读数据可视化04研究挑战

1. 图形学

1.1. 计算机图形学是一门通过软件生成二维、三维或四维动态影像的学科

1.2. 计算机动画是图形学的子学科，是视频游戏、动漫、电影特效中的关键技术

• 1.2.1. 计算机动画主要包括二维动画、三维动画、非真实感动画等门类

1.3. 计算机仿真

• 1.3.1. 指采用计算设备模拟特定系统的模型

• 1.3.2. 包括物理学、计算物理学、化学以及生物学领域的天然系统

• 1.3.3. 经济学、心理学以及社会科学领域的人类系统

• 1.3.4. 是数学建模理论的计算机实践，能模拟现实世界中难以实现的科学实验、工程设计与规划、社会经济预测等运行情况或者行为表现，允许反复试错，节约成本并提高效率

2. 人机交互

2.1. 人机交互指人与机器之间使用某种语言，以一定的交互方式，为完成确定任务的信息交换过程

2.2. 人机交互是信息时代数据获取与利用的必要途径，是人与机器之间的信息通道

3. 数据库

3.1. 数据库是按照数据结构来组织、存储和管理数据的仓库，它高效地实现数据的录入、查询、统计等功能

3.2. 数据可视化通过数据的有效呈现，有助于对复杂关系和规则的理解

3.3. 面向海量信息的需要，数据库的一种新的应用是数据仓库

3.4. 数据仓库

• 3.4.1. 是面向主题的、集成的、相对稳定的、随时间不断变化的数据集合，用以支持决策制订过程

• 3.4.2. 在数据进入数据仓库之前，必须经过数据加工和集成

• 3.4.3. 数据仓库的一个重要特性是稳定性，即数据仓库反映的是历史数据

3.5. 数据库和数据仓库是大数据时代数据可视化方法中必须包含的两个环节

3.6. 为了满足复杂大数据的可视化需求，必须考虑新型的数据组织管理和数据仓库技术

4. 数据分析与数据挖掘

4.1. 数据分析是统计分析的扩展，指用数据统计、数值计算、信息处理等方法分析数据，采用已知的模型分析数据，计算与数据匹配的模型参数

4.2. 探索性数据分析，通过数据拟合、特征计算和作图造表等手段探索规律性的可能形式，确定相适应的数据模型和数值解法

4.3. 模型选定分析，在探索性分析的基础上计算若干类模型，通过进一步分析挑选模型

4.4. 推断分析，使用数理统计等方法推断和评估选定模型的可靠性和精确度

4.5. 不同的数据分析任务各不相同

4.6. 数据挖掘指从数据中计算适合的数据模型，分析和挖掘大量数据背后的知识

4.7. 目标是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、未知的、潜在有用的信息和知识

4.8. 数据挖掘的方法可以是演绎的，也可以是归纳的

4.9. 反映同类事物共同性质的广义型知识

4.10. 反映事物各方面特征的特征型知识

4.11. 反映不同事物之间属性差别的差异型知识

4.12. 反映事物和其他事物之间依赖或关联的关联型知识

4.13. 根据当前历史和当前数据推测未来数据的预测型知识

4.14. 揭示事物偏离常规出现异常现象的偏离型知识

4.15. 数据可视化和数据分析与数据挖掘的目标都是从数据中获取信息与知识，但手段不同

• 4.15.1. 两者已成为科学探索、工程实践与社会生活中不可缺少的数据处理和发布的手段

4.16. 数据可视化将数据呈现为用户易于感知的图形符号，让用户交互地理解数据背后的本质

4.17. 数据分析与数据挖掘通过计算机自动或半自动地获取数据隐藏的知识，并将获取的知识直接给予用户

4.18. 数据挖掘领域注意到了可视化的重要性，提出了可视数据挖掘的方法，其核心是将原始数据和数据挖掘的结果用可视化方法予以呈现

