可视化分析之路之二——从数据到图的苦恼

为什么要进行可视化，是因为图承载信息能量巨大，并且在繁杂的数据中找规律，向别人介绍数据的价值，都离不开可视化。从数据到信息，中间过程并不是简单的图表——而是设计过的图表。

看到那么多好的图，自己有不算多但也够用的数据。可是如何从数据到图，显然不是自己想的那么简单。

首先，过多的可视化工具， 让自己颇为应接不暇，疲于在其中穿梭。做可视化，需要的是数据和作品，开发工具显然现在已经不是自己鞭长可及的了。现在，会应用，能将数据很好的可视化，知道需要处理什么样的数据用什么样的图表，是第一步。数据可视化涉及多个方面，不仅要讲出好故事，还要设计出足够支撑故事的图表，都需要本事。至于技术，数据处理与挖掘、可视化过程涉及的编程思想，都是很需要思考和实践的。这条路个人感觉有意思，只是能不能转化为money，拭目以待。

现在遇到的最大问题是，抱着一堆数据怎么下手，图表不是简单的柱状图，尤其在较大的数据量上，怎么提取，筛选，来达到说明问题、解决问题的目的。

我现在是这么做的：

第一步，切实了解问题症结所在——一方面是配送问题，并不是路径优化，因为在小区域内，路径优化所能实现的效果微乎其微（尚未调研，需要讨论），主要问题是几个区域间的配送量与时间上的分配与预测；另一方面，是对不同菜品的提前准备与推荐，针对每个用户的话，也涉及到几个关键问题，中午与晚上数量的变化、价格的问题、偏好的问题等，都是对推荐的影响

第二步，针对已经出现的问题，整理并量化数据，这一步并没有做的很好，问题在于现在技术不过关，现在数据上升不到大数据，但是纯手工浪费精力会很多，摸索中长点心。

第三步，处理好的数据，如何分析和可视化，这是关键，一部分常规的柱状图与折线图可以很好的做出来，但是基于位置信息的，菜品数量很大的，时间周期很长的，基于个性化推荐的这些问题，传统的图表很难展现，需要进一步搜索，另一方面是作图难度并不是自己想的那么小。

第四步，针对出现的问题，对数据进行进一步处理，包括预测模型建立，推荐模型的建立

第五步，得出结论，改善配送问题。

总之，这个过程要形成模式，一方面可复制，另一方面也要有自己的特点。怎么能拿得出手。

今天的目标是地图可视化。用R来完成。其余柱状图等处理依赖tableau。期待实现。