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：数据关系的可视化
数据关系也是数据可视化要表达的主题之一。
例如，学术期刊之间存在千丝万缕的联系，比如文章的相互引用。期刊A的文章往往倾向于引用期刊B的文章，而期刊B则对A的文章表示不屑，转而引用C的文章比较多。
例如，通过Web of Knowledge平台就可以查看学术期刊间的关系，如图5.3所示。
从该图可以看到期刊关系的可视化结果，色块面积表示引用量。另外，在工具窗口的上方有个可以下拉的选项框，用以选择被引或引用的关系。
图5.3 学术期刊相互引用关系的聚类可视化
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）。
