amumuum的博客

大数据和数据可视化为什么这么受欢迎？

一文让你看懂什么是内容可视化

一些好的数据分析、数据挖掘的网站或数据学习网站。

易知微基于自主研发的EasyV低代码可视化平台，在多年的数据可视化项目实践中，形成了一套成熟的可视化项目方法论，主要分为以下五个步骤……

打造“一图一库五场景”，构建数字孪生数据底座

易知微作为协会新成员受邀请参加此次会议，会上积极与来自全国各地的数字孪生行业专家及成员单位就委员会未来工作计划及数字孪生发展趋势与升级进行深入交流探讨，并被协会授予成员单位证书。​

此次入选既是对易知微现有实力的认可，也是对易知微不断前行的鼓舞。未来，易知微将继续坚持平台和生态开放战略，和众多行业伙伴融合共生，一起让数字化看得见。

此次EasyV官网升级，我们以“人”为本，围绕“体验升级”、“品牌价值”、“决策效率”三个方面开展体验设计工作，以帮助广大用户更好地了解EasyV数字孪生可视化能力以及选择适合自己的产品版本。

「邀好友，领时长」福利来啦！

数据可视化设计规范

VE.Design可视化设计体系正式开源

依靠数字孪生平台，将传统社区与互联网进行融合，运用“智慧社区可视化大屏”，实现一张智“网”管全域，打造专业、高效的社区管理、运营、服务一体化平台！

摘要：任何新概念的出现，在数字化领域的涌现与传播都是一个大浪淘沙的过程。回顾过去20-30年制造业的数字化发展进程当中，数字技术所带来的行业变化最重要的之一就是制造系统的信息传递在产品的整个生命周期内如何去传递和共享。从纸张开始到互联网2D，再到基于虚拟仿真的数字孪生技术，几十年来人们不断地去构筑一个愈发真实的数字世界。一、相关背景及概念解析今天，数字孪生来到了一个新的时间节点，这是基于传感器、智能装备、工业软件、工业互联网、IoT、云计算的成熟以及更广泛的商业实践积累。根据Gartner的分析报告.

大家好，这里是EasyV数字孪生可视化的可视化设计师 - 元宝来填坑了????，这是最近几天写的关于“数据调研”的文章。????写在前面▶︎ 因为我是设计师，所以这是一篇设计师视角下的关于数据调研的心得，不够专业之处，欢迎指正交流～▶︎ 文风平易近人和蔼可亲????，????严肃若无单独说明，配图均来自个人制作或EasyV平台一、????为什么要做数据调研上理论：▶︎ 可视化=装盘，数据=菜▶︎ 菜有多有少，有干有汤，有长有短，如果你不知道菜啥样，你就装不好盘▶︎ 避免“无中生有”

信息作为资产仍处于“早期采用”阶段，这使其成为专注于数字化转型的领先组织的竞争优势。反过来，数据和分析成为战略重点。数据和分析是组织数字化和转型工作的关键加速器。然而如今，只有不到 50% 的企业战略提到数据和分析是交付企业价值的基本组成部分。每个行业的领先组织都将数据和分析作为竞争武器。Gartner 预测，这将很快改变。到 2022 年，90% 的企业战略将明确提到信息是一项关键的企业资产，而分析则是一项基本能力。“一家公司在新兴数字经济中的竞争能力将需要更快节奏的前瞻性决策，” Gartn

数据分析是 21 世纪最热门的工作之一。但究竟什么是数据分析，数据分析师究竟在做什么？在本文中，对数据分析进行了清晰的、以职业为中心的介绍。我将把数据分析师相关所有需要了解的知识分享给大家：什么是数据分析？数据分析师实际上是做什么的？数据分析师遵循哪些任务和流程？数据分析师需要哪些技能？数据分析师使用哪些工具？总结1.什么是数据分析？以最简单的形式，数据分析是从无序信息中提取意义的过程。通过系统地探索数据的模式和关系，数据分析师寻求使用这些数据找到有用的见解。但是什么算作数据呢？

