敏捷BI在项目管理系统实施中的选型及应用（2/3）
卷首语
实施商要以方案整合达到实施效果和自身成本的最佳。
什么是数据可视化
狭隘理解数据可视化即将数据信息通过某种方式或形式展示出来，但数据可视化作为一门独立的学科，其实经历过很长历史的发展。
从浅入深，数据可视化的定义分为三个层面：
1、数据可视化主要旨在借助于图形化手段，清晰有效地传达与沟通信息。数据可视化与信息图形、信息可视化、科学可视化以及统计图形密切相关。当前，在研究、教学和开发领域，数据可视化乃是一个极为活跃而又关键的方面。“数据可视化”这条术语实现了成熟的科学可视化领域与较年轻的信息可视化领域的统一。
2、数据可视化包含三个分支，科学可视化（Sci Vis, Scientific Visualization ）、信息可视化（Info Vis, Information Visualization）、可视分析（VAST, Visual Analytics Science and Technology）。
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。
3、解释性可视化、探索性可视化
可视化横向拓展理解
1、只有你知道如何准确的表达你的观点：优秀的可视化维度是需要被定制的。以Gartner魔力象限举例，Gartner魔力四象限是对某一特定企业级 IT 技术市场的研究总结，通过统一的评估准则并汇总至固定两个维度上 — Ability to Execute（执行层面，即当前产品、服务、销售等表现）和 Compleness of Vision （战略层面，即未来愿景的清晰完整性）。魔力四象限根据各家供应商们的表现，将其划分入如下四个象限中，分别为：Leaders（领导者）、Visionaries（远见者）、Challengers（挑战者）和 Niche Players （利基企业，指某个细分领域占主导地位的企业）。
- 领导者—— 根据现有目标经营状况良好，对未来的规划很清晰。
- 有远见者—— 了解市场发展方向，或是有改变市场规则的愿望，但经营状况欠佳。
- 挑战者—— 目前经营状况良好，可能正独霸一方，但缺乏对市场发展方向的把握。
- 利基企业—— 成将重点放在一片小领域中，但也可能是重点模糊、创新不突出、业绩平平
2、数字孪生（Digital Twin）是数据可视化的优秀应用技术。在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。
可视化纵向拓展理解
从表层至底层，可视化从意图、目标、任务三个维度进行深入。
中层的可视化技术如下所示，用于分析、总结非结构化数据中蕴含的业务逻辑。
底层的可视化技术可用于让机器探索数据内的关联，从而找出业务价值。
可视化产品选型的难点
市场上可视化产品非常多，功能相似难以区分。面对众多的可视化产品及夸大的销售宣传策略，用户在产品选型时往往无所适从。可视化产品选型的难点主要有如下：
