可视化推进大数据应用

可视化推进大数据应用（精选8篇）

可视化推进大数据应用 篇1

当前, 大数据、云计算、物联网等新技术风起云涌, 不断演进催生新的市场机会和信息化产业规模。在这一过程中, 数据正成为一种生产要素、稀有资产, 全面融入社会生产生活, 在众多领域掀起变革的巨浪。

从全球来看, 近年来大数据技术及服务市场规模呈爆发式增长, 大数据已经渗透到每一个行业和业务领域。Markets and Markets预测到2018年, 全球大数据市场的年均复合增长率将达到26%, 从149亿增至463亿美元。从中国来看, 在各级政府、科研机构、企业等共同推动下, 大数据行业目前已进入高速发展期, 预计到2018年, 中国大数据应用与服务市场规模将提升至1100亿元。IDC预测中国大数据市场规模未来5年的复合增长率达51%, 市场规模将增长近7倍。

智者顺时而谋。身处大数据时代潮流, 江苏省通信服务有限公司 (以下简称“江苏通服”) 积极弘扬“上善若水的乙方文化”, 针对不同领域的大数据应用模式、商业模式投入大量研发资源, 不断为客户挖掘数据中蕴藏的价值, 致力于追求客户价值与企业价值的共同成长。

一、勇立潮头, 大数据创新应用砥砺前行

2015年以来, 通信行业逐步进入发展“新常态”, 运营商投资下降、通信行业收入增速趋缓, 普遍式增长势头行将结束, 而当前距离2020年5G技术商用至少还有3年空档期。江苏通服作为一家信息与媒体运营商的服务商, 也面临着传统通信业务后续增长乏力带来的影响。

谋定而后动。面对传统通信行业增长的天花板, 江苏通服坚持创新引领, 一方面不断增强在通信行业的一体化服务能力, 保持技术领先优势;另一方面积极寻求在技术、管理、商业模式各方面的创新突破, 制定面向大数据、云计算、移动互联、物联网等新兴技术的发展战略, 设立专项创新基金, 组建研发创新团队, 着力打造公司在新兴领域的竞争能力。

源于多年的潜心研究与厚重积淀, 江苏通服向软件信息行业“更大更强”的目标迈出可喜步伐:2016年7月, 工业和信息化部发布“第15届中国软件业务收入前百家企业”名单, 江苏通服再次成功当选并晋升到全国第27位;2016年10月, 中国电子信息行业联合会与中国软件行业协会首次联合发布“2016年中国软件和信息技术服务综合竞争力百强企业”, 公司名列第50位。

可喜的成果也显现在大数据业务研发应用领域。江苏通服提前布局大数据业务方向, 率先为电信和金融行业客户开展了数据挖掘应用, 已经为客户带来了实质的价值提升。公司是江苏省信息产业大数据应用企业联合研发创新中心共建单位之一, 充分开发通信运营商、金融、电子商务等领域海量的信息数据资源, 为政府部门、金融、旅游等行业提供大数据信息服务;公司获授“江苏省信息产业企业联合研发创新中心 (电信大数据) ”, 通过分布式计算框架、自主研发的海量数据挖掘软件构架以及数据分析模型等工具, 形成用户智能上网分析系统、网络服务质量系统、话单分析系统等一系列产品, 在运营商以及纪检监察系统形成规模化应用;公司拥有江苏省智慧城市大数据工程实验室, 在智慧城市和大数据领域的关键技术研究和工程技术创新不断深入……公司在大数据业务方向研发创新的步伐一直砥砺向前!

二、利剑出鞘, 推出一系列大数据行业应用

江苏通服在大数据行业深耕细作, 一方面立足于自身技术优势, 拥有一套运转有效的创新机制, 成功孵化出E-DAIP产品、中博大数据能力开放平台、Mini Smart City、智慧农业、通服众测、流量招财宝等一批极具价值的大数据类产品;另一方面公司推出的大数据应用产品在行业具有一定领先性, 政府部门也给予相应科技创新资金支持, 如“基于大数据的城市智慧应用云服务平台示范工程”获得省发改委700万元资金扶持、“高速公路路网大数据分析平台集成设备的研发及产业化”获得省科技厅1000万元专项资金扶持。公司源源不断推出一批有特色的大数据应用产品, 在行业细分市场赢得广泛赞誉, 特别是在智慧交通行业的E-DAIP产品, 检察院系统的“职务犯罪侦查平台”等成功实施后, 都为客户带来立竿见影的新价值、新成效, 成为所在行业的示范应用。

在智慧交通行业, 业务应用成发展主方向, 大数据作为生产要素已经成为智慧交通数据平台的重要载体。公司推出的智慧交通大数据综合服务平台 (E-DAIP) 是一套集交通海量数据采集交换、大数据分析处理、综合业务智能应用于一体的综合软件产品。基于大数据、专利模型算法、多元智能融合分析, 为上层应用提供大数据一体化环境支撑:基于GIS指挥调度系统, 显著提升高速公路指挥调度水平;收费锁逃系统, 快速分析微观车辆行为特征, 精准定位违法逃费车辆;态势预测与分析系统, 可对未来5分钟、10分钟、20分钟、40分钟的短时交通流量变化情况进行预测;建立全路面承重负荷分布模型, 并基于车流量分布的时空分析制定养护策略等等。E-DAIP产品拥有发明专利和著作权近50项, 《基于下一代互联网的智慧交通综合管理与公众服务应用示范》、《面向智慧交通的海量数据挖掘和综合服务平台研发及产业化》、《高速公路网运营与服务智能化平台示范工程》等科技成果已被国家发改委、交通部批准为示范应用进行广泛推广。智慧沪宁高速是E-DAIP产品的“得意之作”, 目前已被列为国内首个智慧高速示范项目, 工程荣获“省部级科技进步奖”、“智慧江苏交通运输行业应用示范工程”等。

在公检法行业, 公司大数据专家团队结合检察院系统的个性化需求, 为某省检察院量身定制“职务犯罪侦查平台”。该产品雏形为公司2013年自主研发的“中博大数据能力开放平台”, 功能主要包括“大数据计算框架”、“大数据挖掘算法工具箱”、“行业应用产品集市”三大部分, 拥有《集群式的任务调派系统》、《基于大数据分析平台的移动互联网行为轨迹智能分析系统》、《中博职务犯罪侦查信息平台》等10多项专利、软著。该省人民检察院在该平台的协助下, 2015年采集社保、民政、工商、地税局、国土、民航、银行、互联网信息等18类公共数据约2.5亿条数据, 发现一批案件线索, 分析出一批可疑涉案人员和手机号码, 追逃抓捕31个在逃犯罪嫌疑人。“职务犯罪侦查平台”为突破案件、拓宽案源、侦查决策、追逃工作等提供强有力信息支撑。

三、未来可期, 通信大数据运营潜力无限

通信大数据是一座潜在的“金山”, 涌动的数据让我们看到“数据红利”效应正在累积。中国电信提出“做领先的综合智能信息服务运营商”, 推进网络智能化、业务生态化、运营智慧化, 以数据驱动为核心, 把各种数据变成流淌在企业中的血液;中国移动提出“致力于移动改变生活, 打造优质智能管道, 成为值得信赖的数字化服务专家”;中国联通制定实施“聚焦、合作、创新”的新战略。

