㈠ 5個常用的大數據可視化分析工具
1、FineReport
FineReport是一款純Java編寫的、集數據展示(報表)和數據錄入(表單)功能於一身的企業級web報表工具，只需要簡單的拖拽操作便可以設計復雜的中國式報表，搭建數據決策分析系統。
2、Echarts
前面說過了，Echarts是一個開源免費的javascript數據可視化庫，它讓我們可以輕松地繪制專業的商業數據圖表。
大家都知道去年春節以及近期央視大規劃報道的網路大數據產品，如網路遷徙、網路司南、網路大數據預測等等，這些產品的數據可視化均是通過ECharts來實現的。
3、FineBI
FineBI是新一代自助大數據分析的商業智能產品，提供了從數據准備、自助數據處理、數據分析與挖掘、數據可視化於一體的完整解決方案，也是我比較推崇的可視化工具之一。
FineBI的使用感同Tableau類似，都主張可視化的探索性分析，有點像加強版的數據透視表。上手簡單，可視化庫豐富。可以充當數據報表的門戶，也可以充當各業務分析的平台。
4、pyecharts
Echarts(下面會提到)是一個開源免費的javascript數據可視化庫，它讓我們可以輕松地繪制專業的商業數據圖表。當Python遇上了Echarts，pyecharts便誕生了，它是由chenjiandongx等一群開發者維護的Echarts Python介面，讓我們可以通過Python語言繪制出各種Echarts圖表。
5、Bokeh
Bokeh是一款基於Python的互動式數據可視化工具，它提供了優雅簡潔的方法來繪制各種各樣的圖形，可以高性能的可視化大型數據集以及流數據，幫助我們製作互動式圖表、可視化儀錶板等。
㈡ 可視化大屏經驗分享
最近在實際項目中積累了一些經驗，以及看到很多大神們的分享，不斷學習和豐富關於大屏設計的特點及數據可視化的表達方式。以下經驗來自於多處資源，希望對有這方面需求的同學有所幫助。
大屏顯示的一些特點：
1.面積巨大——用戶站遠才能看全內容（所以字也不能設計很小）
2.深色背景——緊張感強，讓視覺更好的聚焦，省電
3.不可操作——大屏主要用來給來用戶看的。用戶一般不會直接操作大屏
4.空間局限——大屏不像網頁有滾動條，它的長寬都是固定的
5.單獨主題——每塊大屏都有具體想給用戶表達某個主題
第一步、調查研究
需要調研的點：
1.大屏的主題——這個屏用戶要看什麼信息（要規避哪些信息）
2.數據的權威和准確性——對具體要展示的信息進行數據的核對正常數據是多少，歷史上極限數據是多少?
3.用戶的其他需求點——用戶說要用TOP10，但有時候只是用戶只知道TOP能表達，還有很多形式也能表示TOP的信息
第二步、視覺效果定位（腦暴窮舉、分類去重、投票確定）
緊張：數據的實時，動效的變化
科技：新穎的圖表，新穎的動效
豐富：數據豐富，豐富層次感，圖表類型多，強烈的空間感
權威：安全元素
第四步、數據表現元素
常規數據表現元素：地圖，top10，餅圖，列表，數字，趨勢等。
如果在多個屏上都只放這些元素，展現上會缺乏很多心意，業務差別性也不好體現。所以需要對每個需求再剖析。
第五步、需求分析，數據挖掘
1.拆分維度——將需求拆分到最小維度
2.確定優先——選擇最佳數據來說明觀點
3.合並維度——對維度元素進行歸類，化繁為簡
4.最佳表現——確定用哪種表現形式來體現數據
舉個栗子：
在做這一系列的具體某一個屏時，某業務需要大屏展示的內容：我們的業務針對特定區域的保護，正在實時防禦著世界各地多類型的攻擊。能看到每個攻擊類型的當天累加值和趨勢。
對於這個內容，我們先進行拆分維度。你們能看到多少維度呢？（一定要拆到最小維度）
接著，確定這些維度的主次優先順序。
對這些信息進行相似度歸類，化繁為簡。關聯性最多的維度用同一種顏色表示，畫出所有的關系。
上圖表示，所有的維度互相關系。我們可以發現時間維度和所有的內容都有聯系。
但是時間又是個隱形的內容，大屏上的數據為了表示緊張性，時間如果是實時展現的。那麼這個維度在設計的時候不必要用某個具體的視覺元素來表現，是通過在時間節點上的動效變化來表現的。所以我們把這時間線去掉，並對交錯關系的維度進行位置的調整。
理清邏輯關系，我們最常用的一個方法就是藉助於思維導圖，這樣我們能更加清晰知道業務需求以及數據關聯性。
關系理清楚後，我們接下來可以就行規劃設計了。
第六步、規劃設計
在這塊主要是細節和感受的設計。
1.模塊設計——考慮的模塊縱橫柵格布局設計
2.維度表現——具體維度用什麼表現的確定
3.動效設計——時間的把握和情感的控制
4.數量控制——對實施數據的不可控性進行展現上的控制。考慮數據極端情況效果太密或太疏，如何規避
大屏和其他顯示屏一樣，本身都是有固定解析度的。
