本书由浅入深、循序渐进地介绍了基于Python的商业数据可视化技术，并结合实际案例详细介绍了Python在数据可视化方面的具体应用。本书重点介绍了Python的9个可视化库，分别为Matplotlib、Seaborn、Pyecharts、Bokeh、HoloViews、Plotly、Pygal、plotnine、Altair，并介绍了商业数据可视化的思维，不仅做到授之以鱼，更做到授之以渔。读者通过学习本书，能够轻松、快速地掌握商业数据可视化技术。本书的内容和案例适用于互联网、咨询、、能源等行业从事数据可视化分析的读者，可以作为Python软件培训机构和数据可视化研究者的参考资料，也可以作为高等学校计算机相关专业学生的教材或教师的教学参考书。
1.1 商业数据可视化概述
1.1．1 商业数据可视化的挑战及其难点
1.商业数据可视化的挑战
目前，大数据技术正在深刻地商业数据分析的变革。
企业已有的技术解决方案已经不能地处理日常经营中产生的大量数据。对于企业来说，尤其是互联网企业，如果无法及时分析日常经营中产生的大量数据，则其价值就会得不到有效利用，因此大数据时代对企业利用与挖掘数据的能力提出了更高的要求。 在大数据时代，企业主要面临以下4个技术挑战。 第一个挑战是数据量大。 数据的计量单位有PB(1000TB)、EB(100万TB)或ZB(10亿TB)。目前，大部分企业正面临着数据量呈现几何级增长的趋势，这就导致我们无法直接通过一些传统的软件工具进行分析(如SPSS、R等)，实现协助企业管理者优化经营决策的目标。
第二个挑战是数据类型繁多。
数据的种类较多，主要包括日志、图片、语音和视频，这主要是新型的非结构化数据的大量产生所导致的。其中，越来越多的传感器被安装在火车、汽车和飞机上，每种传感器都增加了数据的多样性。
第三个挑战是数据价值密度低。
对于海量的结构化和非结构化数据，一条数据的价值密度相对很低。此外，随着物联网技术在各行业的应用，也会产生大量的信息，如何通过合适的算法迅速地使其产生价值，这是现阶段大部分企业面临的困境。
第四个挑战是高速性。
高速性指的是数据被创建和移动的速度。尤其是互联网企业，不仅需要了解如何快速创建数据，还必须知道如何将数据快速地清洗、分析并及时返回给用户，从而满足用户的实时性需求。
数据具有多层结构，意味着会呈现多变的形式和类型。传统业务数据随时间演变已拥有标准的格式，能够被标准的商务智能软件识别。相较于传统的业务数据，商业数据存在不规则和模糊不清的特性，造成很难甚至无法使用传统应甩软件进行分析。
2.商业数据可视化的难点
以往的数据可视化工具通过从多个维度展现源数据，从而让用户发现有价值的信息。但是随着大数据技术的发展，新的数据可视化工具必须满足互联网时代的需求，需要具备快速采集、清洗、分析等功能，并且能进行实时在线分析，这也是目前商业数据可视化技术面临的难点。
有效的数据可视化不应该只是为管理层提供漂亮的报表，而应该通过考虑布局、迭代设计、吸引用户和了解业务需求来改善可视化视图。数据可视化需要关注以下几个方面。
① 了解业务。在开始数据分析之前应与业务人员深入沟通，了解他们希望获取什么信息。在构思不同的仪表板时，应始终考虑用户，如管理层、分析师、IT人员和业务人员，希望从不同类型的可视化分析中获取什么信息，只有这样，数据的可视化才有实际价值。
② 注重个性化。 应该确保仪表板向用户显示个性化信息，以及为用户提供离线访问服务，这将使可视化走得更远。仪表板需要考虑用户的实际需求，而不仅仅是强制列出所有可访问的数据。
③ 尽可能简化。数据分析师通过使用数据可视化工具，可能会制作出一些复杂的视图，但这将导致用户难以发掘其中有价值的信息。的数据分析师应尽可能简化可视化视图，确保的仪表板，不是徒有炫酷的外表而不能满足实际需求。
④ 从用户角度出发。 应该使用颜色、形状、大小和布局特性来显示可视化的设计和使用，例如，用颜色来突出希望用户关注的信息，而大小可以有效地说明数量，但过多使用可能会导致混乱，应该有选择地使用这些元素。
⑤ 选择合适的方法。面对不同的分析需求需要采用不同的可视化技巧与方法。例如，部分数据分析师建议不要使用饼图，这是因为人眼和头脑可以更容易地测量长度或位置之问的差异，而很难识别角度的差异。
3.数据可视化软件的特性
在大数据时代，数据可视化软件需要具备以下几点特性。
①数据可视化软件必须能对采集的数据进行实时在线更新。
②数据可视化软件需要满足互联网时代信息多变的特点。
③数据可视化软件能够满足数据展现的多维度要求。
④数据可视化软件能够支持数据仓库等多种数据源。
……
评论晒单