对于大数据的价值, 三家运营商都提升到前所未有的高度。通信行业大数据详细记录了个人在现代化社会的信息指纹 (ID) , 初步来看至少可在如下方面“变现”:一是利用通信大数据结合行业数据、社会数据, 打造宏观经济预测预警、辅助政府公共决策的大数据应用平台;二是建设大数据治安管理应用平台, 利用通信大数据打击通信诈骗、辅助治安维稳、提升紧急事件预警、处理能力;三是建设覆盖广域的旅游监测分析平台, 打造“智慧旅游”系列产品;四是与各大银行合作, 开发基于通信大数据的征信信息查询产品, 打造覆盖全省的征信管理平台;五是与DSP厂商合作, 开发覆盖三大运营商的通信大数据DMP产品。

从操作层面来看, 数据的多少虽然不意味着价值更高, 但是更多的数据无疑更有助于放大一个行业的分析价值。目前, 通信大数据呈三大运营商“条数据”现状, 唯有进行统一的平台化管理, 基于融合创新后的通信“块数据”, 才能更好实现支撑行业发展、支撑政府应用, 实现服务社会、服务民生的生态系统价值。

“数据共享理念”已写入国家十三五规划:实施国家大数据战略, 推进数据资源开放共享。国务院《关于促进大数据发展的行动纲要》正文中, “共享”共出现59次、“开放”共出现36处, 核心是推动各部门、各地区、各行业、各领域的数据资源共享开放。鉴于通信大数据不可估量的商业价值、广阔无限的发展空间, 可以设想将来由行业主管部门牵头, 通信运营商联合成立通信大数据应用联盟, 抑或成立运营公司, 一体化运营通信行业大数据。通过数据整合形成合聚力, 反推业务增长, 以此构建起信息通信业“数据化发展”新体系, 引领行业发展新高点。

四、护航安全, 有力保障信息数据应用

大数据价值逐渐被深度挖掘运用, 与之相伴相生的数据安全成行业关注重点, 这既包括对数据存储的物理安全, 也包括对数据的管理方式要求。习近平总书记提出“网络安全和信息化是一体之两翼、驱动之双轮, 必须统一谋划、统一部署、统一推进、统一实施”, 突出了信息安全的重要性。2016年11月7日, 《中华人民共和国网络安全法》正式出台, 该部法律对网络安全风险管理提出更高要求, 加强了个人信息保护, 明确了网络产品和服务提供者的安全义务, 建立了关键信息基础设施安全保护制度。

数据安全问题始终是大家关注的“痛点”, 致力于解决痛点的信息安全行业正成为信息化市场的新蓝海, 在这一过程中, 金融行业、通信运营商已先行一步, 迈入数据安全建设的高峰期。江苏通服拥有涉密信息系统集成甲级证书、国家信息安全测评信息安全服务资质 (风险评估一级) 、通信网络安全服务能力风险评估一级、通信网络安全服务能力设计与集成一级、公安部安全专用产品销售许可证等资质。公司先后承接多个政企及运营商客户信息安全方向的技术服务工作, 积累了丰富的项目经验, 在信息安全服务能力和水平在行业内处于领先地位, 公司持续开展安全技术研究, 拥有自主知识产权的“通服众测”、“无边界云计算安全防护系统”产品已在业内推广应用。

“通服众测”平台基于互联网的开放式信息安全测试产品, 以互联网众包模式聚集全球网络安全人才参与信息系统的安全漏洞挖掘和防护, 实现信息安全管理咨询、信息安全方案设计、网络与信息安全风险评估、信息安全渗透测试、网站安全监测、漏洞加固咨询等功能。在前不久结束的G20杭州峰会上, “通服众测”安全服务团队参与网络安全保障, 向运营商网络安全主管部门提交了100份主机安全扫描报告、60份Web安全扫描报告, 针对60套系统进行安全渗透测试并提交渗透测试报告。“通服众测”团队的技术实力、工作成果受到客户好评。“无边界云计算安全防护系统”是公司信息安全领域的又一款重要产品, 该产品采用创新的无代理安全解决方案, 实现恶意代码防护, 入侵防御、应用控制。安全防护安装在主机上、安全检测在虚拟机外部进行, 统一管理中心进行海量数据分析, 实现可视化安全管理。

大数据时代已经来临, 数据价值越来越重要。在11月18日闭幕的2016全球大数据应用研究论坛上达成《黄岛共识》:宣布全球已进入由数据研究应用为导向的“大时代”, 大数据产业应突破关键技术应用研究、加快产业深度融合、加快与社会生活深度融合, 并呼吁共同维护数据信息安全。

大数据应用创新无止境, 江苏通服将聚焦优势资源, 瞄准行业定位, 继续推动关键技术研究, 与客户共创价值, 为大数据行业应用发展贡献一份力量!

大数据商业的可视化 篇2

“大数据驱动广告决策变革，随着RTB（real time bidding，实时竞价）技术不断发展，广告定向、精准化趋势越发明显。”传漾科技创始人及技术副总裁王跃说道。此时，对于企业来说，数据管理的重要性不言而喻，尤其随着网民对于互联网依赖程度提升，越来越多主流消费人群进驻网络世界，精准营销势在必行。随着RTB浪潮袭来，互联网广告公司纷纷建立起自己的DMP（数据管理平台），这其中，就包括传漾科技的SameData网民数据智能引擎。

木桶效应

伴随着互联网媒体越发碎片化发展，网民行为也更为个性化、社交化、移动化以及开放化，这无疑让网络广告实现人群覆盖难度增大。因而，对于广告主而言，伴随着分母的不断扩大，想要更好保证广告转化率，作为分子的广告成本必须不断加大。RTB广告投放模式，通过DMP数据管理平台，进行流量筛选评估，从而将人群定向分母范围进行缩小，透过DSP广告竞价进行精准营销投放，提高广告到达率及转换率。

而在王跃看来，这个大数据营销的过程，具有“木桶效应”，它需要网络广告公司具有海量数据支撑、碎片化数据时效更新、算法优化能力以及数据预测准确性等木板，来组成大数据营销木桶，并避免短板对整体造成影响。

“SameData作为传漾科技广告营销生态链中数据管理平台DMP环节，注重从细节层面，进行全面深入发展和技术积累。”王跃告诉《成功营销》记者，“我们具有一个网页界面，能够以可视化、直观化形式向广告主展现全程广告投放过程，了解其目标受众，并在执行过程中，实时让广告主感受到我们对每一个木板进行调节。”通过对海量数据进行细分归类，SameData从多个维度对用户行为进行分析剖析，帮助企业了解用户兴趣，并通过让广告主进行亲身体验，实时解决RTB广告投放过程中遇到的疑问。

