可视化：大屏行业的超级进化
可视化解决方案专家
VTRON提供的大屏幕拼接显示产品（DLP、LED、LCD）及其解决方案，可根据不同客户的应用场景，通过各种屏幕（端），利用网络和各种应用（企业云），将信息、交互、协作整合在一起，满足用户信息智能化显示与控制的需求。
为您业务增值
秉承“以客户为中心”的宗旨，威创凭借在大屏幕显控行业多年的集成工程经验，领先的专业技术，确保为客户提供优质的工程和售后服务。
看威创举措，察视界风云，行业动态，产业走向，一览无余。
合作理念：合作 共赢 创造客户价值
渠道发展理念：开放、长期合作、发展共赢
全球领先的大屏幕数字显示拼接墙及可视化解决方案专业供应商。国内拼接显示行业第一家上市企业，专业技术位居行业翘楚地位。公司的业务已遍布50多个国家和地区，累计在全球已打造出10,000多个工程项目。
可视化：大屏行业的超级进化
来自：管理员
在2015年Infocomm展会期间，国内视听工程和大屏行业的领导企业之一，威创再次拿出“可视化”这个概念。但是，与2014年首次提出这一概念不同，今年，威创能够在能源、化工、公安、交通等领域用更多的具体案例说明“可视化”方向对大屏行业的深刻影响。
从数据本身到“数据关系”的转变
大屏显示系统的目的是什么呢？传统的工程中，无论是安防还是指挥调度中心，“大屏就是一个窗口”，观看者可以从这个窗口“拿到数据”——这些数据可能是视频、抓拍图像、也可能是传感器提供的一组数字。
传统型大屏企业的任务，是让这些数据能够清晰、流畅地显示在大屏幕上，并能快速切换不同组数据的显示或者不同的显示布局组合。而至于这些数据从何而来、到何处去、不同数据之间有什么关系、每个数据或者数据集合有什么意义、看到这些数据后用户会做哪些处理…..这些问题则和大屏企业没有关系。
“传统大屏是平面的，也是冷血的”——这种拟物和拟人的评价，最能表征传统大屏工程行业的“价值结构”。这种价值架构的核心是“中性的硬件工程”。但是，这种产业形态已经不再适应客户的需求。
一个简单的问题是：那么多数据和素材的意义在哪里呢？答案是提供用户决策——而不是“看着好玩”。而用户的决策过程，必须依赖于数据的“前世今生”的复杂关系。即如果将大屏显示这个核心硬件，放在一个“事务性”决策流程中，去实现真实的应用价值，那么大屏企业就要将产业触角伸到数据集的深处，伸到数据之间的复杂关系之中。而基于数据间真实价值关系，提供决策级别的综合信息智能呈现方案的过程，即是“可视化”。
从数据自身的显示，到探索数据集的内在价值和固有关系，这种转变将使得大屏企业从“整合并提供显示方案”，变成“整合并提供数据关系再现方案”。这种行业职责的变化主要差异表现在两个方面：第一，大屏企业告别简单硬件，迎来“软”时代；第二，大屏企业告别简单“专业技术”领域，进入“专业技术与客户业务融合”时代。威创常务副总经理陈宇认为：“大屏幕产业硬件的态势有点像GDP中的投资规模占比,当下不是一个增长的态势，在这种新常态下，像威创这种技术性企业要找到自己的生存空间，不能把自己的角色变淡，而是要通过改变,通过技术创新获得新的更大的成长空间，基于未来大数据和互联网的生态环境，满足用户业务综合信息智能化呈现是客户价值所在，也是发挥自身不可替代作用的机会所在。”
或者说，威创的可视化，既是大屏企业在现有企业价值的基础上，依据客户业务价值和信息管理需求，持续做“加法”的过程。
站在生态中心，可视化将是一个共生体系
可视化，威创能做什么呢？化工厂的传感器数据不归他管，交通局实时路况也不在威创的业务范围内，气象局的雨雪预报与排水公司的指挥部署威创也管不着……
