DataHunter马珂:数据可视化分析应该怎么玩

原创
大数据
DataHunter CTO马珂接受了51CTO的专访,同记者就探索式数据分析技术、图形化技术、数据可视化工具等方面进行了深入探讨。马珂曾是海军总部工程师,长期从事数据库管理、优化,数据挖掘和可视化相关工作,有很丰富的实践经验。

【51CTO.com原创稿件】大数据这几年的发展速度有目共睹,而数据可视化是大数据领域中非常关键的一环。当下,诸多企业需要通过数据分析来指导业务决策,这样一来,数据可视化就有了非常大的发展潜力和应用场景。因此,近些年国内外也衍生出很多专注于该领域的企业级创业公司,DataHunter(北京数猎天下科技有限公司)便是其中之一。这家成立时间不长的年轻公司,凭借数据可视化分析与数据大屏产品,得到了人民日报、万达集团、中国移动、三一重工、猎聘网等众多客户的认可。

近日,DataHunter CTO马珂接受了51CTO的专访,同记者就探索式数据分析技术、图形化技术、数据可视化工具等方面进行了深入探讨。马珂曾是海军总部工程师,长期从事数据库管理、优化,数据挖掘和可视化相关工作,有很丰富的实践经验。 

[[215923]]

马珂·DataHunter CTO

验证式与探索式数据分析相辅相成

数据分析方式主要分为验证式与探索式两种,两者相辅相成。验证式数据分析是目前大多数企业使用相对较多的分析方法,偏重于模型和假设;而探索式数据分析更偏重于分析过程,其***的意义在于,允许分析人员或决策者在不清楚数据规律、不知道如何进行数据建模的情况下,通过数据本身所呈现出的各种可视化图表,进行查看和分析,从而快速找到业务中存在的问题。

马珂进一步表示,验证式分析对数据质量要求很高,这种模式必须先有想法,之后再通过数据进行验证。如果数据本身出现问题,那么即便通过科学的数据建模进行分析,结果也肯定是错误的。相比于验证式分析,探索式分析对数据质量要求相对较低,同时也不需要复杂的数据建模。

据了解,探索式数据分析概念是由贝尔实验室数学家John Tukey提出,他认为,统计分析不应该只重视模型和假设的验证,而应该充分发挥数据分析的长处,在分析过程中发现新的理论假设和数据模型。

马珂介绍,DataHunter致力于为企业提供简单易用的数据可视化分析产品及数据大屏设计展示服务,基于探索式数据分析,助力企业发现问题并改进业务。数据可视化分析系统是核心产品之一,可以帮助企业对接各个业务系统数据,打破数据孤岛,并且无需复杂的数据建模,就可以进行探索式、交互式的数据分析,从而为业务决策提供支持。数据可视化大屏是核心产品之二,用于业务指挥中心,会议室,展厅,展会等场景,支持整合多种业务数据以及动态实时数据展示。

图形化技术是探索式分析必不可少的支柱

探索式分析是数据分析的开端,而数据可视化是在数据分析的***一个环节,用于呈现结论。

马珂表示,在探索式数据分析中,图形可以很好的帮助我们理解数据,故图形化技术是其中必不可少的支柱。图形化技术在很多年前已经被普遍应用,像柱图、饼图、折线图等。大数据的快速发展,让探索式数据分析逐渐成为主流,而图形化技术也随之又进入了一个新的阶段。

可以说,图形化技术使得数据分析成为一种“所见即所得”的模式。例如,在同一个业务看板上,通过协同过滤、数据钻取等交互操作,相关图表就会按照相应的条件进行联动,从而大大提高了分析效率。

舒适度是影响数据可视化工具的核心要素

马珂之所以选择加入DataHunter,其一是因为对数据、图形有浓厚的兴趣,他认为,从大数据中观察总结数据结果是很有意思的事情,而分析+图形化是产出结果的重要手段。其二,是因为DataHunter是初创企业,可以快速决策、快速试错、快速调整。

对于产品的期许,马珂这样说,数据可视化分析产品应该重视舒适度,虽然DataHunter是To B的公司,但也要让客户用起来舒适,不产生困惑。“我们也会逐步让客户参与到整个产品的研发过程中来,根据实际的业务场景和用户需求出发,才能构建出更加优秀的产品。 ”

此外,马珂也向51CTO记者透露了DataHunter 2018年的产品计划。“未来一年,我们会在两个方向上继续深耕,一是客户数据接入的适应性,如超大数据处理、数据连接池等;二是在数据展示层面,配备完整的、可扩展的图形化工具。”

【51CTO原创稿件,合作站点转载请注明原文作者和出处为51CTO.com】

 

责任编辑:王雪燕 来源: 51CTO
相关推荐

2023-07-26 12:38:42

PyGWalker数据类型

2016-11-25 11:16:22

阿里支付宝数据分析

2021-11-29 13:29:06

Basemap可视化分析

2020-09-27 14:56:33

工具数据可视化技术

2018-11-14 10:15:58

开源技术 数据

2018-01-25 14:34:18

大数据可视化工具

2020-09-09 12:15:50

大数据互联网可视化

2022-06-15 08:25:07

Python天气数据可视化分析

2020-09-27 10:32:05

开发 Github可视化

2016-04-26 14:04:29

大数据可视化

2021-06-04 12:56:22

数据分析岗位

2021-06-30 23:38:56

Python微信好友

2020-09-28 15:13:11

数据可视化技术工具

2018-04-16 16:25:18

2021-05-06 09:57:18

Python 开发编程语言

2021-08-05 10:46:59

GitHub代码开发者

2018-04-12 12:28:56

2021-09-09 06:40:28

Pyecharts可视化源码

2022-05-12 08:58:03

开源日志查询日志可视化
点赞
收藏

51CTO技术栈公众号