大数据可视化有哪些分析步骤

　　数据可视化起源于图形学、计算机图形学、人工智能、科学可视化以及用户界面等领域的相互促进和发展，是当前计算机科学的一个重要研究方向，它利用计算机对抽象信息进行直观的表示，以利于快速检索信息和增强认知能力。

 

　　数据可视化到底能干什么呢？数据可视化系统并不是为了展示用户的已知的数据之间的规律，而是为了帮助用户通过认知数据，有新的发现，发现这些数据所反映的实质。

 

　　从技术上来说，大数据可视化的实施步骤主要有四项：需求分析，建设数据仓库/数据集市模型，数据抽取、清洗、转换、加载(ETL)，建立可视化分析场景。

 

　　一、需求分析

 

　　需求分析是大数据可视化项目开展的前提，要描述项目背景与目的、业务目标、业务范围、业务需求和功能需求等内容，明确实施单位对可视化的期望和需求。包括需要分析的主题、各主题可能查看的角度、需要发泄企业各方面的规律、用户的需求等内容。

 

　　二、建设数据仓库/数据集市的模型

 

　　数据仓库/数据集市的模型是在需求分析的基础上建立起来的。数据仓库/数据集市建模除了数据库的ER建模和关系建模，还包括专门针对数据仓库的维度建模技术。维度建模的关键在于明确下面四个问题：

 

　　1.哪些维度对主题分析有用？

 

　　2.如何使用现有数据生成维表？

 

　　3.用什么指标来"度量"主题？

 

　　4.如何使用现有数据生成事实表？

 

　　三、数据抽取、清洗、转换、加载(ETL)

 

　　数据抽取是指将数据仓库/集市需要的数据从各个业务系统中抽离出来，因