更全面了解用户兴趣，少不了足够的数据库，通过对用户行为进行分类建模，对其形成多维度全方位剖析。作为较早开始进行大数据领域价值挖掘的传漾，经过多年积累，已经具有一个超过9亿的独立Cookie数据库。“单看数据它只是一个比较空洞的概念，需要借助相应技术产品进行价值挖掘。”王跃表示，仅仅是数量级上的“Big”不是“大数据”，而从表面的数据积累到“受众感知”，才是大数据带给网络广告的价值密码 ，它对于精准广告最直接的意义，即为通过数据分析对网民兴趣进行定向，进而对单个目标受众进行定价。

实时的数据优化

面对大数据的磅礴之势，网民数据定向，如何可以实现？王跃表示：“针对企业投放需求，我们在实时广告投放过程中，SameData根据不同模型进行用户兴趣判断，并根据消费者每一次展示和点击及时进行模型更新调整。”

举例来说，对于时尚品牌欧莱雅而言，她的用户群都在哪？怎么找到她？为此SameData通过对人口特征及兴趣属性的筛选，进行标签设置，帮助品牌找到匹配Cookie，并通过数据分析，选择在包括时尚、购物、娱乐等女性网站作为主要媒体投放圈，找到所需要的对中选择匹配的活跃目标人群，并将相应数据分析对接到传漾DSP平台中，针对品牌Cookie数据库以及品类Cookie数据库进行定向受众投放，从而提升欧莱雅流量有效度，推动品牌销售实现。而这个RTB的过程，并不是一次性即完成的，为更好帮助品牌把握目标受众，传漾DMP会对于对广告没有点击，或点击没有购买Cookie进行重新定向，进行实时效果优化，进行新一轮传播推广，从而将更多优质流量引流到电商平台，进一步提升广告效果。

因而，SameData不仅通过实时竞价广告进行点击优化，同时，它更注重以企业受众人群细分为基础，进一步实现展示广告精准定向、网站优化，并通过提升数据预测能力，精准找到目标受众，借助算法优化推动DSP实现竞价成功；此外，SameData数据管理平台通过为客户和媒介执行机构提供更为合理和科学算法，帮助企业找到更为高质量目标受众群体，提升精准营销价值，让广告推广结构更为出色可信。

精准的数据定向引擎

传漾在成立之初即一直在进行技术和数据积累，对于广告主数据进行专门模型管理，及VIP数据银行。”王跃告诉记者，企业可在传漾数据库中搭建专属Cookie库，通过SameData进行界面优化管理。

在王跃看来，对于广告主来说，它并不需要对每一个表现出兴趣用户进行广告投放，其需要选择更为精准人群进行覆盖。“在传漾DSP中，我们通过对每个人进行多个维度分析挖掘，对数据进行细分量化。”王跃把这个过程称之为基础的学习方法，通过对数据进行量化，在进行精准广告投放时，对样本数据标签进行深度整理挖掘，通过SameData机器学习的数据模型，帮助广告主对所有实时数据进行预判与匹配，从而帮助其能够更为广泛精准对目标受众进行营销制定。

面对互联网中每天产生海量数据，想要迅速对其进行细化分析，更好了解网民的兴趣，并不是一次即可的，在碎片化时代，用户的兴趣也在随着时间变化而递减，具有一个半衰期时段。为此，王跃举了个案例。当网民在一个月前进行口红信息浏览时，这表明其对于口红较为感兴趣，通过DSP投放能够有效吸引其注意，但是一个月后，对这一Cookie的兴趣定向显然已经不适合。“传漾每天在线活跃Cookie数1.2亿，通过多机房用户模型同步更新，对每秒新增的30到40个网页进行分析更新。”传漾SameData通过对历史投放数据进行汇总分析，即让广告主在进行营销投放时，能够根据每一次广告展示和点击，借助自动化点击预测模型分析，帮助其自动实时优化调整，从而把正确有效的信息，推动到有兴趣网民面前。

大数据背景下数据可视化方法研究 篇3

1 数据可视化

数据可视化技术诞生于二十世纪八十年代,是运用计算机图形学和图像处理等技术,以图表、地图、动画或其他使内容更容易理解的图形方式来表示数据,使数据所表达的内容更加容易被处理。数据可视化技术与虚拟现实技术、数据挖掘、人工智能,甚至与人类基因组计划等前沿学科领域都有着密切的联系[1]。目前数据可视化技术大体可以分为5类:基于几何投影可视化技术、面向像素可视化技术、基于图标可视化技术、基于层次可视化技术以及基于图形可视化技术[2]。

数据可视化的简易工作图如图1所示:

2 传统的Radviz可视化方法分析

Radviz(Radial Coordinate Visualization)是一种基于弹簧模型的可视化方法,Radviz是将一系列多维空间的点通过非线性方法映射到二维空间,实现在平面中对多维数据可视化的一种数据分析方法。自从Ankerst于1996年提出Radviz技术以来,Radviz技术取得了很大的发展,被广泛应用于可视化分析和数据挖掘等领域。近年来更是把Radviz技术运用到基因表达数据的分类上,且取得了良好的分类效果[3]。

2.1 传统Radviz模型

经典的Radviz方法通常运用在平行坐标系上,将一系列具有多维度属性的点通过非线性方法映射到二维空间,使人们得以用肉眼观察。如图2所示,设n个特征变量随机均匀地分布在单位圆周上(如n=6),记为现在假设n个弹性系数不同的弹簧一端全部固定在一个小球上,另一端分别固定在。假定第j根弹簧对于观测点i的弹性系数为aij,如果观测点固定在圆内的一个平衡位置,那么就是n维空间在二维空间的投影,便实现了一个n维数据转化到二维坐标的Radviz可视化[3]。

其中,Xi表示随机均匀分布在单位圆周上的特征向量;单位圆周表示一个二维空间;O表示特征向量映射在二维空间上的平衡点。

根据胡克定律,对一个弹簧而言,小球所受到的弹力取决于弹簧拉伸的长度(矢量)和弹簧的弹性系数(标量),当小球静止不动时,则表明其受到所有弹簧的合力为零。对此可得到如下公式:

其中xj表示第j个变量在二维空间的圆周上的坐标,pi表示第i个观测点在圆内二维空间平衡位置的坐标。公式(2-2)表示第i个观测的平衡位置,式(2-3)表示观测平衡位置向量pi为各变量的坐标位置的加权平均。为了避免负值的出现,常常采用归一化的方法,即将最大值和最小值归为1和0,归一化后的所有得数值都位于[0,1]之间[4]。归一化公式为:

从上述公式分析,我们可以得出如下结论:

(1)维度值越大,那么该投影位置将更靠近该维度在圆周上的位置;

(2)改变圆周上的属性,将影响投影的位置;

传统的Radviz可视化方法计算复杂度低;可显示维度大;相似多维对象的投影点十分接近,容易发现聚类信息;直观便于理解。但是传统的Radviz方法也存在一些不足,该方法受数据本身及数据集的类型影响,当相似的数据集或成比例的数据集较多时,数据遮盖度会很大,将会影响对原始数据集的特征保持[5.6]。

