数据可视化起源于图形学、计算机图形学、人工智能、科学可视化以及用户界面等领域的相互促进和发展，是当前计算机科学的一个重要研究方向，它利用计算机对抽象信息进行直观的表示，以利于快速检索信息和增强认知能力。
数据可视化到底能干什么呢?数据可视化系统并不是为了展示用户的已知的数据之间的规律，而是为帮助用户通过认知数据，有新的发现，发现这一些数据所反映的实质。
从技术上来说，大数据可视化的实施步骤主要有四项：需求分析，建设数据仓库/数据集市模型，数据抽取、清洗、转换、加载(ETL)，建立可视化分析场景。
需求分析是大数据可视化项目开展的前提，要描述项目背景与目的、业务目标、经营事物的规模、业务需求和功能需求等内容，明确实施单位对可视化的期望和需求。包括需要分析的主题、各主题可能查看的角度、需要发泄企业各方面的规律、用户的需求等内容。
数据仓库/数据集市的模型是在需求分析的基础上建立起来的。数据仓库/数据集市建模除了数据库的ER建模和关系建模，还包括专门针对数据仓库的维度建模技术。维度建模的重点是明确下面四个问题：
数据抽取是指将数据仓库/集市需要的数据从各个业务系统中抽离出来，因每个业务系统的数据质量不同，所以要对每个数据源建立不同的抽取程序，每个数据抽取流程都需要用接口将元数据传送到清洗和转换阶段。
数据清洗的目的是保证抽取的原数据的质量符合数据仓库/集市的要求并保持数据的一致性。
数据转换是整个ETL过程的核心部分，主要是对原数据来进行计算和放大。数据加载是按照数据仓库/集市模型中各个实体之间的关系将数据加载到目标表中。
建立可视化场景是对数据仓库/集市中的数据来进行分析处理的成果，用户能借此从多个角度查看企业/单位的运营状况，按照不同的主题和方式探查企业/单位业务内容的核心数据，从而作出更精准的预测和判断。
邮箱：、（内容合作）、463652027（商务合作）、645262346（媒体合作）我知道了×个人登录