2020云栖大会 数据可视化分论坛

专题一: DataV 行业数字化时代的人机交互
讲者: 闻啸 (阿里云智能数字产业 产品研发部 高级技术专家)
课程简介: 本专题是行业数字化时代的人机交互平台,讲者就其数据可视化产品化经验及最新遇到的挑战进行的分享,讲述内容分为多样场景的应用、物理空间数字化、智能构建及洞察三个部分。

1 多样场景的应用

在企业内部,数据可视化从传统电商领域走向更多的行业领域。在伴随伙伴和客户一同成长过程中,感受出其中有很多可视化方法可以被提炼出来,工具和手段存在共通性。

  • 多端融合
    DataV最早的产品定位就针对于数据大屏,数据大屏具有较好的数据沉浸式分析的特色,但也同样存在不便性与数据操作的不足之处。越来越多的数据可视化和可视分析应用被转移到了桌面端或者移动端设备上来,大屏端、桌面端、移动端三端融合来降低用户门槛是必要的。DataV在大型活动可视化保障系统中进行尝试三端集合,大屏以视觉效果为基础承载展示端功能,桌面端负责大屏展示场景的控制和切换,移动端方便快捷地对展示内容和各项指标进行监控。
图1 多端融合
  • 交互开发的图形化界面--蓝图编辑器
    根据用户反馈可以在不同场景下进行交互式拖拽构建可视化面板,简化繁重的交互过程。
图2 蓝图编辑器
2 物理空间数字化

现有物理空间的数字化应用场景狭窄,仅以人工/三维/固化的形式应用于专业领域,没有完整的数字化、结构化,没有参与数字融合,不能紧密连接上层业务逻辑。实现城市空间数据化链路完整构建,将人工维护的三维资产、地理信息的维护变得像业务层面一样实时更新、低成本更新、云化,通过使更多人触达来降低使用成本和构建成本是未来研究方向。除数据分析人员之外,数据媒体创作也需要创新性工具,历史保护,文化旅游领域,都对空间沉浸感的数据分析具有迫切需求。

图3 城市空间数字化

目前真正的关注点在于真实空间的接入,快速使业务仿真数据与实际场景数据相结合。在现今数据多、任务复杂的场景下,数据映射仅仅是应用场景,转化为视觉通道表达时有非常繁重的数据预处理,所以数据可视化不仅仅面向前端,还要关注计算密度,将渲染端与数据端剥离,把目光转向面向计算的后端技术与数据库技术。

图4 渲染端与数据端剥离
3 智能构建及洞察

设计是数据可视化非常重要的一环,但目前数据可视化链路将大量精力放在最终的工程化实现上面,所以产生了非常多的优秀的组件库,帮助压缩工程化链路的成本。但通过人工智能算法压缩数据可视化设计过程中的成本是最新需求,LADV可以基于用户绘制的草图,采用图像识别技术识别出其中的可视化元素与布局方案,自动生成一个工程化的系统,将可视化设计环节的成本进一步的压缩。

图5 LADV智能构建

专题二: 时空可视分析技术分享
讲者: Gennady Andrienko (City,University of London,UK)
课程简介: 本专题是结合飞行轨迹可视分析案例介绍时空数据数据可视分析技术。

1 可视分析的主要原则

最大化利用人脑智慧和机器智能是可视分析的主要原则。机器在储存和处理大规模数据、快速查询信息、资源互联、高效高质量图像渲染等方面表现优异,而人则可以灵活交互地处理新场景和新问题,解决难以格式化的问题,在涉及非连续或不可解释信息的场景下表现优异,还可以简单看出那些难以计算的知识规律,所以要将两者结合起来。

图6 可视分析的主要原则
2 可视分析的定义与流程

可视分析(VA)是依靠交互式视觉用户界面来辅助科学知识发现或原因分析。可视分析处理问题的一般流程如下:

  • 提出假设(伴随数据获取)
    • 定义或理解分析场景
    • 提出问题(可视分析任务)
    • 提出原始假设
  • 理解数据(针对数据)
    • 理解数据实体
    • 数据预处理
  • 探索数据(针对应用场景下的问题现象)
  • 设计计算机模型(针对机器)
  • 解决问题
    • 回答问题
    • 验证/推翻原假设
图7 可视分析的定义与流程
3 航空数据可视分析案例

图8是法国比利时英国西班牙飞行数据的可视化展示,左边是2D路线图,右边是3D航线图,不同的颜色代表不同的空层。图中可以看出,数据是非常复杂的(包含了3D空间数据和时间)。水平空间是连续的,包含了不同的飞行路线;但垂直空间是离散的,分为不同的空层,飞机不可以随便穿越空层,要按照规则在不同空层之间切换。目前持有的数据不完美、不完整、有错误、不连续且很难解释,这时就需要引入可视分析手段。

图8 飞行数据可视分析案例

机场起飞降落可视分析

对数据进行清洗、补全、预处理之后,对飞行器路线、起飞和抵达、天气环境等问题进行系统性的可视分析,辅助航空管制及制定航空管理计划。图9展示了伦敦五个机场的起飞降落数据,最开始的复杂混淆的路线展示经过可视分析手段处理后变成了简单易懂的3D或2D的起飞降落路线可视化。

图9 机场降落与起飞分析

飞机路线选择

飞机在降落时可能会遇到机场拥堵的情况,需要在机场附近等待圈徘徊等待塔台发出降落指示,这是飞机路线规划考虑不周导致的,路线选择存在偏差。通过可视分析方法,可以使飞机在巡游阶段更直接的关注飞行最短路径,而不是过度依赖于飞行计划。突发性时空因素对路线的影响,此场景下人机结合的可视分析能够较好的发挥作用。

图10 飞机路线选择
总结

可视分析是一种结合人与计算机优势来解决复杂问题的方法。其中,人负责问题定义、问题格式化、适应新场景、处理不连贯或难解释的问题,而计算机负责大规模、高维度、快增长的数据运算。

专题三: 大数据可视化挑战与趋势
讲者: 陈为 (浙江大学)
课程简介: 本专题针对可视化的定义、意义、应用场景、未来发展趋势展望、国内外研究对比几个方面进行了详尽的介绍。

  • 可视化与可视分析是人类理解数据的导航仪:运用与人类视认知相一致的图形展示数据内在结构与规律增强理解和分析效率
  • Science/Nature等顶级期刊和中国计算机学会每年发布十大数据发展趋势报告均提及数据可视化的重要地位。
  • 数据可视化可以推进大数据平民化,可视化+ 是一个普惠的赋能技术,大数据可视化可以服务于大数据分析的每个阶段,在数据获取、数据清洗、数据模型、数据分析、仿真预测中都能发挥重要作用,实现人机融合,增强分析效率。
图12 可视化+在大数据分析中的应用
  • 未来发展趋势: VIS for AI
图12 VIS for AI
- 未来发展趋势: AI for VIS
图13 AI for VIS
  • 产业现状
    • 产品大多以轻量级数据可视化工具(阿里、百度、蚂蚁)为主。产品底层技术特性,如大规模数据的渲染能力,海量数据交互能力等方面与国外同类产品存在一定差距。
    • 缺乏商业模式,以仪表盘为主。部分结合大屏幕和云平台,为行业定制各类业务系统。行业渗入度不高。
    • 产品功能多为效果展示,数据分析局限于简单的数据统计层面,难以深入支持领域专家在复杂场景下的业务分析。
  • 生态建设
    • 最后陈为老师对开源社区建设 提出了展望,构建以数据模态或应用场景区分的可视化标准件与通用系统软件。
123