3 改进的Radviz可视化方法分析

传统的Radviz可视化方法受数据本身和数据集类型的影响,一旦相似数据集或成比例的数据集较多,数据遮盖度就会很大,那么原始数据集的特征将会被影响,造成这种现象的原因是传统Radviz模型属性间的相互作用增加了数据密集度,使数据覆盖和重复概率增大,从而影响原始数据集的特征。对此,本文提出了一种改进的Radviz模型,新的模型减少了属性间的相互作用,从而使可视化结果更加接近数据集的原有特征。

3.1 改进的Radviz模型

改进模型采取1/4圆来对应n维空间,对于一个n维数据集,那么就将1/4圆n等分,即每一个点表示一个维度,然后通过弹簧模型来将数据集投影到二维平面的1/4圆中。但是每个点都在1/4圆弧上,则有可能最后的平衡点不在1/4圆内,那么就需要一个固定点来使得平衡点一定落在1/4内,这里把原点设为固定点。如四维数据集,原理图如下:

在图3中,X、Y轴分别表示投影点的横、纵坐标;原点表示用来使平衡点一定落在1/4圆内的固定点;Mi表示数据集的每一个维度;O表示数据集在1/4圆周上的平衡点;h(x,y)表示平衡点O的坐标函数。

3.2 改进Radviz可视化方法的实现

3.2.1 数据预处理

首先要对数据集进行预处理,把非数字转化为数字,然后对数据集进行归一化处理,使得数据集中的所有数据都在[0,1]之间。本文采用的归一化公式为:

3.2.2 固定点弹性系数

传统的Radviz模型没有固定点,当然也就不用设定固定点弹性系数。但是,在改进的Radviz模型中所有的属性都在1/4圆上,他们所受到的弹力都在一侧,无法使得平衡点落在1/4圆内,所以需要提供一个固定点,来提供一个弹力来使得平衡点落在1/4圆内。本文提出了一种全局均值的固定点弹性系数算法,全距均值就是所有属性中最大值和最小值的均值之和,它可以使数据可视化投影点处于居中的位置,方便进一步的数据处理。全距均值的计算公式:

3.2.3 新的平衡点坐标计算

设平衡点坐标为pi(x,y),根据胡克定律,可以得到如下公式:

其中,圆的半径为1,p表示弹簧弹性系数,k表示第i个数据中第t个属性的值,两个三角函数表示第t个属性沿坐标轴的分量[7.8]。再由合力为零,得到投影坐标的公式为:

3.3 改进Radviz模型与传统Radviz模型比较

传统的Radviz模型是把所有属性随机均匀分布在一个圆周上,那么属性之间的夹角都是钝角,那就使得属性的投影值小于它的初始值,这就导致属性值的落点更靠近圆点,增加了数据遮盖度,最终导致得到的数据可视化效果较差。而改进的Radviz模型是把所有的属性均匀分布在1/4圆周上,属性间的夹角就是一个锐角,也就是说属性的投影值不小于初始值,这就使得属性值的落点比初始值更远离原点,这就降低了数据遮盖度,最终得到的数据可视化效果就更好。

综上所述,改进的Radviz数据可视化方法更好,即更好地保持了数据集的原始特征,又能得到更好的可视化效果;为数据可视化的研究提出了一种更好的方法,使得数据可视化更加容易,得到的结果更加可靠。

4 总结

本文在研究传统的Radviz数据可视化方法的基础上,结合传统方法的优点,给出了一种改进的Radviz数据可视化方法,并对改进可视化方法进行了分析与比较。解决了传统方法不能很好保持原始数据集特征和数据遮盖度高的问题,使得数据可视化的效果更好,为数据可视化提出了一种新的参考方法。

摘要：大数据时代数据飞速增长,高维数据越来越多迫切需要新的数据可视化方法对高维数据进行处理。本文在传统的Radviz数据可视化方法基础上,结合弹簧模型,给出了一种改进的Radviz数据可视化方法,并通过两种模型之间的比较,证明了改进的Radviz可视化方法增强了属性间的合力,降低了数据遮盖度,更好地保持了原有数据集的特征。

关键词：大数据,数据可视化,Radviz,弹簧模型

参考文献

[1]任磊,杜一,马帅,张小龙,戴国忠.大数据可视分析综述[J],软件学报,2014(9):1909-1936.

[2]陈建军,于志强,朱昀.数据可视化技术及其应用[J].红外激光工程,2001,30(5):339-343.

[3]张涛,赵发林,武振宇,李康.Radviz可视化方法在基因表达数据分析中的应用[J].中国卫生统计,2011(1):2-4+8.

[4]徐永红,洪文学,陈铭明.基于Radviz及其优化的可视化故障诊断方[J].计算机应用研究,2009(3):840-842.

[5]陈琰.基于Radviz算法的金融数据可视化分析技术研究[D].浙江大学,2014.

[6]曾晶.Radviz可视化技术度量模型的研究[D].北京交通大学,2011.

[7]胡健,李济龙,曹丹阳.一种改进的Radviz数据可视化方法[J].北方工业大学学报,2015(3):30-35.

大数据时代的可视化新闻 篇4

一、何谓可视化新闻

对于可视化的数据技术渊源在20世纪80年代, 其具体的内涵可以定义为通过计算机图形和科学的图像处理技术, 以直观的图表、地图或者动画的形式呈现数据信息, 使得数据表达内容更容易被受众理解和接受的一种形式。[1]有相关的研究数据显示, 人类对于外在信息的获取百分之八十来源于视觉信号, 所以可视化信息数据处理在目前这种大数据时代具有极其重要的促进作用。这种处理数据的技术与其他的学科诸如虚拟技术、计算机动画、数字地球甚至全球的经济趋势都有着非常密切的联系。这种可视化技术的充分应用是对大数据处理的一种挑战, 同时这也是一种发展的美好前景。可视化新闻就是将新闻以一种可视化的技术展现给受众。

二、可视化新闻的呈现形式

可视化新闻还没有一个非常明确的定义, 只是针对可视化数据技术来引申出的新闻可视化大概的定义。现如今的可视化新闻涵盖范围比较广, 不仅有传统的媒体还有网络媒体和新兴媒体。对于图表呈现的新闻只是可视化新闻的一个部分, 应该还包括在不同的数据平台上的呈现。

(1) 针对纸媒来说的二维可视化新闻呈现形式。这个主要说的就是那种以图表形式呈现新闻内容的形式, 这是现在平面媒体中应用最多的一种形式, 很多国内的主流报刊都加大了可视化新闻的呈现力度。例如, 南方都市报的数读板块。图表新闻作为可视化新闻的一种呈现形式是一种非常重要的手段, 也就是所说的二维可视化新闻。平面媒体大部分都是以文本信息为主的, 二维化的可视化新闻可以很好地将文本信息转化为直观的呈现方式。这种方式是可视化新闻发展中最基础也是最为简单的一种表现形式。

(2) 针对除了纸媒以外的可以利用三维或者多维可视化新闻呈现形式。这种方式是二维可视化新闻的发展和进步。三维可视化新闻是在二维可视化新闻的基础上再引入体积的概念, 主要呈现的电视媒体、网络媒体和新兴媒体中, 这种呈现形式的内容涉及范围很广, 政治经济文化军事几乎均有涉猎。多维可视化新闻是将一条新闻以多种属性来描述呈现。在我国这种可视化新闻模式还没有发展得很兴盛, 主要是由于专业的团队和技术还没有跟上国外的步伐, 同时这将是可视化发展的重要方向。