拼接大屏 ：大屏幾乎都是拼接屏，UI設計時不用考慮屏幕縫隙影響 內容 的呈現，內容不會丟失，但有可能影響 視覺 的表現，例如一個很大的人物圖像被縫隙正中「劈成」兩半，或者「劈中」了眼睛，看起來很不舒服，所以設計時可以建立縫隙位置的參考線避免類似情況發生。（現在企業常用的有無縫隙、1.7mm縫隙、3.5mm縫隙、三種拼接大屏，縫隙越小越貴）
設計尺寸： 拼接的每塊小屏一般是16:9的高清屏，設計尺寸可以把上下高度設定為1080px，長度按照拼接屏的數量比例得出長度的設計尺寸。例如3乘5的一塊大屏幕，高度3塊屏設為1080，每塊高就是360，360除9乘16等640，640就是一塊屏幕的長度，640乘5塊屏＝3200最後得出設計稿尺寸就是：高1080px乘寬3200px。
第七步、檢查測試
1.重視需求——過一遍需求是不是能夠滿足。
2.實地測試——將效果放上大屏，看是否方便閱讀，動效是否達到預期，色差是否能接受。
3.可信性測試——當自己的講解員，給用戶講解大屏。能否一句話描述大屏，同時用戶能夠理解。
設計大屏一定是一個長期跟進的過程。有很多問題會在真正數據進來了，放在大屏上顯示才能發現。
整個項目的流程
那讓大屏怎麼看起來更炫酷，簡單的總結幾個方法：
1）布局排版
大屏首先是要服務於業務，讓業務指標和數據合理的展現。由於往往展現的是一個企業全局的業務，一般分為主要指標和次要指標兩個層次，主要指標反映核心業務，次要指標用於進一步闡述。所以在製作時給予不一樣的側重。
2）色彩
背景色又分為整體背景以及單個元素的背景，無論是哪一個，都遵從兩點基本原則：深色調&一致性。
整體背景深色系，可選的餘地還是很多的，但是配起來能讓多數人都覺得好看的還是以深藍色系為主，如下所示是幾個推薦的配色方案。根據實際項目經驗，這里極其推薦大家為單個的組件元素搭配一些透明色，透明度設置在10%上下為宜，具體以實際效果微調。
3）點綴效果
細節影響感官體驗，在大屏展現上，細節也會極大的影響整體效果。通過適當給元素、標題、數字等添加一些諸如邊框、圖畫等在內的點綴效果，能幫助提升整體美觀度。頂部的標題通過左右兩個對稱線條進行點綴，各個組件的細分標題通過不規則漸變色圖片進行點綴，另外每個組件都搭配使用了簡潔的邊框以提升層次感。
4）動效
動效的增加能讓大屏看上去是活的，增加觀感體驗。
以下舉幾個案例：
阿里在數據可視化方面已經做的相當超前了，早在2015年的雙11銷售數據就使用DataV數據可視化引擎搭建數據大屏。
以上大屏利用了DataV數據可視化引擎，以日常圖表組件庫d.chart以及地理相關組件庫d.map為基礎，專業數據可視化模板設計為視覺框架，依託cube前端框架搭建起來的web服務。通過該引擎可以利用已有組件低成本還原設計師產出的原型圖，快速完成多種數據源的綁定，並通過最終的可視化配置調整系統完成所見即所得的視覺調試，最終產出數據大屏。
工作模式：由之前的「設計->開發」變為「設計->開發->設計->開發」，做到高度還原設計效果。
市場上很多可視化的工具，像帆軟和Tableau都是都是數據處理分析軟體，兩個各有特點。
可以根據業務需求，選擇工具，來展示自己的大屏。
以下打開finereport設計器中，按照布局樣式，從組件欄拖入對應的圖表元素到指定區域並綁定數據。
點擊預覽按鈕，瀏覽器端的效果如下圖所示。
接下來就是配色、點綴和動效了，可根據需求調整界面效果。
還有很多值得推薦的可視化工具，以下列出幾個，供大家學習：
Raw 、 Infogram 、 ChartBlocks 、 Visualize Free 、 Visual.ly 、 iCharts
Chart.js 、 D3.js 、 FusionCharts 、 JavaScript InfoVis Toolkit 、 jQuery Visualize 、 ZingChart 、 Flot 、 Gephi
地圖數據可視化工具
CartoDB 、 InstantAtlas 、 Polymaps 、 OpenLayers 、 Leaflet
純可視化圖表生成/圖表插件——適合開發，工程師
Echarts（ echarts..com ）、AntV ( antv.alipay.com )、HighCharts ( www.hcharts.cn )
可視化報表類——適合報表開發、BI工程師
FineReport ( www.finereport.com )
商業智能分析——適合BI工程師、數據分析師
Tableau ( www.tableau.com )
FineBI ( www.finebi.com )
Power BI ( powerbi.microsoft.com/zh-cn/ )
可視化大屏類
阿里DataV ( data.aliyun.com/visual/datav )
數字冰雹 ( www.digihail.com )
這是最近幾天對數據大屏的一些學習，在這里進行分享。
如果感覺有幫助，請點贊啦，謝謝~~