但是，实现化工企业数据采集、存储和分析的传感系统和信息系统的企业也管不着大屏显示这块；安装交通系统监控视频的企业不与气象部门合作；排水公司的系统与化工厂的系统往往也相互独立……
因此，被传统产业模式分割开来的，实际上却紧密联系的信息与数据体系，并非只有大屏这一个块：传统信息利用模式，往往是各自为政、单一的树形结构，这与自然信息自身是复杂的网状结构的规律并不相符。将单独的、分散的、部门的信息整合起来，发挥更多的价值、挖掘出更多的意义，一直是信息管理产业的关键任务。
例如，早期的110、120和119的三网合一，目前公安部在实施的扁平化的网格警力警情调度指挥系统；国家在建设的智慧城市系统、工业4.0提出的智慧工厂系统——这些“新”事物的本质无一不是“简单树形独立系统”到“复杂综合网状系统”的转变。
在这样的行业转变过程中，大屏工程企业恰恰拥有最优的一个“阵位”：可视化中心，处于整个复杂综合信息与指挥网络的中枢地位，且是最终智慧分析和决策系统的“输入输出”窗口。
因此，威创可视化概念的核心即是：整合现有的多元化信息呈现技术力量，与信息化产业界共同构筑以面向决策、甚至未来自主智能决策为目标的“智慧大脑”。这一行业任务，不是威创自己来完成的。而是在互联网+背景下，整个信息化产业共同行动的方向。所以，威创认为可视化概念的本质是一种“生态”信息网络。他不是淘汰现有的各种信息系统，而是将这些单打独斗的英雄，组织成一支所向无敌的战役军团。
告别简单硬件价值形象，抢占产业的历史价值高点
可视化对于大屏行业将是一个“价值增值器”、“产业放大器”。大屏行业的外延从未像目前这样“无限宽广过”。
传统大屏企业必然要面对一个问题：大屏企业为客户提供的是一个视频墙硬件，就如同一台超大的电视机。那么，这个显示设备采用什么样的信号处理系统、什么样的控制系统、什么样的显示技术就成了“差异之争”。这种传统思维下，小间距LED屏对DLP拼接墙的竞争，分布式处理器对集中式处理器的竞争都是“水火不容”的产业路线较量。
但是，整个行业争来争去，总体需求没有变：还是那几块屏。这就导致整个行业企业都很劳累，竞争疲劳感时刻笼罩行业从业人员，但是辛苦“斗争”却不能换来自身价值和收益的提升，也未能为社会创造增值价值，甚至整个产业也只是在不同技术路线中切换，没有实际的成长——这种竞争是基于产品的“效果与成本”价值比不断压缩过程的“恶性”竞争，不具有开创性的意义和发展精神，其中更多的“行业辛劳”只是“无用功”。
对比而言，可视化概念，或者说信息技术进步条件下、客户需求向深层次和高端发展的客观环境，却给予了大屏企业另一种“比拼”的空间。
可视化不拘泥于任何既有效果的“硬件实现路线”，在产品硬件选型上，它强调以客户需求为中心，提供多元化的选择：因此，威创不仅DLP拼接墙继续创新，在小间距LED、液晶拼接、分布式处理器、云处理和计算、集成软件技术的新型创新点上，威创也已站在行业前排。对于“技术路线”差异，威创的策略不是在优缺点之间做出单项选择，而是在客户需求之上打出组合套拳。
但是，告别硬件路线之争，只是可视化概念对大屏行业变革影响的“最基础层次”。若想真正进入“可视化”的巨大价值空间，大屏企业必须深入理解“客户业务”。
可视化的本质是将大屏系统的任务从“简单再现原始数据”变成“支持决策性、模型化再现数据集关系”。这种转变，要求大屏企业必须进入“数据提供者”的业务、“数据之间的关系”、“数据变化的趋势价值”等更为深入的“信息模型”之中。在深入客户具体价值和业务模型的基础上，扮演好协调者、整合者的角色，是可视化对大屏企业业务转向的根本要求，也是大屏企业未来发展的重要着力点。