(3) 一种比较特殊的呈现形式是网络可视化新闻, 它很有可能是与上面介绍的两种存在于统一媒介当中, 但是网络可视化新闻是没有固定层次的, 可以有多个选择进行两个节点的串联, 并且两者之间的关系属性是时时变化的。这种可视化新闻的呈现方式是一种开放的方式, 伴随着科学技术的迅速发展和数据的逐步公开性, 网络可视化将会更加智能有效。[2]

三、可视化新闻对于新闻报道的革新

首先, 在新闻的信息发布模式上可视化新闻重新树立了一种新的模式。在现如今多媒体迅速发展的时代, 信息传播者和受众的界限已经很难断定, 任何一个普通的受众都有可能是意见新闻的传播者, 不改变的是这个传递的过程。可视化新闻的模式中, 发布新闻不是一个新闻的终结, 在现如今很多的网络媒体中, 可视化新闻的发布往往是一个新闻热点讨论的开始, 任何一个受众都可以再将新闻完善, 这意味着可视化新闻的发布成为新闻报道的一个枢纽, 承接这个新闻热点的实时动态。[2]而同时新闻是否具有价值, 根据参与的受众就可知晓。参与新闻制作的过程同时也是深入了解新闻事实的过程, 通过对新闻报道的参与和互动可以达到各种不同思想的碰撞和交流, 这会超出新闻本身的价值。

其次, 受众对于新闻报道的反馈加之可以通过可视化新闻很好的展现。例如, 众所周知的美国大选, 纽约时报就会宣布制作的大选时间表, 这样就可以很好地提升受众信息反馈的价值。可视化新闻可以扩大受众的选择力度, 也可以很好地提供受众所需的信息, 对于受众获取新闻信息, 可视化新闻可以起到一个很重要的指导作用并且极具针对性。因此, 受众的反馈价值可以得到很好的提升。在了解可视化新闻的时候要知道它的背后是有很强大的数据支持的。

再次, 在新闻报道上可视化新闻可以拓宽新闻的报道思路。采访作为新闻信息的来源, 是非常重要的, 但是在我国很多商业新闻网站还没有采访的权力, 这会给这部分企业获取新闻资源造成严重的障碍和困境。可视化新闻的出现可以解决这个难题, 因为他们可以通过数据的整理以制作信息图表的方式向网站用户展示新闻事件, 可以不再单纯的转载和转发。[1]

现如今, 人们对于信息资源的需求越来越强烈, 对于数据分析的需求也在飞速地增长, 这就需要可视化新闻越来越多的呈现, 在这个过程中, 普通用户也不断地被要求或主动参与到设计和创建可视化项目的过程中。这样就会使得新闻报道更易于受众的理解, 从而帮助用户很好地做出决策, 并体验和参与有趣的可视化新闻制作。

摘要：在信息飞速发展的现如今, 数据处理技术也得到了突飞猛进的发展, 不管是在采集上还是存储上都有了一个更加方便、成本更低的方式, 塑造了一个大数据时代。在数据处理和分析上由原来的只有专业数据分析师能做的事情, 变为很多跨专业的人士也能处理海量的数据。面对大数据的处理, 人们需要更加清晰的传递决策和计划, 这就需要一种更加有效的途径使得大数据更加易于接受和理解, 在新闻的呈现形式上需要一种可视化的途径。可视化新闻就是以数据信息为新闻的核心, 用一种可视化的形式呈现, 使得受众更加方便和容易接受。

关键词：大数据时代,新闻,可视化

参考文献

[1]涂聪.大数据时代背景下的数据可视化应用研究[J].电子制作.

可视化推进大数据应用 篇5

1 数据可视化的定义

我们一般理解的信息技术的可视化, 指的是将大量的具象和抽象的信息和数据转化为我们能够直观理解的图像和线条, 已达到容易理解的目的。在当今的大数据时代, 我们每天都会面临着大量的数据和信息要处理, 少量的数据我们可以分析出规律和结论, 但是对于大量的数据和信息我们不能在较短的时间内分析出数据变化的规律和得出一些结论。这是我们就要把大量的具象和抽象数据转化为我们能够一目了然的、可视化的线条变化趋势和图像, 通过这样的转化我们就能够清晰的得出结论。通过数据的可视化我们能够明了、直观的看到信息的变化, 也能指导操作员对计算机的信息的输入, 这样就可以实现人与计算机的交流以及提高对计算机的数据控制。在数据可视化的过程中, 我们可以将大量数据和信息的可视化表现形式设计成简单、易懂的形式, 这样能够提高分析判断的效率, 节省时间。随着计算机的处理能力越来越大, 信息技术的快速进步都为数据可视化提供了良好的基础, 同时也将可视化的形式变的多样化, 能为更多人所读懂。这样就能为工业生产和社会发展起到推动作用。

2 数据信息可视化的过程

在进行数据可视化的过程中, 一般都会经历四个阶段:首先是将大量的数据和信息进行简化以减少运算量, 提高处理速度;其次是将简化的数据和信息进行转化, 利用一定的符号来表达数据之间的关系和特点;然后在通过模拟将数据传递的过程进行监控, 再根据监控的信息来进行数据和信息的处理和计算, 为可视化做铺垫;最后在依据相应数据和信息的特点, 进行相应的建模, 通过建模来进行数据和信息的分析和处理, 从而得出数据和信息所表达的规律和结论。

3 增强视觉设计, 达到数据可视化的方法

数据的可视化就是将信息和数据所要表达的意思通过具象的图形和线条表达出来, 表达的形式可以是二维或多维的, 这样更有利于我们清除直观的看懂数据和信息的内容。进行可视化的方法如下:

3.1 对多维数据的视觉设计

在众多的数据和信息中也存在着非常多的多维数据, 将这些多维数据进行可视化是一个重点。已经存在着多种方法将这些数据进行视觉设计, 对于不同的数据类型选择不同的方法。这些方法基本上实现了多维数据的展现, 让用户能够从许多侧面对数据展开分析与理解, 通过人机交互过程后, 得到需要的可视化的结果。用户能够更加方便的对数据展开观察和分析, 从而获得有价值的信息, 这就为用户大大的减少了工作量, 提高了工作效率。

3.2 对层次关系的设计

在数据处理和分析的过程中, 层次关系最能一目了然的得出数据所包含的信息, 在设计这类数据的可视化时, 我们可以使用树形结构来进行描述。但是使用树形结构只能进行小数据量的描述, 不能进行大数据量的描述。因此, 我们在进行大数据时要考虑在尽可能小的空间中尽可能多的呈现数据的层次关系。

3.3 对文本数据的视觉设计

在数据处理和分析的过程中, 我们会遇到各种各样的文本信息, 同样文本信息的数量也是非常庞大的。在如此多的文本信息里面, 找到我们自己所需要的文本是非常困难的, 我们必须要设计一天非常明了的可视界面, 以方便我们快速的找到自己需要的文本信息。同时在设计单个文本信息时, 我们要突出文本信息的特点, 使它与其他的文本信息区分开来, 还要注重文本信息的视觉效果, 能够做到一目了然, 这样就能达到文本的可视化。

