时代，比较而言，国内侧重于大数据可视化理论和技术探索，应用还比较落后；国外大数据可视化的理论和技术研究较早，在大数据可视化应用上结合已有的信息技术，早已向着智能可视化和知识信息技术化的方向迈进。因此国内大数据可视化的研究应更加强调智能化的设计、智能化的可视化方法，追求向智慧方向发展。如智慧交通的进行以及本文提出的数据智能可视化是国内的必要研究方向。

2 数据智能可视化

2.1 基本概念

什么是数据智能可视化？平常的数据可视化仅仅是将得到的数据用图表的形式展示出来，较为复杂的还需要人工进行分析处理，即显得处理方式单一且具有局限性，而智能可视化可以对数据进行智能化的分析，采用合适的分析方法得出数据的属性、维度、数据类型和数据来源等等，再通过数据可视化技术对不同的数据以不同的图表或者多维形式展现出来，最后直接得出所要的关键信息。除此之外还可以一键式生成多种可视化数据场景，将多维的分析、图形等多种分析技术进行有效的融合，可以满足任意项目的多样需求。

2.2 数据智能可视化的基本步骤

数据智能可视化具有多维度、易理解、多领域、准确度高、可扩展性和一体化等特点，对于优秀的项目可以提取有效的信息并总结归纳，同时把信息按照一定的规律加以组合，突出项目的关键点，即智能可视化基本步骤如下页图1 所示[2]。

通过上述步骤可以看出，数据可视化与智能分析相结合这一设想，使得数据更好地进行深层次的分析和研究，大幅度提高了可视化目标的准确性；经过数据可视化类型的选择，更进一步的优化了数据的处理能力，一定程度上减少了数据分析的时长，保证了数据的质量和数据的可用性，为大数据智能化的综合应用提供了便利，其次就是智能化的一键式生成数据可视化场景，极大地提高了数据的分析效率，彰显出了这项技术的价值和可研究性。

3 核心技术支持

从技术角度来看，数据可视化除了本身技术的不同，其核心技术基本是一致的。为了实现可视化报表的一键式生成，所需的技术支持如下。

一是自主分析：自主性分析用户提供的数据，包括图表统计、特殊符号、数据关系识别等等。二是数据挖掘：从项目所给的数据中发现潜在信息和关键字，筛选出有效的信息。三是数据集预测：对项目中的数据进行判断，并根据判断结果作出相应的推测。四是智能可视化模型：针对项目的结果类型自动生成所对应的数据可视化模型，并直接给出有效信息。五是自动报表配置－自动生成报表：参考分析目的和图形样式等方面来生成报表布局、配置控件、图表联动等。

关于这些技术，已经有不少人做了研发探索。比如阿里巴巴的AVA 智能可视化体系，目前AVA 体系可以初步的数据实现图表推荐能力，未来对数据的智能化分析、自主性分析、智能可视化模型生成、以及进一步研发提供支持。

4 数据智能可视化必要性

针对数据可视化来说，面对各种复杂多样的数据类型，数据可视化通过将数据制作成图表，以便直观地了解到有效数据，并且这个过程离不开人机的交互协作，充当了人与数据间的桥梁，但是这个过程有一定的局限性，面对不同的时间和维度数据，可能处理上有一定的技术瓶颈，而数据智能可视化也可以很好地处理这一问题。数据智能可视化省略了把数据制作成表格的步骤，直接提取有效信息，是一种自主性一键式生成结果的可视化技术。

5 数据智能可视化所面临的问题和挑战

数据智能可视化这一想法的提出对当下的技术来说具有一定的门槛高度。智能化是各个领域一直在探索研究的方向，其难度可想而知，比如当下庞大的复杂数据，对于目前的数据智能分析算法处理也有着一定的挑战，数据量过多时，会导致树形结构的交错，数据容易出现分支重叠的现象[3]。由于数据智能可视化的运行速度较快，即对智能分析算法的运行效率也有着一定的要求，对算法的研究还要不断的改进。

常规的数据可视化基本都是通过人机交互相互协作完成数据模型的搭建，大大减低了数据分析的效率，而智能可视化技术的一键式生成多种数据可视化模型和一体化分析方法，解决了人机交互的过程，提高了数据分析的效率，但是这种技术也是数据智能可视化面临的核心问题，也是实现智能化的必经之路[4-5]。

最后这项技术对于算法有着极高的要求。笔者认为，如果要使得这项技术趋向智能化，那么就需要自行研究一种自定义的计算方法，构建多种分析方法，如支持数据切片、预测、聚合等。

6 数据智能可视化的意义

随着数据不断地增长，如今技术水平提升的速度难以跟上数据增长的速度，导致常规的数据可视化技术的优势降低，而数据智能可视化技术则可以弥补数据可视化领域优势的减低。这项技术使得数据分析更加便捷，对待各种复杂多变的数据也可以处理得当，也为数据智能化领域提供了研究方向。

7 结语

数据可视化就目前看来，虽然有了一定的成果基础，但随着技术的不断发展，数据的类型会更加复杂多样，数据量也会不断暴增，而对于数据分析技术这一模块，我们需要研究新的分析算法，提高对数据的处理能力和效率，研究方向即一体化分析方法、一键式生成数据可视化模型等；在各个研究领域，数据可视化这一模块不仅是对数据进行视觉上展现的技术，还是为多个领域提供更深层次研究的一种工具。此外，当下的可视化技术研究方向较为多样化，为了使大数据可视化技术更加智能化，我们需要继续研究新型的数据可视化方法以适应社会发展的速度。