量化风险是制定重要业务决策的重要组成部分。大多数企业组织通过以前的经验和业务敏锐度来评估风险。由于它不是基于精确的科学，因此这种风险评估方法将是不准确的。错误会导致生产成本增加、交货延迟等问题。因此，对于企业来说，使用数据分析进行风险评估至关重要。如果你不知道从哪里开始，本文有一些有关使用商业智能或数据分析进行正确风险评估的指导。一、风险评估中数据分析的范围应该是什么？监管机构确定风险评估的范围。每个国家和地区都会有其创建、使用、可访问性、存储、保留和销毁的合规性法规。同样，有不同类型的业务组织产生不

如果你曾经使用过Excel，那么你可能已经经历了选择不正确的公式来分析数据集的痛苦。也许你花了几个小时来研究它，但因为数据输出错误、或者功能太复杂了，最终还是以失败告终。如果听起来像你，那么接下来Excel15种数据分析功能很可能适合你。Excel中有数百种功能，试图将正确的公式与正确的数据分析进行匹配可能会让人不知所措。最有用的功能不必太复杂。十五个简单的功能将提高你分析数据的能力！1.连接CONCATENATE是进行数据分析时最容易学习但功能最强大的公式之一。将多个单元格中的文本，数字，日期和更多

一、你在工作中是否会为了如何选用可视化图表而苦恼？在企业大数据、后台管理面板、金融行业等与数据有关的UI设计中，数据可视化设计是必不可少而且非常重要。但是很多设计师不懂可视化当中不同用途的图表规范，只是为了设计出好看的数据图表，在不停的寻找设计灵感参考，最终发现了即使有漂亮的可视化数据图表，但却不能用在自己的项目上非常可惜。为什么会出现这样的情况呢？原因其实无非就是：设计师除了自身比较少接触数据设计外，就是对可视化的设计规范不了解。如果您了解一些数据图表的相关设计规范，知道什么数据用什么图表，知道

「数据可视化」2021年数据和分析主管应该关注的十大技术趋势：根据Gartner的报告，数据分析市场，更具体地说是商业智能市场，到2023年，超过30％的大型企业将安排分析师从事决策情报工作，包括决策建模。组织越来越多地利用机会来利用设备生成的流数据，以做出更快，相关且实时的决策。数据分析将包括BI和数据分析平台的云部署，这有可能降低拥有成本并有助于快速部署。因此，根据Gartner的说法，到2020年，大多数新许可证购买将在云部署中进行。BI和Google Analytics（分析）领域将引起人们

随着当前企业的信息化能力越来越强，数据可视化对于企业而言不再是单一的展示数据，更多的需要和企业的业务相联系，为企业决策提供强有力的支撑。“领导驾驶舱”近几年特别火，它是基于ERP的决策支持系统，通过数据可视化技术来帮助管理者全局掌握企业实时运营状况，更精准地做决策，促进业务的发展。以驾驶舱的形式，通过各种常见的图表来展现企业运行的数据，让用户直观的掌握企业运营情况；对于数据进行实时监测，并可以对异常关键指标预警和挖掘分析。对于领导驾驶舱的争议也是有的。一些企业在已有的管理信息系统基础上，给高管架设

之前我的很多文章都在描述数据可视化对企业管理或者是个人数据分析的作用，但是实际上数据可视化的用途不仅仅如此。从社会层面上看的话，数据可视化还可以帮助我们来进行社会治理和公共健康保障。比如当数据可视化融入GIS技术后，可以帮助我们改善面对自然灾害响应操作的方式。近年来，自然灾害一直以层出不穷的强度和频率摧毁我们人类的家园。国内每年夏天的洪涝灾害一直困扰着长江流域地区，每年夏天微博上关于洪涝的热门新闻也是层出不穷。以今年重庆为例，面临了40年来最大洪水侵袭，长江2020年“第5号洪水”大幅超过保证水位，