4 结论

随着信息和计算机技术的进步, 大量的数据只有通过可视化才能得到所需要的规律。首先阐述了大数据时代需要数据和信息可视化的原因, 并阐述了数据可视化的一些具体的步骤, 还将集中典型的数据形式进行了简单的阐述。对于不同类型的数据使用不同的可视化方法, 通过实践可以验证对于数据和信息的视觉设计能够很大程度上提高数据的可视化。数据的可视化能够提高生产效率, 节约生产时间, 能够对经济的进步做出推动。

摘要：在大数据的背景下, 随着信息技术的进步, 大量的数据只有通过可视化才能得到所需要的规律。首先阐述了数据可视化的背景, 并阐述了数据可视化的一些具体的步骤, 还将集中典型的数据形式进行了简单的阐述。对于不同类型的数据使用不同的可视化方法, 通过实践可以验证对于数据和信息的视觉设计能够很大程度上提高数据的可视化。

关键词：大数据,数据可视化,计算机

参考文献

[1]陈为, 张嵩, 鲁爱东.数据可视化的基本原理与方法[M].北京:科学出版社, 2013.

可视化推进大数据应用 篇6

一、数据是无处不在的资源

数据是一种无处不在的新资源, 数据的挖掘甚至在开创一场算法的革命, 它在帮助人们用新的眼光来洞察世界, 无论你是一位物联网的创客想判断智能家居的开关, 还是一个电商的卖家需要预测一款产品能带来利润, 或者是政府监管机构想实时监测某些危险品的存放是否已经突破了限制来及时避免灾难事故, 我们都期望一个智能的系统能够基于流通的活数据来帮助我们学习与决策。

以图书为例, 自5200年前最早的文字记录与总结开始, 人类在漫长的岁月中积累了很多的经验, 在计算机出现之前它们大多以书籍的方式被记录着。人类积攒下了超过1.3亿册的图书资源, 而从2014年中国新闻出版研究院发布的统计数据来看, 我国国民人均纸质图书阅读量每年仅有4.56本, 电子书阅读量为3.22本。1.3亿册图书甚至仅是人类文化基因中的一段而个体的阅读速度及信息处理能力是有限的, 人获取信息的渠道在不断拓展, 同时充斥在我们周围的信息数量也在指数性爆发中, 随着信息数据的增长获取信息的效率与难度却呈现出负相关的关系, 面对庞大的信息海洋怎样才能科学的运用数据帮助我们获取所需?

文字的数字化无疑可以帮助我们很多, 除了便利的阅读方式以及检索方法还可以通过数据可视化挖掘出更深层的价值。例如:2011年, 数据研究员Erez Lieberman Aiden以及他的搭档Jean-Baptiste Michelyijitade做过的一项研究, 将数字化的图书及包含出版信息作者信息的图书元数据进行清洗整理可以获得一个巨大的数据库, 在这个数据库中他们通过检索单词出现的时间及使用频率, 既可以迅速的获得这个词汇的流行趋势, 以词汇为样本时间为变量的大量比较研究帮助他们更科学的解析出美国流行文化的衍变。同理, 大数据时代互联网改变了我们的生活方式也在记录着用户的行为模式, 而这些海量且正在流通的活数据是一笔巨大的财富, 互联网的价值不仅仅是丰富了我们的生活, 而在于海量数据的潜在意义。

从科学的角度来讲, 为了准确的反映事实, 传统的统计和分析方法是不可取代的, 与严谨的计算科学不同, 大数据的特点在于其“大”而非精确, 在大数据的背景下我们分析某个事件的变化或者某个变量整体的趋势, 可以更方便的帮助我们提出假说。作为一种无处不在的资源, 流动的大数据更像是一片土壤, 通过不断的挖掘成为足以创造出新事物, 国外的研究人员将它称之为可以繁殖的媒介, 而可视化设计正是在这片巨大的数据土壤上绽放出来的花朵。大数据可以反应人类既复杂又简单的行为模式和生活习惯, 而可视化设计的最大价值就是可以直观而清晰的帮助我们解析这一切。

二、可视化设计的价值

(一) 可视化设计的概念

作为一个跨学科的领域, 在视觉设计的大背景下, 可视化设计交叉了交互设计、数据挖掘及算法等多个学科, 并囊括了科学可视化设计、数据可视化设计、信息图表设计、知识可视化设计等多个方面 (图1) 。从某种程度上讲, 通过运用科学的组织、整理及分析方法, 任何内容都可以称之为信息, 而运用设计的语言, 将信息准确而艺术化的表达既是可视化设计。

当面对超负荷的数据和过多的信息时, 它们可能是一堆数字或者看似没有关联的事件甚至是晦涩难懂的文字描述, 相比之下图像化的信息不仅更吸引人的目光还包含着更多的内容, 同时更容易让人快速且轻松地理解。

(二) 可视化设计的价值与视觉语言

视觉艺术及媒体理论家Lev Manovich在他的文章《Database as a Symbolic Form (数据作为一种符号形式) 》中写到"The 19th century culture was defined by the novel, the 20th century culture was defined by the cinema, and the culture of the 21st century will be defined by the interface." (1) “19世纪是小说定义了文化, 20世纪是电影定义了文化, 而21世纪的文化将由界面来决定”。我们的生活正被数据驱动着, 所以如何用设计的语言制作让人惊艳的界面对数据和信息进行生动的讲述是未来的机遇。

随着技术的进步, 信息大量的灌输进我们的生活中, 比起在密集的信息丛林中进行探索, 可视化的信息更容易让人理解。丹麦的物理学家Tor. N·rretranders通过简单的拟物化方式将电脑处理器比作人类的不同感官, 如他所说:在人的感官中, 视觉对信息的处理速度最快, 相当于现代社会的高速网络;触觉其次, 其速度相当于电脑上的USB借口;听觉及嗅觉的处理速度则相当于电脑的硬盘;而味觉这个古老的感官, 其工作效率竟如一台同老式的计算器, 所以人的很多想象及感知大部分来自于我们的视觉, 视觉甚至是自发的去摄取着周围的信息而这一切源自于人类的潜意识。Tor. N·rretranders不仅在一个画面中就表达出了人类不同感官对信息处理速度这个复杂的论题, 亦更进一步的论证了视觉艺术的重要性。

在感官中, 眼睛对颜色的变化规律对图形的形状和模式是十分敏感的。我们认为清晰、漂亮及赏心悦目的感觉都来自于我们的眼睛, 这也就是视觉的语言。就像一枚硬币的正反面, 理性和感性两种思维模式左右着我们的感觉, 这两个看似互斥的部分其实也是密不可分的, 来自于视觉的感性语言与来自于大脑具有逻辑性的理性语言联系到一起, 就是一直以来研究者及从业者们希望用可视化设计的方法表达大数据的方式, 过于理性的数字和报表让人难以理解甚至容易失去兴趣, 而可视化是一个方便人们快速的, 条理清晰的找到答案的解决方法。

