可视化也有另一面，为什么你的大数据在睡觉

可视化已成为所有管理者的必修课，因为在越来越多情境下，可视化将成为传达工作内容的惟一途径。...

大多数情况下，从可视化中受益的是重视设计和数据并主动进行相关投入的管理者。但现在不同了：可视化已成为所有管理者的必修课，因为在越来越多情境下，可视化将成为传达工作内容的惟一途径。

推动这一变化的首先是数据。决策越来越依赖数据，而新数据生成的速度和体量惊人，必须经过简化才能理解——此即可视化的作用。以波音公司的“鱼鹰”项目为例。为提升“鱼鹰”直升机起飞和降落的效率，管理者要处理传感器记录的大量数据。每次起飞或降落的数据多达1TB，10次起降的数据与美国国会图书馆的数据存储量相当。不运用可视化工具，要从数据的规律和异常中发现飞机的缺陷，将是不可能完成的任务。

但不仅是统计数据，其他信息也需要可视化。例如业务流程、消费者在店铺内活动方式等复杂系统，如果无法清晰展现出来，就难以理解，更谈不上解决其中的问题。

下面是麻省理工大学在纽约市进行的一次空气质量可视分析应用的实验模型。实验通过设置155个固定监测点组成的环形网络，对区域内的空气物质参数进行实时搜集，并用智能手机的定位功能纪录我们的出行轨迹。

藏在背后的数据价值

该项实验能够计算区域内城市人口暴露在空气中的污染变异性。据称，这是纽约市首次尝试在手机数据支持下纪录百万人口活动与空气污染之间关系的研究。

“传统的污染监测的方法是通过一系列测量站来衡量污染水平。” 麻省理工学院城市研究与规划系教授Carlo Ratti如是说，“然而测量站地点的选择是非常重要的。如果你想量化人们与污染物的接触，你也需要知道人们在哪里。”

“目前来说，这项技术对未来人口的健康评估至关重要，该研究方法可以广泛应用于城市和环境的分析。” Carlo Ratti认为。

《经济学人》也利用媒体数据优势加可视化技术，建立了另一种对污染实时分析的数据模型,来佐证可视化带来的实际价值。该模型对2015年全球15座巨型城市进行了为期一年的数据采集，并使用这些数据制作了一款手机端的空气质量可视化监测应用程序。

如图所示，伦敦和巴黎的二氧化氮浓度一贯高于世界卫生组织公布的空气污染颗粒物年平均极限值。在为期一年的数据观测中，伦敦的日间二氧化氮浓度平均值比世界卫生组织的限值高出了41%。巴黎的官方数据宣称该市的空气质量5天里有4天是“好”或者“非常好”。然而《经济学人》的APP显示，几乎每一天，巴黎市的三大空气污染物中的至少有一样的浓度在某一时刻高于世界卫生组织的限值。

可视化别跑偏

虽然可视化的灵活性为管理者带来了很大优势，但有存在着一些风险。在尚无文字的世界里，知识传递主要是通过故事的方式。然而，这里面存在两个问题：个体讲述者可能学习的是不同版本的故事，甚至同一个人可以每次都可以用不同的方式讲述同一个故事。

自助服务分析和可视化的即时性为这一过程增加了另一重难度。口头故事随着时间的推移，可能会随时发生变化，然而，其寓意可能是相同的。因此，可视化和故事讲述的自由性不能是绝对的。这就是为什么企业需要元数据和主数据管理的原因。他们提供一致的数据语法和语义，这对于跨区域和业务单元的数据讲述是非常必要的，它能够避免企业对数据讲述产生误解，也避免其因为误解做出错误决策。

就像之前电脑使用的普及在企业中造成一些混乱的情形一样，新型数据分析、可视化和数据讲述的方式有好处也有坏处。为了成功的利用上述工具，企业需要共同的语言和共享的上下文。我们需要确保这种数据讲述的新方式确实增加了商业描述的生动性。

本文资料来自：华尔街日报、baidu