前言

近几年，随着各行各业新技术的发展，数据在企业产业链中越来越重要，大数据为企业赋能，使得企业在数字化转型过程中不断的提高的管理效率，这将是一个长期的过程。

数据可视化是一种数据赋能的表现过程，也是大数据价值呈现的重要手段。用户通过对各类图表视觉、动画、颜色、分散、长短、高低等形式的观察，发现企业业务的运营规律、发生问题、架构变动等，从而指导经营策略。让原本枯燥乏味需要大量时间来进行整理归纳的数据，变得简单易懂。总结而言，数据是基础，效率是目的，高效输出、信息透明、增强数据结构和细节，这些都是从根本上为企业降本增效。

各种系统数据的整合、报表批量化体现输出、操作管理指令下发等无一不在考研开发人员和设计人员的数据感知能力。而本文重点是针对设计从业者角度进行探讨，从用户的角度出发考虑实际使用中存在的问题和解决办法。

展示图片使用master go工具制作。

目录

1.什么是大屏数据可视化

   1.1 大屏数据可视化有用吗

   1.2 大屏数据可视化未来的发展

   1.3 大屏数据可视化UI界面分类

2.大屏可视化设计必了解事项

   2.1   大屏分类

   2.2  了解投屏原理

          01 拼接屏   02 LED   03 投影

   2.3  常见的统计术语

正文

1.什么是大屏数据可视化 

   大屏数据可视化是以大屏为主要载体的数据可视化设计。它是一种非常有效的数据可视化工具，能够将关键的业务指标以可视化图标形式展示在一个或者多个LED屏幕上，不仅能让管理人员从复杂的业务数据中获取关键数据节点，更能对策略做出关键的数据支撑，使得管理效率有效的提升。

   无论是政府部门还是私人企业，在大数据时代，大家都开始意识到数据资源的管理和运用的重要性，而大屏数据可视化就是把复杂的信息表格等晦涩难懂的数据简单化，进行高效的分析，实现硬件搭载软件的结合，帮助管理者发现数据背后的关系和规律，为决策提供依据。

1.1大屏数据可视化有用吗

   现在很多企业都会设置展示大屏，这个在一些新闻或者企业的宣传片中经常可以看到，从我的经验来讲，有的公司纯粹就是为了展示“科技”二字，实际上是用不到的。但是也有些公司是需要可视化大屏来做监控端来用的，例如我之前做过的农行大屏可视化和青海林草巡查大屏可视化等项目，也是实打实的为管理者提高管理效率，所以肯定是有用的，只不过用的地方不一样。

   这里我总结了下过往的一些经验，是在做的时候特别要思考的：

   1.大屏设计尺寸。

   2.数据信息体现哪些？尤其是敏感的数据。

   3.按照大屏可视化交互而言，哪些数据应该排在视觉集中点（从上至下，从左至右），颜色如何引导视觉走向，包括设备思考，如小屏控制大屏的控制设备如ipad、控制台、触控屏、红外线触控屏、手机等。

   4.管理者面对如此大的屏幕（尺寸一定要了解，并且模拟），能否找到他想要的数据，或者说怎么快速学习会看。

   5.图表专业用词的准确性很重要，如基本的环比同比增长率，间隔增长率等等。

   6.重要数据的展示动效思考。

1.2 大屏数据可视化未来的发展

  大屏可视化目前涵盖的行业非常的多，而在社会信息不断高速增长的今天，大屏可视化在商业领域中彰显的价值已经越来越大，如会议厅、园区厂区管理、城市智慧建设、政府部门智慧中心等重要场所。相对于传统的可视化，现如今不仅仅是二维展示，三维展示和多层叠加技术等，都让数据更生动灵动，结合丰富的交互功能和实时性，让数据能开口说话，传达出超过其本身意义的信息。所以在可见的未来，我认为数据可视化是非常好的发展，而大屏作为载体也更加广泛。