(三) 可视化设计的艺术性与实用性

信息可视化的过程也是将信息提炼解析的过程, 其目的旨在帮助人们快速的汲取信息并通过多维度的对比解析并决策。网络信息发达的今天, 我们经常可以通过各种渠道看到让人眼前一亮的可视化信息图, 设计者通过不同来源及渠道收集到的数据, 运用不同的色彩及形状、数量进行视觉化、相关化的整合, 使多维度的信息在视觉的空间中产生联系, 可视化将信息转化为一个个直观的形象, 让人可以用视觉直观的探索完整的信息地图, 这也是可视化设计的艺术价值。

面对庞大可视化的需求, 很多关于可视化设计的研究及文献专著都在寻求有效而科学的可视化方法, 可是现阶段来看大部分的设计产出仍然围绕着作者的设计本能即可视化本身为出发点而不是用户的需求。以大数据作为前提, 完成一个完整的可视化设计是复杂的过程, 从最初的数据收集及清洗到中期的运算解析最终再用设计的语言进行创作表述, 其中所涉及到的数据维度往往不止一个, 任何因素的变化包括算法模型的选择, 设计师进行艺术化表达时的主观因素, 都有可能影响一个可视化设计最终呈现的效果。客观的讲, 艺术性越强的设计可能会牺牲一定的实用性和客观性而着重艺术化的加工, 其优点在于设计精美而让人印象深刻。

三、大数据背景下的可视化设计前景

随着计算机技术的普及, 数据改变了我们的思维模式。来自全世界的很多组织包括联合国、各个国家的统计部门, 世界各地的学院以及各类非政府机构都积累了海量的数据, 通过数据与可视化的连接可以直观的向用户传达信息, 另一面, 用户可以有效的利用现有的数据库汲取根据个体的需求汲取信息。但或许是出于安全性的考虑, 到现在为止大部分的数据仍被隐藏在最底层的数据库里, 作为普通公众或者互联网公司还不能有效的接触并利用这一笔财富。

有效的利用已知数据建立完善的数据生态平台, 是现阶段各国政府以及各大互联网巨头急于达成的目标。我们不妨构想出一条互惠互利的数据生态网 (图2) , 从完善底层的数据库开始到数据的检索、清洗, 海量数据的运算及分析之后, 最终以动态或静态可视化的方式呈现给用户, 大数据来自于互联网的每个角落, 最终也将服务于互联网时代的所有用户。

参考文献

可视化推进大数据应用 篇7

关键词：大数据时代,可视化新闻,新闻传播,路径创新

随着我国信息技术的发展, 大数据时代悄然而至。人们已经习惯了运用数字技术进行工作和学习, 其思维已经随着大数据时代的发展而产生了变化。事实上, 早在20 世纪七八十年代大数据便已基本成型, 是因为技术水平的限制, 一直未能进行广泛应用。20 世纪之后, 互联网的普及才让大数据时代真正开始, 人们的生活发生了质的改变。对于媒体而言也同样如此, 其信息输出模式和受众的信息接收模式呈现出了多元化的发展, 可视化新闻便是在新媒体环境氛围中产生的。可视化新闻提高了信息的传播速度, 其可视化的特点也让受众群体越来越喜欢这种新闻播报方式, 其不仅具有较大的理论价值, 更加具有较强的现实意义。

1 大数据时代可视化新闻存在的缺憾

1.1 数据处理精准性低

在可视化新闻的制作方面, 国内的技术条件、人员配置、发布审核等各方面都有很大的上升空间, 其存在的问题也显而易见。虽然可视化新闻数据处理相比较传统模式有了改进, 使其在分析处理过程中依然会存在信息传递不足、信息传递过度, 或者信息传递失真的情况。在数据整合和美术设计方面, 也难以达到可视化新闻的快、准、美要求。

1.2 运作模式不完整, 时效性较差

我国可视化新闻起步较晚, 其运作模式还不完整, 可视化新闻制作的产业链也并不严谨, 许多可视化新闻的制作人都是自然人, 这就造成了其无法在事件发生的第一时间获得相关信息, 新闻报道的时效性较差。加上个人所制作的可视化新闻的局限性, 让受众群体对其进行充分的理解还需要一定的时间。

1.3 内涵不明确, 内容实用性需提高

可视化新闻所追求的核心内容并没有非常明确, 其所播报的内容与人们的生活关系并不密切, 这就造成了内容的实用性不高。新闻媒体工作人员并没有充分认识到可视化新闻的核心内涵, 其所依托的大数据也没有得到充分体现, 难以将纷繁复杂的海量数据进行精细化、浓缩化处理, 再经过可视化进行传播。

2 新闻可视化传播的创新路径

2.1 可视化新闻弥补传统新闻宏观叙事的不足

传统的新闻播报注重的是以文字为主所进行的叙事细节的捕捉, 也就是说, 其更加注重的是微观的表达。而新闻可视化则可以在数据上“下功夫”, 弥补传统新闻中宏观叙事的不足。从统计学的角度来说, 新闻可视化是大规模的抽样调查或者普查, 通过抽样调查或者普查, 了解事物发展的一般规律。可视化新闻所利用的主要是客观数据, 对事物和现象进行充分而客观的宏观报道, 在宏观报道过程中加强微观报道能力。也就是说, 运用数据新闻可以提升公众对新闻的可信度, 能够与“微观新闻”形成相互之间的弥补。

2.2 开放数据运动拓展可视化新闻的报道领域

可视化新闻是对数据的应用, 而数据在理论上是没有疆界的, 大多数数据都可以成为新闻报道的重要源泉, 有新闻价值和大数据的地方就应当有可视化新闻的存在。但是, 因为各行各业对数据的保护性, 让可视化新闻在获取数据方面有一定的难度, 只有进行开放数据运动, 才能够有效保证数据新闻的报道。“开放数据”指的是不受著作权、专利权以及其他任何限制, 并开放给社会公众自由查询和使用的数据。互联网的应用让“开放数据”越来越多, 只要记住认真挖掘, 便能够寻找到可视化新闻的丰富资源。除了官方发表的开放数据, 行业协会和专业市场调查公司所公布的数据也可以被可视化新闻所使用, 这需要记者充分挖掘大数据的价值, 掌握可视化的呈现方式。

2.3 改变以文字为中心的传统新闻叙事方式

可视化新闻的交互性是其最为引人注意的特点, 其改变了新闻报道的传统方式, 建立了新的新闻叙事模式。可视化新闻可以将图片、数据、链接等内容作为文字形式的辅助, 丰富新闻内容, 强化数据应用。可视化新闻的呈现还要注重其逻辑的清晰性, 呈现给用户更好的阅读体验方式。新闻可视化是一门艺术, 其不应当仅仅局限在一种模式范围内, 认识应当拓宽其应用领域, 变化其表现方式, 带给人们全新的视觉体验感受。可视化新闻还要紧跟时代脉搏, 紧跟国际新闻界数据探索的步伐, 加强在门户网站推出属于自己的可视化新闻专栏。

3 结束语

信息技术的发展推动了新媒体产生, 新媒体的产生推动了新闻可视化的发展。可视化新闻已经成为新闻发展的未来方向, 其传播的速度也将越来越快, 传播的程度也将越来越深。新闻媒体人要注重挖掘可视化新闻背后的深层含义, 注重数据新闻媒体的融合, 拓展新闻可视化传播的路径, 让可视化新闻给人们的生活增添五彩斑斓的颜色。

参考文献

[1]王秀丽, 王天定.数据新闻可视化设计的反思与创新路径——以2014“数据新闻奖”作品为例[J].新闻界, 2015 (9) :55-60.

