1.3 大數據可視化的分類

數據可視化的處理對象是數據。根據所處理的數據對象的不同，數據可視化可分為科學可視化與信息可視化。科學可視化面向科學和工程領域數據，如三維空間測量數據、計算模擬數據和醫學影像數據等，重點探索如何以幾何、拓撲和形狀特征來呈現數據中蘊含的規律；信息可視化的處理對象則是非結構化的數據，如金融交易、社交網絡和文本數據，其核心挑戰是如何從大規模高維復雜數據中提取出有用信息。

由于數據分析的重要性，將可視化與數據分析結合，可形成一個新的學科：可視分析學。

1.3.1 科學可視化

科學可視化是可視化領域發展最早、最成熟的一個學科，其應用領域包括物理、化學、氣象氣候、航空航天、醫學、生物學等各個學科，涉及對這些學科中數據和模型的解釋、操作與處理，旨在尋找其中的模式、特點、關系以及異常情況，如圖1-7所示是一個化學實驗結果可視化的例子，我們可以很直觀地看出1.0mol/L的鹽濃度下吸光度（Absorbance）隨光的波長（Wavelength）的變化趨勢，以及吸光度達到峰值時具體的波長數值。

科學可視化的基礎理論與方法已經相對成熟，其中一些方法已廣泛應用于各個領域。最簡單的科學可視化方法是顏色映射法，它將不同的值映射成不同的顏色，熱力圖就是其中一種，如圖1-8所示?？茖W可視化方法還包括輪廓法（Contouring），輪廓法是將數值等于某一指定閾值的點連接起來的可視化方法，地圖上的等高線、天氣預報中的等溫線都是典型的輪廓可視化的例子，如圖1-9所示。

1.3.2 信息可視化

與科學可視化相比，信息可視化的數據更貼近人們的生活與工作，它包括地理信息可視化、時變數據可視化、層次數據可視化、網絡數據可視化、非結構化數據可視化等。

常見的地圖是地理信息數據，屬于信息可視化的范疇?，F在很多地圖不僅僅有地理信息，還有很多其他信息，如交通流量數據等。如圖1-10所示，這是谷歌感恩節航班動態地圖的一張截圖，在給定時間內，將太空中移動的物體進行了可視化，由Google趨勢提供支持。該趨勢跟蹤了感恩節前一天飛往美國的航班，隨著時間的推移像電影一樣播放，顯示在全美各地移動的航班。在沒有顯示任何數字的情況下，觀眾可以看到一天中哪些時段更適合國際航班、國內航班以及往返全美不同樞紐的航班。

時變數據可視化采用多視角、數據比較等方法體現數據隨時間變化的趨勢和規律。如圖1-11所示，在這個案例中，每一條線的灰色代表一個人原來可以活到多少歲，但因為某種原因卻提前死亡了，死之前用桔色表現。每條線條的顏色匯集在一起，從而直觀地表現出因為某種原因死亡的多是中青年。

在層次數據可視化中，層次數據表達各個個體之間的層次關系。樹圖是層次數據可視化的典型案例，樹圖是對現實世界事物關系的抽象，其數據本身具有層次結構的信息。

在網絡結構數據可視化中，網絡數據不具備層次結構，關系更加復雜和自由，如人與人之間的關系、城市道路連接、科研論文的引用等。

非結構化數據可視化通常是將非結構化數據轉化為結構化數據后，再進行可視化顯示。

1.3.3 可視分析學

可視分析學被定義為一門以可視交互界面為基礎的分析推理科學，它綜合了圖形學、數據挖掘和人機交互等技術。可視分析學是一門綜合性學科，與多個領域相關：在可視化領域，與信息可視化、科學可視化、計算機圖形學相關；在數據分析相關的領域，與信息獲取、數據處理、數據挖掘相關；在交互領域，則與人機交互、認知科學和感知等學科融合。

可視分析學所包含的研究內容非常廣泛，如圖1-12所示。其中，感知與認知科學研究在可視化分析學起到重要作用；數據管理和知識表達是可視分析構建數據到知識轉換的基礎理論；地理分析、信息分析、科學分析、統計分析、知識發現等是可視分析學的核心分析方法；在整個可視分析過程中，人機交互必不可少，用于控制模型構建、分析推理和信息呈現等整個過程；可視分析流程中推導出的結論與知識最終需要由用戶傳播和應用。

可視化分析的含義包括可視化和預測性分析兩部分。信息可視化的目的是回答“發生了什么”和“正在發生什么”，這與商務智能（如日常報表、計分卡、儀表盤）有密切聯系。而可視化分析主要回答“為什么會發生”和“將來可能發生什么”，與業務分析（如預測、分割、關聯分析）有關。許多數據可視化供應商都在產品中加入了相關功能，使它們可以被稱為可視化分析供應商。比如，最著名的、創立最久的數據分析提供商SAS，將分析技術嵌入一個高性能數據可視化環境中，稱之為可視化分析。