1.3 大屏数据可视化UI界面分类

  把大数据可视化大屏分成二种，一种“纯展现型”另一种“展现＋功能性”。

1.纯展现型基本上沒有互动，后台管理入录数据信息，在大屏上展现就可以了。

2.展现＋功能性，比如实时监控系统数据信息、收集数据信息、数据信息比照作用、云计算技术数据信息、解析与预警信息这些。

2.数据可视化大屏设计必了解事项

2.1 大屏分类

目前市场上的大屏主要分为4种：

1. 拼接屏：市面上常见DLP、PDP、LCD 拼接屏，有拼接缝隙，设计时要建立缝隙参考线，避免显示偏差。

2. LED无缝屏：用P值衡量清晰度，P值指像素间距，越小显示越细腻。

3. 投影屏：投影仪投影的形式，效果没有前两种好。

4. DLP激光无缝大屏：面上还有一种DLP激光无缝大屏，无物理缝隙，显色也好，但是占比低。

其中拼接屏和LED无缝屏是最为常见，他们的优缺点也不尽相同。

2.2 了解投屏原理

我们来了解一下关于视频信号传输的原理，这将有助于我们理解可视设备和显示设备尺寸如何使用。常规设备的成像原理如上，都是通过显示器将主机视频信息传输到显示设备上。显示适配器就是我们说的显卡。

需要注意的是，显示适配器/显卡决定的是输出分辨率，而显示设备决定的事设备的物理/显示分辨率。

接下来我们主要从大屏可视化展示方式“拼接屏、LED、投影三种形式”来展开说明。

第一种是拼接屏，拼接屏的寿命可达到8万小时连续开机，中间不需要更换配件等。液晶拼接屏可以根据会议室大小，任意选择拼接数量，这样可以保证远近都可以看清屏幕，由于拼接屏屏幕是16:9的比例，所以我们只要保证是2*2、3*3、4*4等拼接方式，可以一直保持16:9的画面比例，这样在播放视频或者电脑上的内容时，画面不会变形。使用场景包括但不限于监控中心、展览展厅、办公室、商场等场合 。我们做UI设计时也需要考虑间隙影响内容，考虑数据的主要展现，现在常见的有0间隙、1.7mm间隙、3.5mm间隙、间隙越低越贵。

这里关于无缝拼接屏的技术原理也简单说下，目前有3种方式：1、电子无缝技术。2、纯平亚克力无缝技术。 3、光学玻璃无缝技术。无缝拼接屏是近三五年之内一款比较火爆的液晶显示类产品，它具备着高清、智能、大型、专业、高科技、质量好以及工业级的液晶拼接产品，规格尺寸齐全，有46寸、49寸、55寸、65寸以及75寸的。但这里需要注意的是这种屏幕价格贵，而且不是正儿八经的一整张屏幕，而是通过不同的技术加工而成。

拼接屏的物理分辨率

上图中拼接方式为横向4块屏幕，竖向4块屏幕。他们每块的屏幕分辨率是1920px*1080px,那么这个4x4的拼接屏幕尺寸就是：宽度1920*4，高度1080*4，得出整个拼接屏物理分辨率为7680X4320。在这种物理分辨率大小下，如果我们的显卡支持最大为4k（3840px*2160px）显示，则我们输出的设计图尺寸应该在1920～3840*1080～2160之间等比的设计尺寸。

拼接屏的用法有两个，投屏和拓展屏，电脑投屏复制和扩展的区别在于显示的画面，复制是将电脑画面直接显示到投屏设备上，会根据电脑画面的变化而变化，扩展是让投屏设备作为电脑的第二屏幕，成为电脑的扩展界面，让用户在两个画面上同时进行创作。

01、投屏

投屏就是将显示器上的图像一比一显示在大屏上，大屏和显示器使用同一个信号输出源。

通过上图可以看出，需要让显示器和大屏比例保持一致，才能让画面不拉伸。下面我们用案例来看下常见的两种情况。

情况一：显示器和大屏比例一致，但分辨率有不同

1920*1080投屏到3840*2160大屏上，由于显示器输出像素为1920*1080，故所有像素点被放大，故而画面模糊。

3840*2160投屏到1920*1080的大屏上，由于显示像素为1920*1080，输出像素会被缩放至1920*1080，故画面也会模糊。

3840*2160投屏到3820*2160的大屏上，由于显示像素和输出像素一致，效果最好，由此可见，投屏比例一致的情况下，分辨率也尽量保持一致，这样画面最佳。

情况二：显示器和大屏比例不一致，分辨率也就不一致

1920*1080投屏到3840*1080的大屏上，由于输出像素为1920*1080，而大屏为3840*1080，比例不同导致被拉伸变形严重。

1920*1080投屏到1920*2160的大屏上，由于输出像素为1920*1080，而大屏为1080*2160，同样因为比例不同导致被拉伸变形严重。

投屏因为使用的是同一个信号源，就是一比一将电脑显示器上的信息映射到大屏上，所以我们需要让显示器和大屏的分辨率尽可能保持一致。如果出现特殊情况，如大屏实际比例和前期确定的不一样，这时候根据大屏比例进行调整，显示器变形不影响操作就可以。