[2]连娜, 张筱筠.“大数据”时代新闻传播人才培养模式的创新[J].新闻界, 2014 (15) :29-32.

可视化推进大数据应用 篇8

互联网技术的迅速普及彻底改变了人类的生活方式与生产模式, 数字化变革已经触及经济社会的各个方面, 出版行业被电子书逐步替代, 唱片领域受到网络音乐的猛烈冲击, 新闻传播领域也不例外, 可视化新闻的迅速发展就是一个典型的例子。目前, 学术界和实务界关于可视化新闻的定义还未形成统一看法, 但可视化新闻的4V特征 (信息量大、传播高速、形式多样、价值凸显) 已被广泛认可。基于此, 笔者认为可视化新闻是以大数据分析为基础, 在夯实新闻内容的同时将新闻信息进行可视化转换的新型信息传播模式。文章重点对大数据时代可视化新闻的发展现状、基本特征以及发展趋势进行分析探究, 对促进我国可视化新闻的有序、高效、可持续发展有着重要意义。

二、大数据时代可视化新闻的现状分析及基本特征

(一) 大数据时代可视化新闻的优势突出

事实上, 可视化新闻是新型媒体信息输出模式变革与广大受众信息获取方式转变的共同产物, 是大数据时代传统新闻传播媒体转型升级的重要创新路径, 其优势主要体现在以下两个方面:

1.可视化新闻的趣味性强。将纷繁复杂的新闻信息进行深加工, 以表格、图片等形式将新闻信息的核心要义进行可视化展现, 这无疑大大提升了新闻报道的趣味性, 相比传统的新闻传播模式, 可视化新闻能获取更多的受众, 且对于客户黏性有较大帮助。

2.可视化新闻的实效性高。由繁化简、提炼要点、揭示新闻事件背后的规律与真相是可视化新闻的重要内涵, 可视化新闻的高提炼注定其实效性要比传统的新闻传播方式实效性高, 且在大数据时代, 通过对数据进行深度分析, 能得出更为准确的新闻结论。

(二) 大数据时代可视化新闻的劣势明显

由于我国大数据发展较晚, 可视化新闻的创新速度相对缓慢, 其制作模式尚不成熟、人才严重缺失以及观念仍未转变, 大数据时代可视化新闻的劣势明显。

1.可视化新闻的专业性不强。由于我国大数据发展才刚刚起步, 可视化新闻的发展并未形成产业化, 而是个别创新性强的新媒体在“单兵推进”, 因此当前的可视化新闻制作模式并不成熟, 且由于缺乏兼具计算机、艺术设计、新闻传播三大领域知识的综合性人才, 可视化新闻的专业性还有待提升。

2.可视化新闻的时效性不好。目前, 我国可视化新闻的制作并未形成完整的流水线, 内部分工较为模糊, 且各环节的制作人员和内容审批权限分散在各个执行部门, 这极大地降低了可视化新闻的制作效率, 最终造成可视化新闻存在一定的报道时滞, 降低了可视化新闻的时效性。

(三) 大数据时代可视化新闻的基本特征

信息量大、传播高速、形式多样、价值凸显是可视化新闻的一般特征, 具体到我国的可视化新闻来说, 其基本特征如下:

1.事实数据化。数字化时代, 数据的客观性与真实性的作用被充分发挥, 将事实数据化有利于保证新闻传播的原汁原味, 并且是将传统新闻传播方式的定性分析逐步转变为定量与定性分析相结合的新闻信息制作形式, 将新闻事实数据化, 进一步提升新闻的准确性。

2.信息可视化。可视化新闻与传统新闻模式最大的不同在于其展现方式更加有趣, 实现了新闻信息的可视, 这不仅使得受众更愿意接收新闻信息, 而且增强了新闻信息在受众脑海中的印象, 这也是提高新闻传播质量的重要表现, 是我国新闻传播领域的重大进步。

3.传递高效化。毫无疑义, 由于可视化新闻的优势明显, 因此其信息传递的效率更高, 且在大数据时代, 由于受众的信息接收模式出现转变, 因此可视化的新闻传递效率更高。

三、大数据时代可视化新闻的发展趋势

(一) 精益求精:可视化新闻数据处理专业化

随着生活水平的提升, 人民群众将不再单纯满足于可视化新闻的高效与可视化, 新闻报道的质量仍然是其追求的核心, 因此未来可视化新闻数据处理必须专业化, 提升可视化新闻信息的准确度与专业度, 以满足受众的合理需求, 只有不断提升可视化新闻数据处理的专业性, 才能确保可视化新闻具有可持续的生命力与创新性。

(二) 多管齐下:可视化新闻传播渠道多元化

大数据时代, 广大新闻信息的受众既是新闻信息的接受者也是新闻信息的制作者和传递者, 因此未来可视化新闻传播会蔓延到各个新闻信息传递平台, 可视化新闻的成本渠道日趋多元, 最终形成一个数字化的新闻传播体系, 其呈现方式是趣味性较强的可视化形式。传播渠道的多元化是可视化新闻实现自身发展, 加快创新速度与质量的重要保障。

(三) 求真务实:可视化新闻信息内容实用化

不可否认, 在可视化发展初期, 我国可视化新闻的发展还处于过分追求“可视化”的趣味性和美观性上, 从而忽视了可视化新闻的本质——新闻信息传递, 这与可视化新闻的发展规律相背离。展望未来, 可视化新闻的趣味性与美观性都要服务于其实用性, 可视化的“趣”与“美”均要以突显新闻信息的真、快、准为前提。

摘要：可视化新闻是新型媒体信息输出模式变革与广大受众信息获取方式转变的共同产物, 是大数据时代传统新闻传播媒体转型升级的重要创新路径。文章首先对可视化新闻的基本概念进行了简要阐述, 继而对大数据时代可视化新闻的发展现状与基本特征进行了分析, 并结合当前新媒体发展的实际情况, 对未来可视化新闻的发展趋势进行展望。研究显示:大数据时代, 可视化新闻的优势主要体现在趣味性强和实效性高两个方面, 但由于模式尚不成熟、人才严重缺失以及观念仍未转变等原因, 使得可视化新闻存在专业性不强和时效性不高两大弊病;可视化新闻存在事实数据化、信息可视化以及传递高效化三大基本特征;未来大数据的发展趋势主要是数据处理专业化、传播渠道多元化以及信息内容实用化。

关键词：大数据,可视化新闻,基本特征,发展趋势

参考文献

[1]杨雅.大数据分析与可视化技术:新闻传播的新范式“大数据与新闻传播创新”研讨会综述[J].国际新闻界, 2014 (3) :161-168.