工业大数据可视化难点

佚名

步入大数据时代，各行各业对数据的重视程度与日俱增。随之而来的是对数据整合、挖掘、分析、可视化需求的日益迫切，数据可视化呈现出越来越旺盛的生命力。如今在一些行业，数据可视化已经成为日常办公、应急处理、指挥调度、战略决策必不可少的一部分。

面对这股热潮，不少大屏企业也纷纷推出了大屏数据可视化系统或平台方案。由于各自理解不同，推出的系统或方案也是不尽相同。有的认为只要大屏幕能够接收显示各种数据就是可视化了;有的则表示，软件才是数据可视化的核心。

这些看法对不对呢？对，但又不全面。数据可视化，是指借助于图形化手段展示大数据分析结果，使数据清晰有效的表达，使人们快速高效的理解并使用，它集成了数据采集、统计、分析、呈现等多环节。不同行业的数据可视化可能有不同的呈现形式，但最终的目的都是挖掘出数据深层次的含义。

什么是大数据可视化

事实上，上面的解释还是有些过于笼统，而且针对性不强。对于企业来说，大屏原来的重点在于显示，主要关注画面的清晰度、对比度、一致性、显示和接入信号的多样性等。接入数据可视化后，不仅要有显示能力，至少还要具有把过去用语言、用数据、用想象力表达的内容，通过图形、图表等形式显示出来，这样才能称之为可视化。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，而是为了帮助用户通过认知数据，有新的发现，发现这些数据所反映的实质。

数据可视化技术第一代应该是报表软件，通过报表系统能够把复杂的数据整理成规则的表格，并且能够配以漂亮的图形，比如柱图、饼图、折线图等。

第二代当属BI（Business Intelligence）了，BI比起简单的报表又更进了一步，它已经不单单是一个工具软件，而是一套完整的解决方案，可以将企业中现有的数据进行有效的整合，快速准确地提供报表并提出决策依据，帮助企业做出明智的业务经营决策。

进入大数据时代，数据可视化这个说法慢慢地流行起来，究其原因，一个是大数据的展示比起以前的数据展示有不同的地方，最大的难点就是面对如此巨大的数据，如何比较好地展示给用户。

另一个是随着近几年技术的发展，可以通过更多的形式，例如三维模型、动画、视频、动态交互式页面、手机APP等将数据以展示、推送、提醒、互动等模式提供给用户，其复杂度上升了一个数量级。渐渐地，数据可视化就成为一个专门的领域，成为大数据时代的一个研究分支，无数优秀的工程师和设计者为这个领域作出了贡献。

大数据可视化系统 需要具备的条件

一个真正的大数据可视化系统，需要具备以下条件：

管数据  从数据采集、清理、整合方面，能提供完整的系统工具平台。支持各种类型的数据接入、灵活设置数据清洗规则、采用合理的数据管理模型整合数据，帮助企业很好地管理数据。

看数据  提供可视化的数据展示设计工具，能够实现各类业务指标的规格定义，支持各种可视化展示组件，可以快速实现基础数据、业务指标、可视化展示的设计应用，能够直观地看懂理解业务数据。

用数据  这是数据可视化平台的核心。数据可视化不能只是简单的图形化，更重要的是能够发现业务潜在的风险、价值。能够支持业务规则、算法模型的嵌入应用，对数据进行挖掘分析，再通过可视化手段展示分析结果，真正能用数据驱动业务。

业务服务  数据可视化平台是为客户的生产业务提供服务的，所以平台需要能够实现业务的监控、预警、分析、处置的能力。

技术服务  平台是要具备灵活的编辑、设计能力，从数据管理、指标定义、可视化展示能够通过可视化的实施工具灵活自定义，用户就可以根据自己的需求设置数据可视化的分析展示。

平臺支持  数据可视化平台要能够支持Windows、Android、ioS系统，满足拼接屏、液晶屏、PC、移动端的灵活应用。

由此可见，在数据可视化大屏系统中，数据的挖掘、分析及呈现，是数据可视化环节中的关键，同时也是区别一个大屏系统是否是真正的数据可视化系统的判断标准。如何提升底层算法进而将用户行业海量数据真正用好，为用户提供更好的管理、调度和决策支持是大数据可视化系统成功的关键。

工业大数据可视化的难点

相对而言，大数据可视化在纯技术上的问题反而不是问题的关键，比如三维建模技术、图表自动生成技术、数据检索技术等。可视化更多的是对用户和业务的理解，以及在这个基础上对数据的深刻认识。

具体到工业大数据领域，它的可视化又具有自己独特的特点，呈现出与互联网大数据可视化不同的难点和方向。具体来说，工业大数据可视化有以下几个难点：

1.数据量呈现海量趋势，且更新频率极高。由于工业大数据主要来源于传感器的数据采集，因此其数据量相比传统互联网大数据只多不少，而且，它的更新频率极高，传感器按照恒定的频率快速更新。

在这种情况下，如何保证监控页面的数据实时更新，还能够让监控人员看数据的变化，就是需要研究的问题。当某个数据每秒更新10次，那么，屏幕上的数字直接变化就是无意义的，因为监控人员一个数字都看不到。如何兼顾数字的更新频率与视觉效果，就成为可视化的第一个难题。

2.大量的监控点，无法进行有效地显示。一台普通的设备，可能就有上百个传感器，再加上相关的视频、环境、人员等监测，可能会有几百个监测数据是这个设备需要的，那么，这么多的数据如何在有限的屏幕上进行排列，如何取舍，成为可视化的第二个难题。

3.整体与局部如何有效结合。一个企业会有许多下属的分子公司，下属企业又会有车间、工作面等不同的工作场景，每个工作场景又会有许多设备。这样层层嵌套的可视化局面如何比较好地结合，在保障使用人员看到整体的时候，还能同时关注到局部的数据变化，是可视化的第三个难题。

4.局部与细节如何兼顾。在一个局部的数据展示中，我们还希望看到数据的细节，包括相关的数据、历史的数据、异常的数据、数据的趋势、数据的预测等内容，能否把握好局部与细节的展示关系，是可视化的第四个难题。

5.如何实现工业数据的有效检索和有效推送。也就是常说的“数据找人”，在互联网企业，利用大数据分析用户的使用习惯和兴趣爱好，寻找其感兴趣的话题进行推送已经是常见做法了，但在工业大数据领域，如何实现？一个报警信息，推送给谁？当前还是靠提前设好的规则，未来能否实现智能化，怎么实现，相关的应用还是比较少，这是可视化的第五个难题。

6.如何将数据转化为有效的信息提供给用户。举个生活中的例子，某路口实时车流100辆/分钟，这是数据，“严重拥堵”，这是信息。能否很好地将数据转化为信息是可视化的第六个难题。

虽然数据可视化在企业中热度不小，但目前真正做得深入、做得有特色的并不多。因为这需要付出不少资金和时间的投入，同时目前很多行业用户也并没有意识到数据可视化带来的价值，除了电力、公安、交通等少数几个热门行业具有相对广泛的应用，其他行业还只是停留在简单的人工统计数据、绘制表格阶段。

因此，现在看来一些大屏企业还是停留在卖硬件、卖屏幕的思维阶段，数据可视化还仅仅只是口号而已，并没有真正有效实现数据的可视化。不过还有一些前瞻企业认识到数据可视化是必然趋势，卖硬件的路会越走越窄，开始慢慢深入研发，做出具有自己特色的数据可视化方案。