1. 什么是数据可视化
- 基本定义：将结构或非结构数据转换为可视化图表，使数据中的信息直观展现
- 表现形式：文字、报表、图片等多种形式，其中图表是最核心的展示方式
- 优势特点：
- 内容更丰富直观（"文不如表，表不如图"）
- 比文字说明更具客观性和说服力
- 单张图表可替代大量文字描述
- 常见图表类型：
- 传统类型：饼图、柱状图、折线图
- 流行类型：气泡图、面积图、地图、词云、瀑布图、漏斗图、GIS地图
- 专业分类：
- 科学可视化：最早出现，关注三维现象（气象学、生物学等）的体/面/光源渲染
- 信息可视化：科学可视化的演变形态
- 可视化分析：信息可视化与科学可视化的结合，侧重交互式分析推理
2. 科学可视化
- 定义：处理科学数据，面向科学和工程领域的可视化技术，研究带有空间坐标和几何信息的三维空间测量数据、计算模拟数据和医疗影像数据。
- 核心特征：重点探索如何有效呈现数据中的几何拓扑和形状特征。
- 发展历史：最早且最成熟的跨科学研究与应用领域技术之一，1980年代开始应用于医疗（CT扫描）、科研航天和军事（雷达图）等领域。
- 应用领域：主要面向自然科学领域，包括物理、化学、航天、气候、医学生物等特定专业领域。
3. 信息可视化
- 与科学可视化的关系：可视为科学可视化的分支或演变形式。
- 处理对象：非结构化、非几何的抽象数据（如金融交易、社交网络、文本数据）。
- 核心挑战：针对大尺度高维数据，减少视觉混淆和对有用数据的干扰。
- 业务应用：不同于简单数据堆叠，需要对数据进行二次加工处理（如员工数据分析案例：工龄排序、薪资极值筛选等）。
- 典型区别：科学可视化面向自然科学领域，而信息可视化处理其他所有领域的数据展示需求。
4. 可视化分析
- 学科定位：科学可视化与信息可视化结合的产物，形成"可视分析学"新学科。
- 价值核心：数据分析结果的价值高于原始数据本身，能反映问题或预测趋势。
- 与信息可视化的区别：
- 信息可视化偏向展示（如数据大屏、BI报表）
- 可视化分析偏向数据+任务导向的分析
- 知识体系：
- 理论层面：需掌握人类认知学知识
- 实践层面：需理解具体业务逻辑和数据分析思路
- 完整数据处理流程：
- 数据接入（多源数据获取）
- 数据整合（结构化/非结构化处理）
- 数据处理（清洗过滤无用数据）
- 数据分析（专业分析过程）
- 可视化展示（图表转化分析结果）
- 数据呈现（图文混合的最终报表）