02、拓展屏

这里需注意大屏作为拓展屏幕，单独使用一个信号源，显卡会根据拓展显示器的最大分辨率来显示。而显卡是有最大支持分辨率限制的，这里可能会出现以下情况。

第一种情况，显卡最大支持4k，大屏分辨率也是4k，所以显示正常。

第二种情况，显卡最大支持4k，而大屏分辨率是8k，且因为我们常规使用的HDMI 1.4线最大支持分辨率为4098*3840，所以出现黑屏现象。这里在大屏已经安装不可更换的情况下，处理方法：1.可以更换HDMI线为HDMI 2.1线（理论上可以传输高达10k 60HZ的分辨率），更换支持8k显示的显卡。2.添加外置图像处理器。

第三种情况，高清处理器（非显卡，是一种高分辨率外置图像处理器）支持8k显示，大屏分辨率是8k，故可以正常显示，但是这里需要注意，大屏高度为1080，所以在可视化设计尺寸上高度也一致。

这里还有一种特殊情况，特别说明下“异形屏拼接”，这种情况多用于一些特殊场合，比如要打造一个主题式展区，或与装修风格相对应的区域，这时大屏排列是没有规律的，如下图，而这时我们又不可能采用一台电脑控制一台屏幕的方式，只能采取不变形解决方案，不变形方案原理为：由于我们输出电脑显示器基本上都是16:9的，所以在全屏投放到大屏上时，整个图像就会拉伸。使用内置多屏拼接处理器，它能与电脑和大屏相连接，把分辨率平均分配到每块屏，每个处理器最大支持3840*2160的分辨率，屏幕数量越多，可以增加处理器的数量，并做到环进环出，每台大屏之间用HDMI线进行连接，这样图片就不变形，同时还需要在电脑上加装软件，与拼接处理器一起来控制实现。一般情况下这种内置多屏拼接处理器由安装大屏厂家进行提供。但是有的同学会想， 单块屏幕的分辨率是1920*1080，我们根据屏幕的数量来叠加分辨率，做一个同行分辨率的图片不行吗？答案不可以，因为我们常规的HDMI高清线最大输出分辨率就是4098*3840，超出这个分辨率图像就会模糊，虽然能保持不变形，但是显示效果极差，但是如果是电脑或者文本文档就无法定做了，因为他们都是自适应的，这时候只能采用不变形大屏拼接显示。

异形屏拼接

根据以上情况，大家需要知道：拓展屏时，输出分辨率（显卡）和显示分辨率调成一致，特殊情况下也要比例一致，然后根据输出分辨率（显卡）确定可视化尺寸。

第二种是LED大屏，是LED屏无缝隙，是由成千上万个LED灯构成像素点，发光像素点之间的距离是LED显示屏的规格，用P值表示，P值越小成像越优秀细腻，对大屏类别的了解，有助于计算设计尺寸及比例。 LED屏有很多规格，各规格计算方法相同，这里我们讲下重点。

1、长和高在LED里面的字母表示为:X为长，Y为高。

2、参数设置的时候不是以长和高的尺寸来衡量的，而是以像素点为单位进行设置。重点说一下什么是像素点？在LED显示屏里面每个灯珠为1个像素点。

3、知道上面两点后，你只需要计算出长和高的像素点就知道怎么设置了。例如长是50颗灯珠，高是10颗灯珠，分辨率就是:50*10像素点。在参数设置里面X那里设置为50，Y设置为10就可以了。

4、很多显示屏都是很长或者很高的，不可能去一个灯一个灯的去数，那么这个问题怎么解决呢？LED屏幕分辨率计算公式为“模组或箱体尺寸除以它的点间距。假设单元模块的尺寸是320mm*160mm，点间距为2，单元模块像素就是320除2*160除2＝160*80分辨率，知道单块模块分辨率后，你只需要计算出整屏长多少块模块，高多少块模块然后加起来就是整屏的分辨率。

5、如何根据尺寸计算整屏的模块数量？根据上面第4条的信息，模块尺寸为320mm*160mm，例如整屏长是3.2m*高1.6m，那么就是，（3.2m除320mm）*（1.6m除160mm）＝长10块*高10块，整屏分辨率就是:(10*160）*(10*80)＝1600*800分辨率。重点提一下:每个显示屏模块的尺寸都不一样，在计算过程中，首先一定要确定好单块模块的尺寸，然后再进行计算。此处规则和之前一样，如果超过4K像素时可以等比缩放，尽量保持在4k及以下。如有输出像素时按照输出像素设计。

第三种是投影大屏，采用这种形式的大屏也很常见。但是效果、清晰度、色彩对比度等效果不如拼接屏；它的分辨率低，导致整个屏幕不够清晰，所以相比较拼接屏和LED会差很多。常见的投影仪尺寸有1280*720、1280*768、1920*1080、1920*1200、3840*2160等等.