这种转变，使得大屏企业的根本文化必须以“兼容并蓄”和“多元化”为核心。这显著区别传统大屏行业企业简单“专注”的角色定位。从线性的、只有两端的产业链生态中解放出来，走进网状的、多端头的、复合化的产业生态之中；从单一技术性企业、转变为技术性与业务性共生并强的多元化顾问专家企业；从有限的产品销售和服务企业，转变成无限的业务模型条件下，客户应用与增值迭代性服务企业……这些变化正在成为驱动高端视听工程市场发展的新规律。
可视化是一个中心，亦是一个新的起点。他不是大屏行业产业模式的终结。因为可视化自身强调的就是业务需求演进与视听工程信息系统变迁的协调性机遇。可视化是一个动态服务过程，没有终点；亦是一个高粘性、高附加值产业。挖掘可视化对大屏行业的机遇，将是大屏行业进入工业4.0和互联网+时代最大的战略方向。
为此，威创表示，2015年将进一步打造可视化的样板工程，这个过程永远不会有终结和停止的那一天：样板必须一个比一个更好，示范就会意味着进步和新的价值拓展。这就是可视化市场条件下，大屏企业自身的“超级进化”。
相关资讯：
添加到收藏夹
关注威创官方微信
打开微信，点击底部的“发现”，使用“扫一扫”即可关注。原作者：Georgin Lau and Lei Pan
翻译：王鹏宇
数据被称作是最新的商业原材料「21世纪的石油」。商业领域、研究领域、技术发展领域使用的数据总量非常巨大，并持续增长。就Elsevier而言，每年从ScienceDirect下载的文章有7亿篇，Scopus 上的机构档案有8万个、研究人员档案有 1 千 3 百万，Mendeley上的研究人员档案有 3 百万。对于用户来说，从这个数据海洋中抓到关键信息越来越难。
许多先进的可视化方式(如：网络图、3D 建模、堆叠地图)被用于特定用途，例如 3D 医疗影像、模拟城市交通、救灾监督。但无论一个可视化项目有多复杂，可视化的目的是帮助读者识别所分析的数据中的一种模式或趋势，而不是仅仅给他们提供冗长的描述，诸如：“ 2000 年 A 的利润比 B 高出 2.9 % ，尽管 2001 年 A 的利润增长了 25 % ，但 2001 年利润比 B 低 3.5 % ”。出色的可视化项目应该总结信息，并把信息组织起来，让读者的注意力集中于关键点。
对于 Elsevier’s Analytical Services 的项目而言，我们一直在寻找提升数据分析和可视化的方式。例如，在我们对于研究表现的分析中有大量关于研究合作的数据;我们为 Science Europe 提供的报告(Comparative Benchmarking of European and US Research Collaboration and Researcher Mobility) 包含跨州合作以及国际合作的数据，这些数据不适合直接用二维表和X-Y图展示。为了探索数据背后的故事，我们使用了网络关系图来识别国家间的合作，并了解每个合作关系的影响。想了解我们的团队如何为政府部门、出资者、大学、研究者提供基于数据的材料，为研究方面的策略决定提供信息，可参阅 Telling stories with big data 一文。
本文提供一份包含五个步骤的数据可视化指南，为想用表格、图形来传播观察结果、解读分析结果的人士提供帮助。要记住，建立好的可视化项目是一个反复迭代的过程。
第1步-明确问题
开始创建一个可视化项目时，第一步是明确要回答的问题，又或者试着回答下面的问题“这个可视化项目会怎样帮助读者?”
