在大数据时代，人们不仅要处理海量的数据，同时还要对这些数据进行加工、传播、分析和分享。目前，实现这些形式比较好的方法就是大数据可视化。数据可视化是关于数据视觉表现的形式，如柱状图、饼状图、直方图、散点图、折线图等最基本的统计图表。由于这些原始统计图表只能呈现数据的基本统计信息，当面对复杂或大规模结构化、半结构化和非结构化数据时，大数据可视化的设计与编码就复杂得多了。因此，大数据可视化可以理解为数据量更加庞大、结构更加复杂的数据可视化。大数据的可视化侧重发现数据中蕴含的规律特征、洞察数据价值，呈现形式也多种多样。
大数据可视化呈现形式：指标的可视化
在大数据可视化过程中，采用可视化元素将指标可视化会增强视觉效果，即在设计指标及数据时，使用对应实际含义的图形来呈现，会更加生动的展现数据图表，更便于用户理解图表要表达的主题。
例如，iOS手机与平板分布如图5.2所示，当展示使用不同类型的手机和平板用户占比时，直接用总的苹果图形为背景来划分用户比例，用户第一眼就可以直观看到这些图是在描述苹果设备，直观而清晰。
图5.2 iOS手机和平板分布
实施大数据可视化需要考虑的问题
尽管大数据可视化展示方式多种多样，但当采用一项新技术时，需要采取一些有效方法。除了扎实地掌握数据外，还需要理解可视化目标、需求和受众。在机构准备实施数据可视化时，一般要考虑以下几方面的问题：
▶明确试图可视化的数据，包括数据量和基数（一列数据中不同值的个数）；
▶确定需要可视化和传达的信息种类，如事务明细、累积聚合、比值比例等；
▶了解数据的受众，并领会他们如何处理可视化信息；
▶使用一种对受众来说最优、最简的可视化方案传达信息。
在明确数据属性、作为信息消费者的受众等相关问题后，就需要准备与大量数据打交道了。大数据给可视化带来新的挑战，4V（Volume、Velocity、Variety、Value）是必须要考虑的问题，而且数据产生的速度经常会比其被管理和分析的速度快。需要可视化的列的基数也是应该考虑的重要因素，高基数意味着该列有大量不同值（如身份证号），而低基数则说明该列有大量重复值（如性别）。