• 4.18.1. 糅合了数据可视化的思想，但仍然是利用机器智能挖掘数据，与数据可视化基于视觉化思考的大方针不同

4.19. 数据挖掘与数据可视化是处理和分析数据的两种思路

• 4.19.1. 数据可视化更擅于探索性数据的分析

• 4.19.2. 对数据模型没有一个预先的探索假设

• 4.19.3. 探寻数据中到底存在何种有意义的信息

5. 面向领域的可视化方法

5.1. 数据可视化是对各类数据的可视化理论与方法的统称

5.2. 生命科学可视化

• 5.2.1. 指面向生物科学、生物信息学、基础医学、转化医学、临床医学等一系列生命科学探索与实践中产生的数据的可视化方法

• 5.2.2. 属于科学可视化

5.3. 表意性可视化

• 5.3.1. 指以抽象、艺术、示意性的手法阐明、解释科技领域的可视化方法

• 5.3.2. 早期的表意性可视化以人体为描绘对象，类似于中学的生理卫生课本和大专医科院校的解剖课程上的人体器官示意图

• 5.3.3. 在数据爆炸时代，表意性可视化关注的重点是从采集的数据出发，以传神、跨越语言障碍的艺术表达力展现数据的特征，从而促进科技生活的沟通交流，体现数据、科技与艺术的结合

5.4. 地理信息可视化

• 5.4.1. 是数据可视化与地理信息系统学科的交叉方向

• 5.4.2. 研究主体是地理信息数据，包括建立于真实物理世界基础上的自然性和社会性事物及其变化规律

• 5.4.3. 地理信息可视化的起源是二维地图制作

• 5.4.4. 在现代，地理信息数据扩充到三维空间、动态变化，甚至还包括在地理环境中采集的各种生物性、社会性感知数据

5.5. 产品可视化

• 5.5.1. 指面向制造和大型产品组装过程中的数据模型、技术绘图和相关信息的可视化方法

• 5.5.2. 是产品生命周期管理中的关键部分

• 5.5.3. 产品可视化的雏形是手工生成的二维技术绘图或工程绘图

• 5.5.4. 产品可视化通常提供高度的真实感，以便对产品进行设计、评估与检验，因此支持面向销售和市场营销的产品设计或成型

5.6. 教育可视化

• 5.6.1. 指通过计算机模拟仿真生成易于理解的图像、视频或动画，用于面向公众教育和传播信息、知识与理念的方法

5.7. 系统可视化

• 5.7.1. 指在可视化基本算法中融合了叙事型情节、可视化组件和视觉设计等元素，用于解释和阐明复杂系统的运行机制与原理，向公众传播科学知识的方法

• 5.7.2. 综合了系统理论、控制理论和基于本体论的知识表达等，与计算机仿真和教育可视化的重合度较高

5.8. 商业智能可视化

• 5.8.1. 可视商业智能

• 5.8.2. 指在商业智能理论与方法发展过程中与数据可视化融合的概念和方法

• 5.8.3. 目标是将商业和企业运维中收集的数据转化为知识，辅助决策者做出明智的业务经营决策

• 5.8.4. 数据包括来自业务系统的订单、库存、交易账目、客户和供应商等，以及其他外部环境中的各种数据

• 5.8.5. 目的是使各级决策者获得知识或洞察力

5.9. 知识可视化

• 5.9.1. 采用可视表达表现与传播知识，其可视化形式包括素描、图表、图像、物件、交互式可视化、信息可视化应用以及叙事型可视化

• 5.9.2. 特点是使发现知识的过程和结果易于理解，且在发现知识过程中通过人机交互界面发展发现知识的可视化方法

6. 信息视觉设计

6.1. 面向广义数据的视觉设计，是信息设计中的一个分支，可抽象为某种概念性形式如属性、变量的某种信息

6.2. 统计图形学（Statistical Graphics）应用于任意统计数据相关的领域，它的大部分方法如盒须图、散点图、热力图等方法已经是信息可视化的最基本方法