表 1–数据集中的三条记录
图1-槽糕的可视化项目并不澄清事实，而是引人困惑。此图中包含太多变量。
清晰的问题可以有助于避免数据可视化的一个常见毛病：把不相干的事物放在一起比较。假设我们有这样一个数据集(见表 1 )，其中包含一个机构的作者总数、出版物总数、引用总数和它们特定一年的增长率。图1是一个糟糕的可视化案例，所有的变量都被包含在一张表格中。在同一张图中绘制出不同类型的多个变量，通常不是个好主意。注意力分散的读者会被诱导着去比较不相干的变量。比如，观察出所有机构的作者总数都少于出版物总数，这没有任何意义，又或者发现 Athena University、Bravo University、Delta Institution 三个研究机构的出版物总数依次增长，也没有意义。拥挤的图表难以阅读、难以处理。在有多个 Y 轴时就是如此，哪个变量对应哪个轴通常不清晰。简而言之，槽糕的可视化项目并不澄清事实而是引人困惑。
第2步-从基本的可视化着手
确定可视化项目的目标后，下一步是建立一个基本的图形。它可能是饼图、线图、流程图、散点图、表面图、地图、网络图等等，取决于手头的数据是什么样子。在明确图表该传达的核心信息时，需要明确以下几件事：
我们试图绘制什么变量?
X 轴和轴代表什么?
数据点的大小有什么含义吗?
颜色有什么含义吗?
我们试图确定与时间有关趋势，还是变量之间的关系?
有些人使用不同类型的图表实现相同目标，但并不推荐这样做。不同类型的数据各自有其最适合的图表类型。比如，线形图最适合表现与时间有关的趋势，亦或是两个变量的潜在关系。当数据集中的数据点过多时，使用散点图进行可视化会比较容易。此外，直方图展示数据的分布。直方图的形状可能会根据不同组距改变，见图 2 。(在绘制直方图时，本质是在绘制柱状图来展示特定范围内有多少数据点。这个范围叫做组距。)
图2-当组距变化，直方图的形状也发生变化。
组距太窄会导致起伏过多，让读者只盯着树木却看不到整个森林。此外，你会发现，在完成下一个步骤以后，你可能会想要修改或更换图表类型。
第3步-确定最能提供信息指标
假设我们有另一个关于某研究机构出版物数量的数据库(见表 2 )。可视化过程中最关键的步骤是充分了解数据库以及每个变量的含义。从表格中可以看出，在 A 领域(Subject A)，此机构出版了 633 篇文章，占此机构全部文章的 39% ;相同时间内全球此领域共出版了 27738 篇文章，占全球总量的 44% 。 注意，B 列中的百分比累计超过 100% ，因为有些文章被标记为属于多个领域。
在这个例子中，我们想了解此机构在各个领域发表了多少文章。出版数量是一个有用的指标，不仅如此，与下面这些指标对照会呈现出更多信息：
此领域的研究成果总量( B 列)
此领域的全球活跃程度
由此，我们可以确定一个相对活跃指标，1.0 代表全球平均活跃程度。高于 1.0 代表高于全球水平，低于 1.0 代表低于全球水平。用 B 列的数据除以 D 列，得到这个新的指标，见表 2 。
表2-用B列的数据除以D列，得到新的指标：相对活跃程度(E栏)。
第4步-选择正确的图表类型
现在我们可以用雷达图来比较相对活跃指数，并着重观察指数最高/最低的研究领域。例如，此机构在 G 领域的相对活跃指数最高( 1.8 )，但是，此领域的全球总量远远小于其他领域(见图 3 )。雷达图的另一个局限是，它暗示各轴之间存在关系，而在本案例中这关系并不存在(各领域并不相互关联)。
图3-相对活跃指数雷达图
数据的规范化(如本例中的相对活跃指数)是一个很常见也很有效的数据转换方法，但需要基于帮助读者得出正确结论的目的使用。如在此例中，仅仅发现目标机构对某个小领域非常重视没太大意义。
我们可以把出版量和活跃程度在同一个图表中展示，以理解各领域的活跃程度。使用图 4 的玫瑰图，各块的面积表示文章数量，半径长短表示相对活跃指数。注意在此例中，半径轴是二次的(而图 3 中是典型线性的)。图中可以看出，B 领域十分突出，拥有最大的数量(由面积表示)和最高的相对活跃程度(由半径长度表示)。
