工業大數據可視化面臨的難點

---

工業大數據采集、處理之后，非常重要的一個環節就是數據可視化工作。畢竟，無論我們有多少數據，都是需要看到的，否則數據的意義又在哪里呢？

數據可視化技術第一代應該是報表軟件，通過報表系統能夠把復雜的數據整理成規則的表格，并配以漂亮的圖形，比如柱圖、餅圖、折線圖等等。第二代當屬BI（BusinessIntelligence）了，BI比起簡單的報表又更進了異步，它已經不單單是一個工具軟件，而是一套完整的解決方案，可以將企業中現有的數據進行有效的整合，快速準確的提供報表并提出決策依據，幫助企業做出明智的業務經營決策。

進入大數據時代，數據可視化這個說法慢慢的流行起來，究其原因，一個是因為大數據的展示比起以前的數據展示有不同的地方，最大的難點就是面對如此巨大的數據，如何比較好的展示給用戶，成為前臺程序員面臨的難題。另一個是隨著近幾年技術的發展，我們可以通過更多的形式，例如三維模型、動畫、視頻、動態交互式頁面、手機APP等將數據以展示、推送、提醒、互動等等模式提供給用戶，其復雜度上升了一個數量級，因此，漸漸地，數據可視化就成為一個專門的領域，成為了大數據時代的一個研究分支，無數優秀的工程師和設計者為這個領域做出了貢獻。

具體到工業大數據領域，其可視化又有自己獨特的特點，呈現出與互聯網大數據可視化不同的難點和方向，我總結了一下，工業大數據可視化有以下幾個特點：

• 數據量呈現海量趨勢，且更新頻率極高。由于工業大數據主要來源于傳感器的數據采集，因此其數據量相比傳統互聯網大數據只多不少，而且，它的更新頻率極高，傳感器按照恒定的頻率快速更新。在這種情況下，如何保證監控頁面的數據實時更新，還能夠讓監控人員看數據的變化，就是需要研究的問題。當某個數據每秒更新10次，那么，屏幕上的數字直接變化就是無意義的，因為監控人員根本就一個數字都看不到。如何兼顧數字的更新頻率與視覺效果，就成為可視化的第一個難題。

• 大量的監控點，無法進行有效地顯示。一臺普通的設備，可能就有上百個傳感器，再加上相關的視頻、環境、人員等等監測，可能會有幾百個監測數據是這個設備需要的，那么，這么多的數據如何在有限的屏幕上進行排列，如何取舍，成為可視化的第二個難題。

• 整體與局部如何有效地結合。一個企業會有許多下屬的分子公司，下屬企業又會有車間、工作面等等工作場景，每個工作場景又會有許多設備。這樣層層嵌套的可視化局面如何比較好的結合，在保障使用人員看到整體的時候，還能夠同時關注到局部的數據變化，是可視化的第三個難題。

• 局部與細節如何兼顧。在一個局部的數據展示中，我們還希望看到數據的細節，包括相關的數據、歷史的數據、異常的數據、數據的趨勢、數據的預測等等，能否把握好局部與細節的展示關系，是可視化的第四個難題。

• 如何實現工業數據的有效檢索和有效推送。也就是常說的“數據找人”，在互聯網企業，利用大數據分析用戶的使用習慣和興趣愛好，尋找其感興趣的話題進行推送已經是常見做法了，但在工業大數據領域，如何實現？一個報警信息，推送給誰？當前還是靠提前設好的規則，未來能否實現智能化，怎么實現，相關的應用還是比較少，這是可視化的第五個難題。

• 如何將數據轉化為有效地信息提供給用戶。舉個生活中的例子，某路口實時車流100輛／分鐘，這是數據，“嚴重擁堵”，這是信息。能否很好地將數據轉化為信息是可視化的第六個難題。

相對而言，純技術的問題反而不是問題的關鍵，比如三維建模技術、圖表自動生成技術、數據檢索技術等。可視化更多的是對用戶和業務的理解，以及在這個基礎上對數據的深刻認識。

---

慧都工業大數據分析方案將精益生產理論體系進行了完美的融合和應用，并對大數據總體架構進行了更細致明確的解讀，提供自主研發的大數據平臺，實現ETL、數據管理及存儲、數據建模。

---

關于慧都大數據分析平臺

慧都大數據分析平臺「GetInsight®」升級發布，將基于企業管理駕駛艙、產品質量分析及預測、設備分析及預測等大數據模型的構建，助力企業由傳統運營模式向數字化、智能化的新模式轉型升級，抓住數據經濟的發展勢頭，提供管理效能，精準布局未來。了解更多，請聯系。

慧都大數據專業團隊為企業提供商業智能大數據平臺搭建，免費業務咨詢，定制開發等完整服務，快速、輕松、低成本將任何Hadoop集群從試用階段轉移到生產階段。

歡迎撥打慧都熱線023-68661681或咨詢慧都在線客服，我們有專業的大數據團隊，為您提供免費大數據相關業務咨詢！