大数据可视化需要避免的3个问题

对于如何梳理清目标，取得更好的成绩，避免常见的可视化的错误，建议如下：

最近有很多人在谈论数据可视化的话题。——几乎同关于大数据的谈论一样多。我们被告知，可视化是了解数据的最佳方式(或唯一的方法)，而且如果我们不可视化的话，我们就会落伍。

可视化是增加和分享自己见解的一个伟大的方式，但许多大数据的团队正在以错误的方式来进行可视化。怎么能做错了呢？原来，有几种方式可以破坏数据的可视化。让我们来看看几个最常见的错误。

错误1：显示所有的数据

尽管你曾经在学校里被告知，大多数人并不关心是否能看到你的工作。他们不关心你每天处理多少数据或有多大Hadoop集群。客户和内部用户需要得到 具体，相关的答案，而且得到的越早越好。你能给他们提供的答案与他们想要的越接近，他们在寻找答案时就越省力。页面上的不相干信息越多他们寻找相关答案时 就越费力。不相关的数据(无论多么有效)就是噪音。

在仪表板上的噪音尤为普遍，其中的指导理念往往是“显示所有的绩效指标。”但大部分绩效指标是正常(和乏味的)，不值得一提。显示一切的正常指标使得不正常的指标更易隐藏。

一个更好的仪表盘的方法是只显示有趣或重要的指标。优先考虑什么是重要的，什么是意想不到的，什么是可行的，并且淡化其它的一切。深入挖掘数据也很重要，但仪表盘不是展示这些东西的地方。广泛的概括非可操作的数据较报告来说会更容易处理一些。

错误2：显示错误的数据

这个错误是同第一个错误一样危险。显示信息的子集是好的，只要数据之间是相关的。比如说，如果你关心销售，您可能还关心每个区域的销售以及销售随着时间推移所发生的变化。考虑如何使用这些数据来作出决策。

显示一些密切相关的图表可以作为在一个图表中显示过多的信息，和并没有显示出足够信息之间的一个很好的折衷。几个干净，清晰的图表通常比单一、复杂的数据的可视化更好。

错误3：数据表示不佳

即使在你以正确的数据绘图时，你仍然可能犯错误，大多数奇特的图形类型都很少见到，因为它们并不好用。大部分的可视化需求，可以通过条形图和折线图，散点图，以及(如果干得好)饼图来处理。

想想数据字段之间的重要关系，并考虑在轴上标出这些字段。先按类别，然后按时间或重要性或大小来给数据字段排序。(在没有其他标准时，字母表是最有用的)。使用颜色类别，而不是等级;你可以使用亮度和饱和度来说明等级。使用标签和其他标记选择性地引起人们关注而不会搞乱。

好的设计是：预先思考和规划

避免这些错误的最好办法是，首先专注于你的目标。在考虑你应该呈现出什么样的视觉效果之前先按以下顺序考虑这些问题。

你需要启用什么样的行动(或我们所关心的)？

你需要通知什么决定(以及我们将要怎么办)？

你需要问什么样的问题？

你需要看到什么样的数据？

什么是揭示数据中的重要关系的最佳结构？

你需要突出什么样的数据？

当你回答这些问题时，就可以开始使用正确的数据来设计和实施正确的视觉效果。可能你必须做出一些改变。这是一件好事。反复，测试，尝试不同的方法，测试更多的方法，并再次重复。一个深思熟虑的，面向用户的设计方法将产生有效的，高效的，有用的可视化数据。