当企业企业拥有大量数据时，如何从数据中分析和提取出有助于商业成功的信息，是企业取得成功的主要动力之一。虽然我们每天产生大量的数据，但实际上只对0.5%的数据进行分析，然后用它进行数据发现、改进和情报处理。看起来似乎很少，但仅仅是5%的数据对于工作人员来说也是一个巨大的数据量，因为一个企业所产生的数字信息量是非常大的。在数据量大，时间短的情况下，知道如何收集、管理、组织和了解所有这些可能有助于商业发展的信息对于数据分析人员来说确实是一个不小的挑战。所以本篇文章就针对如何挖掘数据分析的潜力，理解它的意义，

一、前言上一篇文章中，我们已经系统阐述了数据可视化的定义、什么是好的数据可视化？以及数据可视化设计的第一原则——信；第二原则——达。今天，我们先阐述最后1个数据可视化的基本原则——雅。二、数据可视化第三基本原则——雅数据可视化第三基本原则——雅，即设计能够让人赏心悦目的可视化。如果说，“信”和“达”的就算是初学者也能够通过约束和个人努力实现，那么“雅”的实现就需要经过长期的沉淀和美学熏陶！这里，笔者就带大家来鉴赏一些能称得上“雅”的数据可视化作品：1. 色彩和密度的有序交织看看下面这张图，是

一、前言上一篇文章中，我们已经系统阐述了数据可视化的定义、什么是好的数据可视化？以及数据可视化设计的第一原则——信。今天，我们先阐述第二个数据可视化的基本原则——达。二、数据可视化第二基本原则——达数据可视化第二基本原则——达，即可视化设计能够清晰表达信息。下面，给大家提供几个能让你的数据可视化设计实现“达”的方法论：1. 方法一：最大化数据墨水占比首先，我们需要弄清楚，数据墨水、非数据墨水、冗余数据墨水这几个概念。数据墨水，即可视化图形中不可擦除的核心部分；而数据墨水占比即，可视化图形中用

一、数据可视化是什么？此处，引用信息可视化概念的提出者斯图尔特·卡德(StuartK.Card)的理解与定义，他认为理解可视化首先需要区分以下两个概念。感知(Perception)是对感觉信息(Sensory Information)的 组织、辨识 以及解释以便帮助人们理解周围的环境认知(Cognition) 是一组心理过程，这个过程包括倾注注意力， 记忆，产生和理解语言，解决问题及作出决定通过上述概念，我们不难看出，感知更多是解释、帮助人们理解周围的环境，它停留在认识的层面；而认知除了包括固有

一、前言上几期文章中，我们已经了解到“数据”是一个庞大的体系（如下图所示），并用了菜市场的例子，为大家讲解数据来源的含义；用买菜的例子，为大家讲解数据采集的步骤；用洗菜、择菜的例子，为大家讲解数据清洗的方法…而今天主要给大家讲解，我们学会做菜以后，怎样把烹饪方法简单易懂的传授给他人，即数据可视化的过程。二、可视化图表的选用原则（参考麦肯锡系列书目——《用图表说话》）先上图表选取原则干货（见下图），下面我们再针对每个表格的使用进行逐一讲解！图片来源——公众号【高端商务报告】1. 成分类（

一、前言上几期文章中，我们已经了解到“数据”是一个庞大的体系（如下图所示），并用了菜市场的例子，为大家讲解数据来源的含义；用买菜的例子，为大家讲解数据采集的步骤；用洗菜、择菜的例子，为大家讲解数据清洗的方法…而今天主要给大家讲解，我们学会做菜以后，怎样把烹饪方法简单易懂的传授给他人，即数据可视化的过程。二、数据可视化——图表使用的基本原则1. 条形、柱状图从零开始条形图、柱状图的图表展示原理其实很简单，依靠长度来直观的显示判定值的大小和变化趋势，而当基线改变时，这就会扭曲你的视线，给你造成错觉和

