对数据可视化的需求正急剧增长。一部分原因是更多的公司正在寻求通过对大数据分析来获得可视化的业务洞察力。然而分析师表示，要获得数据可视化的成功往往要求对如何给业务用户展示信息有新的思考，尤其是在大数据环境中。

　　根据TDWI 2010年的调查结果，数据可视化工具，让用户能创建图表且常常与数据集交互，它对改进公司商业智能、提高生产效率有极大贡献。

　　2010年BI实践者和业务用户的在线调查显示，74%的参与者说数据可视化对组织获得业务洞察力的影响是“非常高”或“高”，而另外23%的人说可视化技术对BI进程有着“一般”的影响。

　　调查也表明，使用数据可视化工具有益于促进BI仪表盘的广泛使用，一般而言，仪表盘是人们比较愿意采用的可以访问和察看图表、地图、图形及进行其他可视化的方法。最近TDWI开始研究数据可视化软件和大数据分析之间日益增长的相关性。

　　“研究表明，高级数据可视化是位于第一象限的区域，这个区域的用户期望购买和使用更多的工具进行大数据分析，”TDWI的数据管理研究总监Philip Russom说：“我们正在寻求高级可视化和分析之间的正相关性，假设这两方面是相互作用的。”

　　高效的数据可视化是从大数据分析投资中获得价值的关键，可视化分析咨询公司Freakalytics的共同创始人Stephen McDanie支持这个观点，他最近在大数据分析TWDI论坛上说，在开始投资可视化大数据分析项目之前，组织一定要考虑实际操作上的限制。

　　为数据可视化工具寻找大数据集合

　　如果用数据可视化工具做图，数十亿的的数据点可能不是一个有效的起点。“一般的显示器桌面上只能显示200000个点，”他解释说：“如果用比较高级的显示器，几百万个点也是可能的。但几乎都无法显示近十亿记录。”寻求可视化大数据集的组织可以根据特定用户的需求，通过聚集数据或排除不必要的数据点来克服这个限制。

　　McDaniel说，选择有效的图表并合理设计仪表盘非常重要。要有设计优良的管理仪表盘，即便只是显示很少的数据也是如此，业务执行人员和其他最终用户应该能下钻以进行任意查询，找到他们想要的答案。

　　此外，Russom建议对大数据分析结果进行可视化时，如果要忽略或排除一些数据点，一定要三思。例如，客户会花比较多的时间关注那些反常的事例。关注这些例外信息，可以帮助组织完成欺骗检测和识别高消费的新客户这样的任务。

　　“如果清洗数据，就可能会丢失一些你正在寻找的新事例。”他解释道，其结果是你可能丢失了“从分析的视角看是有价值的东西”。

　　尽管数据可视化技术越来越流行，但还是有些常规的缺点需要考虑：大多数人都没有学过如何正确地使用数据和图表来“讲故事”，他们常常创建图表、图形或进行其他可视化，但又往往因很难理解 而不能达到目的。

　　数据可视化的问题：信息太多

　　McDaniel说，克服这个问题的最好的方式是：关注要回答的问题，尽可能让可视化越简单越清晰越好。“你不仅要展现出数据，而且还要跟业务赞助人和业务用户解释其含义，否则就很难真正成功，”他说：“你自己有多好的想法并不重要。”

　　使用数据可视化工具的用户常犯的另一个错误是：用错误的图形讲故事。例如，McDaniel说，“大量研究表明”用柱状图比饼图更有效，部分原因是因为柱状图能显示更多的数据点。“我做了一个柱状图，在图中你可以看到50个柱并可以实际地解释其含义。”

　　McDaniel谈到的另外一个错误是小题大做——使用不必要的3D图形、弹出式、动画或其它效果，完全掩盖了可视化的数据所代表的含义。

　　“可视化分析之所以重要，其原因是使对数据迭代的提问成为可能，”他说：“虽然3D图形看上去很酷、很有趣，用户也会比较喜欢，但事实证明，我们并没有很好地处理或理解它们。”

　　Freakalytics 的共同创始人、数据可视化顾问Elaine McDaniel补充道，增加业务和IT之间的沟通，这是确保可视化表示出来的数据有效的最好方式。 多问问他人的观点，获得反馈，把他们的观点汇总起来，让人们一起工作。从我们已经做了多年的业务分析看，最大的诉求点还是业务人员与IT人员不能很好地沟通的问题。

　　参会人员James MacGillivrary是一个农业公司的BI架构师，他很认同这个观点：在实现数据可视化或大数据分析项目之前，多花些时间从业务用户获得正确的需求，这是非常重要的。

　　MacGillicrary说：“我们常常是努力构建系统，以为用户自己就会使用。这是错误的方法。正确的方法是，应该让业务用户主导项目，因为我不想主导，我只实现它。”