有效的大数据可视化以简单起见

在可视化数据时不要走得太远

此外，惠特克讲道简单的好处对于在Avant内建立的可视化。他和他的团队使用了一个BI工具从Looker Data Sciences Inc.分析客户数据，以帮助公司为个人借款人和分段群体价格更准确地说。他们也使用Looker，加上d3.js.在某些情况下，开源可视化库，可视化为Avant的执行团队提供的公司绩效报告的数据。

“大多数业务决策将长期推动增长，你可以摆脱枢轴桌或简单的图表，”Whittaker说。“有一百万种方法可以绘制绩效数据，但我真正试图弄清楚的是我可以更好地获得的[客户]段。”

即使涉及更加重型的数据科学工作运行预测模型为了评分新客户的信誉，他没有看到需要创造错综复杂的大数据可视化来呈现分析结果。Whittaker表示，当建模工作的目标只是要了解特定客户的不同数据元素之间的相关性时，这将是浪费。

大多数商业决策将长期推动增长，您可以从枢轴桌或简单的图表中取出。

Paul Bradley，医疗保健管理软件供应商Zirmed Inc.的首席数据科学家，基于KY路易斯维尔。，旨在防止使用公司向其客户提供报告的压倒性医院官员中的可视化。象征软件作为服务应用程序帮助医疗保健提供者处理医疗保险索赔;在向保险公司传递给保险公司之前，供应商运行预测模型，以检查可能错过的账号，涵盖通常与上市医疗程序相关的治疗。

作为其服务提供的一部分，据说将报告提供给客户的常用账号和其他指标的可视化。布拉德利表示，该公司的分析师需要记住，读取报告的医院管理人员可能没有时间或兴趣进入复杂的图形和图表。“我们在大数据集中度过了很多时间，”他说。“但我团队的主要目标是煮沸到人们需要完成工作的最小掘金。”

在大数据可视化的内部工作

事情有所不同发展数据可视化布拉德利自己的团队使用。使用来自美国人口普查局的医疗组织和数据库的混合数据以及Medicare＆Medicaider服务中心，象征数据科学家寻找成千上万个变量之间的相关性，以了解医疗保健提供者倾向于聚集在一起的医疗程序的想法，以及提供者最常忘记对账单患者的那些。然后，他们使用相关性来构建和更新用于检查索赔的预测模型。

布拉德利说，这么多数据涉及唯一理解它是通过可视化的方法。在这种情况下，他补充说，在数据可视化中构建更多复杂性是合理的。他团队的成员用于争论复杂数据，因此详细的可视化不会让它们感到困惑。某些可视化工作在Excel中完成但是，更复杂的任务是在Tableau的BI软件中处理的，使数据科学家能够深入了解可用信息。“我的团队希望从该数据看出这些模式和趋势，”布拉德利说。“我们希望查看所有数据元素，在他们照顾医生时描述患者发生了什么。”

分析工具和技术正在快速推进，Hadoop和其他大数据技术有助于推动它们。但是预测模型或数据挖掘算法无法自己更改业务流程。为了具有实际效果，需要在组织中传达大数据分析应用的调查结果，这就是有效的大数据可视化工作的力量变得至关重要。

它不是火箭科学，所以要说。“我与每天甚至不知道的人互动的人交谈，因为它以非侵入性的方式嵌入了”布拉德利表示，这是指亚马逊和其他网站上的产品推荐引擎等物品。他补充说，分析师正在可视化大数据的同样需要找到“提供来自真正复杂的分析的信息的清洁方式”。