首先确定投影像素，如果是多投影融合可采用长宽像素值相加，然后根据总尺寸设计。同时也可用设备输出像素作为设计尺寸。输出像素不一定和多投影融合的总尺寸相等，但是比例一定是相同的。

2.3 常见的专业术语

数据可视化设计中经常会见到一些专业的统计术语，如同比环比、间隔增长率、比例和比率、倍数翻番等，这里我的经验是掌握专业统计术语可以让自己在设计界面时，更好的将数据在图表中表现出来，符合企业管理者的实际诉求，而不是只简单堆砌一堆看起来很炫的图标，但讲不出精彩的内容和其作用。例如有些企业经常会将月度销售额进行环比比较其增长率，这时候如果设计师都不明白同比环比是在比什么那就不知道应该有哪些要素是要出现的，如时间、基期量和现期量。所以不要认为这些统计属于都是数据分析师才应该会的。

1、绝对数和相对数
绝对数：是反应客观现象总体在一定时间、一定地点下的总规模、总水平的综合性指标，也是数据分析中常用的指标。比如年GDP，总人口等等。相对数：是指两个有联系的指标计算而得出的数值，它是反应客观现象之间的数量联系紧密程度的综合指标。相对数一般以倍数、百分数等表示。相对数的计算公式：相对数=比较值（比数）/基础值（基数）

2、百分比和百分点百分比：是相对数中的一种，它表示一个数是另一个数的百分之几，也称为百分率或百分数。百分比的分母是100，也就是用1%作为度量单位，因此便于比较。百分点：是指不同时期以百分数的形式表示的相对指标的变动幅度，1%等于1个百分点。

3、频数和频率频数：一个数据在整体中出现的次数。频率：某一事件发生的次数与总的事件数之比。频率通常用比例或百分数表示。

4、比例与比率比例：是指在总体中各数据占总体的比重，通常反映总体的构成和比例，即部分与整体之间的关系。比率：是样本(或总体)中各不同类别数据之间的比值，由于比率不是部分与整体之间的对比关系，因而比值可能大于1。

5、倍数和番数倍数：用一个数据除以另一个数据获得，倍数一般用来表示上升、增长幅度，一般不表示减少幅度。番数：指原来数量的2的n次方。

6、同比和环比同比：指的是与历史同时期的数据相比较而获得的比值，反应事物发展的相对性。环比：指与上一个统计时期的值进行对比获得的值，主要反映事物的逐期发展的情况。

7、变量变量来源于数学，是计算机语言中能储存计算结果或能表示值抽象概念。变量可以通过变量名访问。

8、连续变量在统计学中，变量按变量值是否连续可分为连续变量与离散变量两种。在一定区间内可以任意取值的变量叫连续变量，其数值是连续不断的，相邻两个数值可作无限分割，即可取无限个数值。如:年龄、体重等变量。

9、离散变量离散变量的各变量值之间都是以整数断开的，如人数、工厂数、机器台数等，都只能按整数计算。离散变量的数值只能用计数的方法取得。

10、定性变量又名分类变量：观测的个体只能归属于几种互不相容类别中的一种时，一般是用非数字来表达其类别，这样的观测数据称为定性变量。可以理解成可以分类别的变量，如学历、性别、婚否等。

11、均值即平均值，平均数是表示一组数据集中趋势的量数，是指在一组数据中所有数据之和再除以这组数据的个数。

12、中位数对于有限的数集，可以通过把所有观察值高低排序后找出正中间的一个作为中位数。如果观察值有偶数个，通常取最中间的两个数值的平均数作为中位数。

13、缺失值它指的是现有数据集中某个或某些属性的值是不完全的。

14、异常值指一组测定值中与平均值的偏差超过两倍标准差的测定值，与平均值的偏差超过三倍标准差的测定值，称为高度异常的异常值。

15、方差是衡量随机变量或一组数据时离散程度的度量。概率论中方差用来度量随机变量和其数学期望（即均值）之间的偏离程度。统计中的方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数。在许多实际问题中，研究方差即偏离程度有着重要意义。方差是衡量源数据和期望值相差的度量值。

