数据可视化成为了热门趋势，因为它在数据分析过程中扮演着非常重要的角色，是分析师手中的优秀工具。好的可视化图表是会讲故事的，它向人们展示了数据背后的规律。

　　那么什么是数据可视化呢？

　　顾名思义，数据可视化就是将数据转换成图或表等，以一种更直观的方式展现和呈现数据。通过“可视化”的方式，我们看不懂的数据通过图形化的手段进行有效地表达，准确高效、简洁全面地传递某种信息，甚至我们帮助发现某种规律和特征，挖掘数据背后的价值。

　　举个例子，当前新冠疫情肆虐，街道社区等要对居民的疫苗接种情况进行统计，多数都会用到Excel表格进行统计上报。

　　这样的数据呈现方式仅仅是将数据进行了罗列，密密麻麻的数据既没有办法让我们看到什么是重点信息，也没办法让老板从这些数据中找出什么规律和特征，也大大降低了数据的意义。

　　但是，设想一下，如果你利用可视化的手段将数据转化成图表的形式呢？相关管理人员获取信息的效率会不会更快？是不是能更快得从数据中找出事物变化的趋势与规律？重点数据是不是能帮助社区快速有效得管理呢？

　　这就是数据可视化的价值。

　　对于经常需要用数据、做分析、理逻辑的人来说，数据可视化是一项非常实用的分析方法。好的可视化，有助于快速发现数据背后的规律、找到原因、作出判断。

　　那么可视化的目标和作用是什么呢？

　　传统的可视化可以大致分为探索性可视化和解释性可视化，按照应用来分，可视化有多个目标：

　　有效呈现重要特征

　　揭示客观规律

　　辅助理解事物概念和过程

　　对模拟和测量进行质量监控

　　提高科研开发效率

　　促进沟通交流和合作

　　按照宏观的角度看，可视化的三个功能：

　　信息记录

　　信息推理和分析

　　信息传播与协同

　　数据可视化分类：

　　数据可视化包含三个分支，科学可视化（SciVis,ScientificVisualization）和信息可视化（InfoVis,InformationVisualization），以及后来演化出第三个分支：可视分析（VAST,VisualAnalyticsScienceandTechnology）这个从IEEEVIS会议的分类中可以看出来。

　　科学可视化面向的是科学和工程领域数据，比如空间坐标和几何信息的三维空间测量数据、计算机仿真数据、医学影像数据，重点探索如何以几何、拓扑和形状特征来呈现数据中蕴含的规律。

　　信息可视化的处理对象是非结构化、非几何的抽象数据，如金融交易、社交网络和文本数据，其核心挑战是针对大尺度高维复杂数据如何减少视觉混淆对信息的干扰。

　　近几年来，随着人工智能的兴起，人们逐渐发现其实一些机器能比人做得更好的事情，同时也发现了一些事情需要借助人类3亿年的进化本领。所以将可视化与分析进行结合，产生了一个新的学科：可视分析学。

　　可视分析学被定义为由可视交互界面为基础的分析推理科学，将图形学、数据挖掘、人机交互等技术融合在一起，形成人脑智能和机器智能优势互补和相互提升。