6.3. 信息图（Infographics）

• 6.3.1. 限制于二维空间上的视觉设计，偏重于艺术的表达

• 6.3.2. 信息图和可视化之间有很多相似之处，共同目标是面向探索与发现的视觉表达

• 6.3.3. 可视化指用程序生成的图形图像，这个程序可以被应用到不同的数据

• 6.3.4. 信息图指为某一数据定制的图形图像，它是具体化的、自解释性的，而且往往是设计者手工定制的，只能应用于特定数据

• 6.3.5. 可视化的强大普适性能够使用户快速地将某种可视化技术应用于不同数据，但选择适合的数据可视化技术却依赖于用户个人经验和运气

6.4. 与视觉设计相关的图绘学（Graph Drawing）是一个传统的基础性研究方向，它关注于图、树等非结构化数据结构，设计表达力强的可视表达与可视编码方法

6.5. 视觉传播

7. 数据可视化研究挑战

7.1. 数据可视化的应用对象和处理范围远远超过统计图形学、视觉艺术与信息设计等学科方向

7.2. 数据可视化既与信息图、信息可视化、科学可视化以及统计图形密切相关，也是数据科学中必不可少的环节

7.3. 数据科学在研究、教学和工业界等领域方兴未艾，数据可视化是一个活跃且关键的方面

7.4. 数据可视化则与具体应用和不同领域的数据密切相关

7.5. 理解可视化如何传递到观者，即人们感知和理解什么，可视化是如何对应于数据和数据模型的

7.6. 开发能有效地创造可视化的原理与技术，即增强认知与感知，增强可视化与数据模型之间的联系

7.7. 计算能力的可扩展性

• 7.7.1. 可视化系统与设计目标的应用场合有关

• 7.7.2. 在大数据时代，具备处理海量的复杂数据的可扩展性始终是可视分析系统关注的中心议题

• 7.7.3. 由于有限的时间和存储资源，通常可视化的效率受限于可用的时间和存储资源

• 7.7.4. 面向大数据的数据清洗、转换、布局和绘制算法的计算复杂度是主要关注对象

7.8. 感知和认知能力的局限性

• 7.8.1. 人类的记忆容量和注意力是宝贵的、有限的资源

• 7.8.2. 可视化充分利用人类视觉的感知能力，但是人类大脑对事物的记忆终究是不可见的，而且记忆容量极其有限

• 7.8.3. 有限性不分视觉和非视觉，也不分长期和短期的记忆

• 7.8.3.1. 人类的注意力也非常有限

• 7.8.4. 警觉性同样是高度有限的资源，前几分钟的警觉性要远超于之后的时间段，因此执行视觉搜索任务的能力只能维持数分钟

7.9. 显示能力的局限性

• 7.9.1. 可视化设计者往往“执行于像素之外”​，屏幕的分辨率已经不能同时显示所有想要表达的信息

• 7.9.2. 单个像素的信息密度表示为编码后信息的数量与未使用空间数量的比值

7.10. 大数据可视化

• 7.10.1. 数据密集型科学成为继实验、理论和计算仿真之后，科学研究手段的第四种范式

• 7.10.2. 大数据的研究需要从国家战略高度认识大数据并开始行动，其着力点不仅在于进一步推进信息化建设，更在于以数据推动科研和创新

• 7.10.3. 大数据将引发新的智慧革命：从海量、复杂、实时的大数据中可以发现知识、提升智能并创造价值

• 7.10.4. 面向大数据，需要发展新的计算理论、数据分析、可视分析和数据组织与管理方法，并围绕实际科学和社会问题的求解设计新的工作流程和研究范式

7.11. 以人为中心的探索式可视分析

• 7.11.1. 从数据中洞悉规律，以便更好地决策的科学过程

• 7.11.2. 可视分析学的基本要素包括复杂数据的表示与变换、可扩展的数据智能可视化和支持用户分析决策的交互方法与集成环境等

• 7.11.3. 可视分析必将在国民经济、社会生活和国防安全的各个领域引申出重大应用难题，如天气预报、防灾减灾、数字城市、金融安全、社会网络等