16、标准差又常称均方差，是离均差平方的算术平均数的平方根，用σ表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的两组数据，标准差未必相同。

17、皮尔森相关系数皮尔森相关系数是用来反映两个变量线性相关程度的统计量。相关系数用r表示，其中n为样本量，分别为两个变量的观测值和均值。r描述的是两个变量间线性相关强弱的程度。r的绝对值越大表明相关性越强。

18、PV（Page View）页面浏览量指某段时间内访问网站或某一页面的用户的总数量，通常用来衡量一篇文章或一次活动带来的流量效果，也是评价网站日常流量数据的重要指标。PV可重复累计，以用户访问网站作为统计依据，用户每刷新一次即重新计算一次。

19、UV（Unique Visitor）独立访客指来到网站或页面的用户总数，这个用户是独立的，同一用户不同时段访问网站只算作一个独立访客，不会重复累计，通常以PC端的Cookie数量作为统计依据。

20、Visit 访问指用户通过外部链接来到网站，从用户来到网站到用户在浏览器中关闭页面，这一过程算作一次访问。

21、Bounce Rate 跳出率指用户通过链接来到网站，在当前页面没有任何交互就离开网站的行为，这就算作此页面增加了一个“跳出”，跳出率一般针对网站的某个页面而言。跳出率=在这个页面跳出的用户数/PV

22、退出率一般针对某个页面而言。指用户访问某网站的某个页面之后，从浏览器中将与此网站相关的所有页面全部关闭，就算此页面增加了一个“退出“。退出率=在这个页面退出的用户数/PV

23、Click 点击一般针对付费广告而言，指用户点击某个链接、页面、banner的次数，可重复累计。比如我在PC端看到一则新闻链接点进去看了一会就关了，过了一会又点进去看了一遍，这就算我为这篇新闻贡献两次点击。

24、avr.time 平均停留时长指某个页面被用户访问，在页面停留时长的平均值，通常用来衡量一个页面内容的质量。avr.time=访客数量/用户总停留时长

25、CTR 点击率指某个广告、Banner、URL被点击的次数和被浏览的总次数的比值。一般用来考核广告投放的引流效果。CTR=点击数（click）/被用户看到的次数

26、Conversion rate 转化率指用户完成设定的转化环节的次数和总会话人数的百分比，通常用来评价一个转化环节的好坏，如果转化率较低则需优化该转化环节。转化率=转化会话数/总会话数

27、漏斗通常指产生目标转化前的明确流程，比如在淘宝购物，从点击商品链接到查看详情页，再到查看顾客评价、领取商家优惠券，再到填写地址、付款，每个环节都有可能流失用户，这就要求商家必须做好每一个转化环节，漏斗是评价转化环节优劣的指标。

28、投资回报率（ROI：Return On Investment ）反映投入和产出的关系，衡量我这个投资值不值得，能给到我多少价值的东西（非单单的利润），这个是站在投资的角度或长远生意上看的。其计算公式为：投资回报率（ROI）=年利润或年均利润/投资总额×100%，通常用于评估企业对于某项活动的价值，ROI高表示该项目价值高。

29、重复购买率指消费者在网站中的重复购买次数

30、流失分析（Churn Analysis/Attrition Analysis）描述哪些顾客可能停止使用公司的产品/业务，以及识别哪些顾客的流失会带来最大损失。流失分析的结果用于为可能要流失的顾客准备新的优惠。

31、顾客细分&画像（Customer Segmentation & Profiling）根据现有的顾客数据，将特征、行为相似的顾客归类分组。描述和比较各组。

32、顾客的生命周期价值 (Lifetime Value, LTV)顾客在他/她的一生中为一个公司产生的预期折算利润。

33、购物篮分析（Market Basket Analysis）识别在交易中经常同时出现的商品组合或服务组合，例如经常被一起购买的产品。此类分析的结果被用于推荐附加商品，为陈列商品的决策提供依据等。

34、实时决策（Real Time Decisioning, RTD）帮助企业做出实时（近乎无延迟）的最优销售/营销决策。比如，实时决策系统（打分系统）可以通过多种商业规则或模型，在顾客与公司互动的瞬间，对顾客进行评分和排名。

35、留存/顾客留存（Retention / Customer Retention)指建立后能够长期维持的客户关系的百分比。

36、相关性分析(Correlation analysis)是一种数据分析方法，用于分析变量之间是否存在正相关，或者负相关。

37、生存分析（Survival Analysis）估测一名顾客继续使用某业务的时间，或在后续时段流失的可能性。此类信息能让企业判断所要预测时段的顾客留存，并引入合适的忠诚度政策。