使用数据可视化来进行数据分析的过程是“获取无聊的平面数据，并通过可视化将其变为现实。” 但是，在数据分析的过程中很多人开始敏锐地意识到可视化有可能会变成让数据以错误的方式呈现，甚至有的人开始提出：“可视化经常被用来扰乱数据分析过程。”在我们互联网信息快速发展下，数据比以往任何时候都更加丰富和可通过互联网随时访问，但是当组织发布有误导性的数据可视化（有意或无意）分析时，人们对数据分析结果的信任感就会大打折扣。所以在使用数据可视化分析的过程中，我们需要注意到哪写设计因素会让可视化产生误解，或者是什么样的方式

一、前言上一期文章中，我们已经了解到“数据”是一个庞大的体系（如下图所示）；并用了“洗菜、择菜”的例子，为大家讲解数据清洗的含义；而今天笔者主要给大家讲解当净菜备好后，如何对净菜进行加工烹饪，让它变成有价值、有意义的美味佳肴，即数据挖掘的过程。二、数据挖掘（烹饪）数据挖掘是对既定的“净数据”进行加工利用的过程，我们可以把它看作是烹饪加工的过程。而数据挖掘是有一定规则和相应模型的，这一点我们也可以通过一个类比进行理解。清洗后的高质量数据就像是“净菜”，而数据挖掘模型就像是各种“菜系”，我们知道，就

一、前言上两期文章中，我们已经了解到“数据”是一个庞大的体系（如下图所示）；并用了菜市场的例子，为大家讲解数据来源的含义，用买菜的例子，为大家讲解数据采集的步骤；而今天小陈主要给讲解，我们“买完菜”以后，怎样进行择菜、洗菜，即数据清洗的过程。二、数据清洗（择菜、洗菜）想一步步了解数据清洗究竟是怎样如何运作的，首先我们需要明确数据清洗的概念是什么？1. 数据清洗的基本概念与重要性数据清洗——重新检查和验证数据的过程，旨在删除重复信息，纠正现有错误并提供数据一致性。以上，是百度百科对数据清洗的概念

一、前言上一期文章中，我们已经了解到“数据”是一个庞大的体系（如下图所示）这篇文章把数据讲透了（一）：数据来源；并用了菜市场的例子，为大家讲解数据来源的含义；而今天小陈主要给大家到了指定“菜市场”后，我们怎样“买菜”，即数据采集的过程。二、数据采集（买菜）首先，我们先对数据采集的方式进行一个简单的分类介绍，后面分别介绍每一种数据采集形式需要注意的要点。1. 按数据采集方式线下（问卷、实地调研）——注意要点：遵循5大要素！5个要素：1）紧紧围绕研究主题和目的评价一份问卷调查优劣程度的准则中

一、前言我们日常生活中经常会听到这样的问题：你有数据支撑吗？你的数据来源是哪儿？数据噪声大吗？那么这里的“数据”究竟是怎样的存在？百度百科对数据定义很简单：数据（data）是事实或观察的结果，是对客观事物的逻辑归纳，是用于表示客观事物的未经加工的原始素材。而仔细想想，我们日常中所指的数据真的是data吗？其实，我们更多指的是已经形成体系、有逻辑结构和实用性的“数据知识”。所以，我们也不能把数据当作一个简单的概念，但其实“数据”里面还有很多学问。下面先给大家引出四个“数据”相关的名词概念，后面我会

数据可视化是一种非常强大的方式，可用于生成业务见解，由数据驱动的决策。可视化数据的创建方式已经随着时间的流逝而发展，从过去的简单和静态图表，发展到如今的交互式、吸引人的视觉效果炫酷的图表，数据可视化的当前趋势使我们窥见未来的可视化将是什么样的发展形势。1、使用户始终处于数据可视化设计的中心对于某些数据可视化软件，可使用的传统用户界面和数据可视化选择（例如报表、图表和仪表板等）为用户提供了快速上手的机遇，使平台适合用户使用。在传统的用户界面中，该方法通常是“更多数据等于更多价值”，这意味着，如果你不确定用

