为什么需要数据可视化？

我们生活在一个数据的时代里。从我们刷抖音，看新闻，到我们乘坐地铁出行，我们都在产生着数据。作为描述我们在物理世界中各种行为的数据，当然可以用自动化的方法进行分析，但是这些自动化的分析手段，Z初都来自于人的经验。也就是说人教会了机器如何自动化的分析数据。

1

Anscombe 四重奏实验

Anscombe's quartet

那么为什么我们在分析数据的时候需要做数据的可视化呢？

我们来看一个有趣的实验。1973年，统计学家F.J. Anscombe构造出了四组奇特的数据。

表1

这组数据中的4个二维数据点集（x1,x2,x3,x4），它们的单维度均值、Z小二乘法回归线方程、误差的平方和、方差的回归和、均方误差的误差和、相关系数等统计属性均相同，因此，通过这些传统的统计方法难以对它们直接进行区分。

可是如果我们使用可视化的方法把这些数据绘制成图表之后，一些规律就会直观的呈现在图表上：

图1

对比表1和图1，只有专业人员才能迅速的从表1中看出数据的规律，而几乎所有的观察者都能很快的从图1中看出数据的大致规律和趋势。这就是数据可视化的价值。

有超过50%的人脑功能是用于视觉感知的，从这个角度看，人类会较为容易的接受使用可视化技术处理之后的数据。因此，数据可视化可以帮助人类去发现数据之间的关系，这一特点在现在这个数据爆炸的时代不仅可以让更多的人看懂数据，还能提高专业人员分析数据的效率。

2

HONSH数据可视化实例

Data Visualization

以疫情可视化系统为例，在下面的这种趋势图中可以非常清晰直观地看到新增确诊人数和新增疑似人数的数量大小关系和与时间相关联的整体趋势走向。

在我们的数据可视化项目中，类似的数据可视化图表还可以根据用户对可视化场景的应用需求，由多张可视化图表组成数据可视化面板： 

用户使用类似的可视化面板，在智能指挥中心的大屏场景下，可以迅速地对所需要研判的对象的多个维度的数据做出趋势和实时状态的分析和判断。

这种使用数据可视化技术增强后的解决方案，在需要多个专业部门跨部门合作的指挥场景下加速了来自各个专业部门的数据的融合，不仅便于现场指挥的研判，而且利于信息向上一级指挥中心汇报和聚集。

另外，伴随着政务系统的逐步开放和透明，这样的数据可视化方案也成为了政府面向公众的一个窗口。对于民众来说，形式类似于下图的带有3D场景的鸿视数据可视化解决方案虽然不能立刻让他们成为管理者，但是已经足以帮助他们了解相关政府部门的大概工作方向了：

交通可视化场景

数据可视化的工作，让专业人员更高效的使用数据，让普通人更容易的理解数据。