连载：全球最牛的28个大数据可视化应用案例（一）
随着大数据在人们工作及日常生活中的应用，大数据可视化也改变着人类的对信息的阅读和理解方式。从百度迁徙到谷歌流感趋势，再到阿里云推出县域经济可视化产品，大数据技术和大数据可视化都是幕后的英雄。今天，我们将连载由Teradata独家提供的来自全球28个大数据可视化应用案例。文章中不仅有极具艺术美感的可视化炫图，更有作者为大家解析可视化是如何制作的。
本系列4篇文章为36大数据独家专稿，任何不表明来源36大数据和Teradata以及本文链接/archives/41214的转载均为侵权。也是如此。
一、航线星云
数据可视化是什么
作者：Karthik Guruswamy
关于洞察
截止到2012年1月，开源网站OPENFLIGHTS.ORG上记载了大约6万条直飞航班信息，这些航班穿梭在3000多个机场间，覆盖了500多条航线。
通过高级分析技术，我们可以看到世界上各家不同的航空公司看起来就像是一个美丽的星云（国际星云的组成部分）。同种颜的圆点和粗线提供了见解，它们代表提供相同航线的航空公司，显示出它们之间的竞争以及在不同区域间的潜在合作。
这张基于数据可视化的Sigma图表显示了服务城市相似的不同航空公司。图中的圆点或圆圈代表航空公司，连线的粗细和远近则反映两个航空公司之间的相似性；连线越粗或越短则代表两家航司服务的城市越相似。图表中有几组航空公司，直观地表现了它们所服务的地理区域。
这张图表中的关键洞察当然地是航空公司之间的相似性甚至是重叠，它们是中国的南航和东航、阿联酋航空和卡塔尔航空、英航和汉莎航空、美航和达美航空；我们可以从中看出这些公司之间的竞争关系。瑞安航空则通过服务与汉莎航空和英航存在潜在协力的城市占据了一个利基市场；比起意大利或汉莎等其他的欧洲航司，法国航空则与美国联航等美国航空公司更为相似，这也许可以解释为联合品牌效应。本质上说，这是一张多维的韦恩图，用一种简明扼要的方式揭示了不同主体间的复杂关系。
总的来说，这张图表揭示了不同航司之间的相似性和竞争情况，有利于发掘潜在的合作关系
、增加市场份额和市场覆盖面。这项技术可以通过不同参与者之间的相同变量，用于分析任何生态系统。
分析技术
这张可视化图表通过Aster App中心生成，运用到了关联挖掘的分析技术，研究上下文中各条目的共现关系。其中关联挖掘的算法是协同过滤，它作用于航线和城市数据，并将数据当做零售篮子数据。也就是说，篮子代表城市，而航空公司则是条目。两个航司之间的相似性由相似性得分确定，计分的原则是比较各个航司独有的航线以及同时运营的航线。之后再将这些成对的相似性得分当做连线的权重，再把各个航司当做节点，共同输入可视化仪器当中，运用具有模块上技术的force-atlas算法，最终生成出这张美丽的图表。
二、Calling Circles
作者：Christopher Hillman
关于洞察
我们无论何时何地都在使用手机并且产生出非常大量的资料，这些资料代表了我们每天的行为及活动。我们与其他人的每通电话及简讯都对应到我们的社会关系、商业活动以及更广泛的社互动并且形成了许多复杂互相联结的通话圈。
这个资料视觉化图表是从行动电话使用者的通话模式资料所制作的。每个点都代表一个使用者拨出的手机号码，愈大的点就代表这个号码被拨打愈多次。每条两点之间的线都代表着从一个号码拨打到另一个号码。
每个行动电话使用者都会有一种独特的通话模式，这种模式可以用来发展适合的话费方案并且可以用来定义或预测他/她的行为。举例来说，当一个使用者正要从现在的行动电话服务商转换到另一个服务商时，我们可以从网内及网外发现两个类似的通话模式。
这张特别的图表是在前期由一连串的分析产生用来过滤第一层的通话模式。这里使用到的资料只从在几秒钟的时间取得。从图表的左上角可以看到许多大回圈，这些回圈表示短时间内这些号码被拨打了许多次。可以推测这些号码有可能是机器，像是自动答录机、互动式语音应答(IVR) 系统、安全系统或警报。人类不可能在短时间拨出这么多电话。这些电话会先放置在一个分开的组，后续的分析就可以集中在个人使用者的通话模式上。
分析技术
我们利用图表来达成资料视觉化，虽然在调整版面格式的参数与传统展示图表不同。有一个
常见的问题就是这些互连的图表通常在短时间就会变成非常巨大且因为庞大的互动次数导致几乎不可能被视觉化。从一个高度连结的图表里选出一段范例是一个困难的问题，因为我们需要决定忽略哪些连结。在这个例子里，我们取用来自非常短的时间的资料来达到一个可以呈现的资料范围。
资料格式就相对简单，拨话号码、收话号码、拨话时间、通话时间。我们先利用机器学习(machine-learning) 来对资料作分然后再利用Aster Lens 来展示图表。
Calling Circles作者介绍
Christopher Hillman
Christopher Hillman 跟他的妻子及两个小孩住在英国伦敦，在Teradata 的进阶分析团队(Adv
anced Analytics team) 担任首席资料科学家在全世界旅行工作。
他钟情于分析工作且有二十年的经验于商业智慧(business intelligence) 及进阶的分析产业。在Teradata 之前，Chris在Retail 和CPGN vertical作为一位解决方案架构师(solution architect)、首席顾问及技术总监。 Chris 现在与Teradata Aster 专家一同工作且参与大数据的分析专案，他帮助客户洞察资料中的价值并且了解MapReduce 或SQL 作为合适的技术。
在Teradata 工作的期间，Christopher 也同时攻读在Dundee 大学的资料科学博士并运用大数据分析在人类蛋白类的实验资料上。他的研究领域包含利用平行化演算法即时分析质谱仪的资料。他也在大学开课教授Hadoop 及MapReduce 程式设计。
三、信号风暴骑士
作者：桑德拉.拉曼 （Sundara Raman）
关于洞察
此可视化捕捉了桑德拉.拉曼在澳大利亚悉尼通勤列车廊道的旅程。桑德拉携带其手机和专用软件乘坐列车穿行于悉尼, 由于列车快速穿过城市, 我们可以通过其手机与信号发射塔的连接来跟踪, 用彩点(或节点)描绘在图表上。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。