在过去的十年中，商业智能已经发生了革命性的变化：数据爆炸并变大，我们所有人都可以访问云。Excel表格在更加智能的数据可视化以及交互式业务数据大屏冲击下方面开始呈现倒退趋势，自助服务分析的兴起使数据产品链开始能被大多数人操作和学习。2020年对于商业智能行业来说是特别重要的一年，商业智能领域正在不断发展，新兴趋势值得关注。在2021年，数据可视化分析工具和策略将变得越来越个性化。各种规模的企业都不再问是否需要使用商业智能数据分析功能，而是针对其特定业务的最佳数据分析解决方案是什么。企业不仅仅想要知道

一、项目背景2019年，袋鼠云参与了某工业公司机器运行实况可视化平台的建设，以宏观分析和微观透视相结合，来展示设备的关键数据、运营状态、主要特征特点，实现设备的全景展示、 监控预警，降低决策⻛险，让客户、设备管理⼈员⼀屏知机器，⼀屏览全局。二、方案思路配⾊ - 科技蓝，贴合⼯业主题。质感 - 简约、平铺（突出3d模型）。字体 - 中⽂常规清晰，数字跳脱、突出指标。超好用的数据可视化平台EasyV免费试用 ：点此申请免费试用三、项目演示具体大屏页面：超好用的数据可视化平台EasyV免费试

看了很多介绍数据可视化的文章，但是解释的可能都比较片面，数据可视化的用途在于辅助数据分析，那么数据可视化和可视化分析又具体是什么？在一个日益以数据为主导的世界中，各种各样的用户正在以多种方式收集数据，每一个人都想从他们所有的数据当中了解更多具有价值的信息来辅助企业or个人的管理；而数据可视化和可视化分析就是能够帮助到我们更好的了解或提取数据信息的途径。数据可视化和可视化分析其实是两个新的名词，在中国的发展也不过就是一二十年的时间；很多人可能也是对其的了解停留在字面意思上，对其深入的概念、优势以及数据可视

一、项目背景针对过去很多工厂园区内的运输流程，浪费人力财力，无法实时的更新货物的状态，总会发生运输状态更新延迟、货物破损、货物丢失等一系列的状况。并且因为货物数量的更新不及时，总会导致半车、甚至空车的情况的发生。 袋鼠云致力于将理论与实际相结合，改变原有的运输流程，将运输全过程，从出库到运输路途中的监控最后到经营的地点，全程实时的反馈对货物情况进行监控，做到数据的打通和利用，在最大程度上保证数据的精准性，保证将数据可视化真正的应用到生活中，提高工作效率、减少资源浪费、降低工作成本。二、方案思路智慧园区

大数据时代和大数据分析时代已经来临。到2025年，全球数据领域估计将增长到175ZB。当然，互联网流量只是全球创建和存储的数据饼中的一小部分，其中也包括所有个人和企业数据。如今，整个世界的总数据量介于10至50ZB之间。我们如何处理所有这些数据？通过网络，个人设备，物联网等不断收集数据有什么好处？答案是：“分析以获取见解”。在无尽的数据海洋中的某个地方，存在着问题的答案，这些问题将推动企业、政府和整个社会的未来决策。但是有了这么多数据，应该从哪里开始呢？在本文中，我将向大家介绍大数据分析的基础知识，并

由于要整理的数据太多，因此我们需要从数据中获取更多准确的信息来帮助我们做出决策，那么：你需要知道它是不是正确的数据；你需要根据这些数据得出准确的结论；你需要通过这些结论总结出正确的决策…简而言之，你需要更好的进行数据分析来提高数据分析能力并简化决策。那么以下这5个步骤将会帮助你完成数据分析、制定决策方案：一、步骤1：定义问题在组织或业务数据分析中，必须从正确的问题开始。问题应该是可衡量的，清晰明了的。定义问题，来帮助你获取解决特定问题或机会的潜在解决方案。例如，从一个明确定义的问题开始：政