38、算法(Algorithms)可以完成某种数据分析的数学公式。

39、商业智能（Business Intelligence）分析数据、展示信息以帮助企业的执行者、管理层、其他人员进行更有根据的商业决策的应用、设施、工具、过程。

40、分类分析(Classification analysis)从数据中获得重要的相关性信息的系统化过程;这类数据也被称为元数据(meta data),是描述数据的数据。

41、聚类分析(Clustering analysis)它是将相似的对象聚合在一起，每类相似的对象组合成一个聚类(也叫作簇)的过程。这种分析方法的目的在于分析数据间的差异和相似性。

42、对比分析(Comparative analysis)在非常大的数据集中进行模式匹配时，进行一步步的对比和计算过程得到分析结果。

43、数据分析(Data Analysis)是指根据分析目的，用适当的分析方法及工具，对数据进行处理与分析，提取有价值的信息，形成有效结论的过程。

44、数据处理（Data Processing）数据处理是指根据数据分析的目的，将收集到的数据进行加工、整理，形成适合数据分析的样式，它是数据分析前必不可少的阶段。

45、数据挖掘（Data mining)数据挖掘是通过使用复杂的模式识别技术，从而找到有意义的模式，并得出大量数据的见解。

46、数据清洗(Data cleansing)对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性。

47、数据质量（Data Quality）有关确保数据可靠性和实用价值的过程和技术。高质量的数据应该忠实体现其背后的事务进程，并能满足在运营、决策、规划中的预期用途。

48、数据建模(Data modelling)使用数据建模技术来分析数据对象，以此洞悉数据的内在涵义。

49、数据集(Data set)大量数据的集合。

50、判别分析(Discriminant analysis)将数据分类，按不同的分类方式，可将数据分配到不同的群组，类别或者目录。是一种统计分析法，可以对数据中某些群组或集群的已知信息进行分析，并从中获取分类规则。

51、探索性分析(Exploratory analysis)在没有标准的流程或方法的情况下从数据中发掘模式。是一种发掘数据和数据集主要特性的一种方法。

52、机器学习(Machine learning)人工智能的一部分，指的是机器能够从它们所完成的任务中进行自我学习，通过长期的累积实现自我改进。

53、网络分析(Network analysis)分析网络或图论中节点间的关系，即分析网络中节点间的连接和强度关系。

54、异常值检测(Outlier detection)异常值是指严重偏离一个数据集或一个数据组合总平均值的对象，该对象与数据集中的其他它相去甚远，因此，异常值的出现意味着系统发生问题，需要对此另加分析。

55、模式识别(Pattern Recognition)通过算法来识别数据中的模式，并对同一数据源中的新数据作出预测

56、预测分析(Predictive analysis)大数据分析方法中最有价值的一种分析方法，这种方法有助于预测个人未来(近期)的行为，例如某人很可能会买某些商品，可能会访问某些网站，做某些事情或者产生某种行为。通过使用各种不同的数据集，例如历史数据，事务数据，社交数据，或者客户的个人信息数据，来识别风险和机遇。

57、回归分析(Regression analysis)确定两个变量间的依赖关系。这种方法假设两个变量之间存在单向的因果关系(译者注：自变量，因变量，二者不可互换)。

58、路径分析(Routing analysis)针对某种运输方法通过使用多种不同的变量分析从而找到一条最优路径，以达到降低燃料费用，提高效率的目的。

59、情感分析(Sentiment Analysis)通过算法分析出人们是如何看待某些话题。

60、SQL在关系型数据库中，用于检索数据的一种编程语言。

61、时序分析(Time series analysis)分析在重复测量时间里获得的定义良好的数据。分析的数据必须是良好定义的，并且要取自相同时间间隔的连续时间点。

62、文本挖掘（Text Mining）对包含自然语言的数据的分析。对源数据中词语和短语进行统计计算，以便用数学术语表达文本结构，之后用传统数据挖掘技术分析文本结构。

63、可视化(Visualization)只有正确的可视化，原始数据才可被投入使用。这里的“可视化”并非普通的图型或饼图，可视化指是的复杂的图表，图表中包含大量的数据信息，但可以被很容易地理解和阅读。

64、仪表板(Dashboard)使用算法分析数据，并将结果用图表方式显示于仪表板中。

Powered by Froala Editor