2017大数据可视化高峰论坛（成都），于5月6日在西南交通大学镜湖宾馆举行，该论坛由西南交通大学李天瑞、西南科技大学吴亚东、四川大学朱敏、重庆邮电大学秦红星共同担任执行主席。李天瑞教授做简单介绍后论坛正式开始。
首先是来自京都大学的Koji Koyamada教授做了题为“Does it contribute to scientific discovery？”的主题报告。报告的内容分为四个部分：
1）What is the Visualization，在这部分Koji Koyamada给大家介绍了自己对于可视化的理解以及对于可视化研究的认识，Koji Koyamada认为在做可视化研究时应该注意三点：
- 你转化到数据中情景；
- 你从数据抽象图片的效率（这点可能因为Koji Koyamada教授做的比较多的体可视化才这么说）；
- 能从图片中获取的信息量的大小。
2）What is Scientific discovery，这部分介绍了科学发现的过程，首先是对现实世界的观察，接着是问题的设定，然后是形成假设，最后则是假设验证和应用;
3）Causality Visualization，因果关系可视化部分讲的是从一个过程到另一个过程的可视分析过程，在这部分Koji Koyamada教授给我们展示了其在大脑功能网络方面的研究工作。4）Empathic Visualization，这部分讲的是情感可视化，情感可视化涉及的主要问题是认知结构和两个方面，其中让我影响最深刻的是Koji Koyamada教授期间给我们播放的利用可视化给小朋友进行教育的视频，这个资源稍后将会分享在实验室共享文件中。
第二位讲者是来自北大的袁晓如老师，袁老师由微博可视化引出其实验室近年来在社交媒体可视分析方面所做的工作。首先，系统性地介绍了社交媒体对象及相关可视化技术的分类。包括三方面:网络，地理信息和文本内容。接着，重点介绍了地图可视化，说明了地图的四大优点，并详细地介绍各类地图可视化，如北京市的洪涝灾害微博发布地图。最后，针对大数据可视化的提问，袁老师介绍了两种方法，分别是过滤可视化大规模数据的一部分，以及交叉索引。
第三位是来自中科院计算机网络信息中心的单桂华老师，她介绍了数值模拟中的粒子与流场可视化大规模。首先介绍了中科院超级计算环境，是国家超级计算中心的总部，之后详细介绍了他们所从事的可视化工作。第一个工作是宇宙结构模拟数据的时序可视化，输出的数据每时刻1.4TB，共90TB，除了画出这些数据之后，还可以帮助科学家理解物理意义。绘制这些数据使用的是大规模数据绘制与加速算法，其中包括时序高动态范围的色调映射算法和数据精简与加速渲染算法。之后单老师介绍了目前正在进行的工作是粒子模拟的原位可视化，从时间粒度与特征数据上进行可视化。第二个工作是大规模流场可视化，大部分采用流线，但是流线中存在一些问题，因为流线种子点对流线的影响比较大，因此专注于研究种子点。之后介绍了基于视窗的自适应层次细节流线可视化来解决全局与局部的困境。
最后由海云数据CEO冯一村给大家带来了可视化商业角度的分享：做可视化的公司很多，但基本都止步于可视化，并没有进一步做到可视化分析。海云数据，是国内唯一一家数据可视分析公司，2019年即将上市，公司的客户来自于全球。冯总介绍了海云数据的核心产品 ：图易——亚洲顶级大数据可视分析平台，该平台利用海云的技术、模型算法将结构数据、非结构数据甚至异构数据全部导入并且分析，最终以可视化的界面形式展现出来。该平台的应用领域非常广，包括政府部门，制造业，医疗部门，金融业，航空业等等。数据可视分析的步骤包括三步：快速组建、可视分析、快速决策。数据可视分析针对不同的领悟，能够衍化出不同的产品。可视分析与可视化并不相同，可视分析是一种新的数据认知能力与数据业务分析方式。可视分析的原则是将关联分析、空间分析与多维分析等多种分析手段，通过计算机视觉技术，转换成为能在具体业务场景应用的分析与决策能力，是认知大数据与数据价值实现的最后一公里。同时，也指出了大数据可视分析商业的发展路径：数字可视化（CG），数据可视化（统计数据语言表达），基础分析（数据关系语言表达），可视分析（过程数据价值表达），智能分析（智能数据算法表达）。总之，数据可视分析的关键是认知，要让客户清楚地知道结果，而忽略掉其中的细节，要让客户明白如何进行最佳地决策，数据可视分析的核心需求即是针对一个具体业务场景的数据分析与决策能力。
四川大学朱敏老师与西南科技大学吴亚东老师共同主持了Panel和提问环节，期间，来自西安、天津、新疆的高校教师和部分企业人员，也就各自在可视化领域的研究进行了交流，与会人员还与袁晓如老师、单桂华老师，以及海云数据CEO冯一村等，就感兴趣的话题进行了问答。最后，袁晓如老师与西南交通大学的李天瑞老师对本次论坛进行了总结。感谢可视化大牛们的宝贵分享！