图4-玫瑰图。此图中各块面积表示文章数量，半径长短表示相对活跃指数(E列)。
第5步-将注意力引向关键信息
用肉眼衡量半径长度可能并不容易。由于在本例中，相对活跃指数的 1.0 代表此领域的全球活跃程度，我们可以通过给出 1.0 的参照值来引导读者，见图 5 。这样很容易看出哪些领域的半径超出参考线。
图5-带有相对活跃指数参考线的玫瑰图
我们还可以使用颜色帮助读者识别出版物最多的领域。如图例所示，一块的颜色深浅由出版物数量决定。为了便于识别，我们还可以把各领域名称作为标签(见图 6 )。
图6-玫瑰图中的颜色深浅代表出版物数量(颜色越亮，出版物越多)
数据可视化的方法有很多。新的工具和图表类型不断出现，每种都试图创造出比之前更有吸引力、更有利于传播信息的图表。我们的建议是记住以下原则：可视化项目应该去总结关键信息并使之更清晰直白，而不应该令人困惑，或用大量的信息让读者的大脑超载。
via:Datartisan数据工匠
转载请注明来自36大数据（)： &
除非特别注明，本站所有文章均不代表本站观点。报道中出现的商标属于其合法持有人。请遵守理性，宽容，换位思考的原则。大数据时代，布局大屏幕可视化
可视化解决方案专家
VTRON提供的大屏幕拼接显示产品（DLP、LED、LCD）及其解决方案，可根据不同客户的应用场景，通过各种屏幕（端），利用网络和各种应用（企业云），将信息、交互、协作整合在一起，满足用户信息智能化显示与控制的需求。
为您业务增值
秉承“以客户为中心”的宗旨，威创凭借在大屏幕显控行业多年的集成工程经验，领先的专业技术，确保为客户提供优质的工程和售后服务。
看威创举措，察视界风云，行业动态，产业走向，一览无余。
合作理念：合作 共赢 创造客户价值
渠道发展理念：开放、长期合作、发展共赢
全球领先的大屏幕数字显示拼接墙及可视化解决方案专业供应商。国内拼接显示行业第一家上市企业，专业技术位居行业翘楚地位。公司的业务已遍布50多个国家和地区，累计在全球已打造出10,000多个工程项目。
大数据时代，布局大屏幕可视化
来自：管理员
不久前的一次大数据峰会上，马云表示：阿里巴巴公司本质上是一家数据公司，做淘宝的目的不是为了卖货，而是获得所有零售的数据和制造业的数据；做物流不是为了送包裹，而是为了将这些数据合在一起。最终，阿里巴巴对一个人的了解程度远远超过你自己。移动互联网浪潮下，大数据思维的核心通过将上百万计算数据集中在一起，对未来进行预测。IDC的“数字宇宙”报告也指出，预计到2020年，全球数据使用量将达到35.2ZB。面对容量巨大、类型多样的海量数据信息，对数据的处理成为了提高企业效率的核心途径。
指挥监控中心的信息处理亦是如此。最初的大屏幕监控系统需求只是简单地通过前端抓取、传输信息，并将图像、数据信号传输到大屏幕上显示给用户。而大数据信息的飞速发展，监控中心如果还只充当显示信息这一角色，那就简直成为一套占地的摆设了。它要负责对海量的数据信息进行高效率的分析，再将分析结果展现出来，让各个管理部门可以直观、便捷地根据数据指标，合理调度配置资源进行事件决策。
从指挥监控中心看可视化需求
看看南京青奥会的交通安全保障平台和安保指挥中心对数据分析的要求。交通行业的数据复杂度很高，涉及到的4个重要因素人、车、路、环境之间相互依赖、相互作用，数据量巨大。而且，交通数据都是动态的，需要大量数据进行实时对比分析。在青奥会这样的大规模体育盛事中，要及时快速处理突发事件，对交通系统的数据储存、计算、分析、处理提出了很大的挑战。
威创为青奥会打造的可视化指挥系统主要职责是监控显示四个人检通道、一个车检通道、四条场馆外主路的视频情况，同时结合车辆定位、人员位置、现场视频情况等信息，综合组织、协调各方力量，保证现场秩序。例如，工作人员在奥体中心南门口接到通知，到利用威创可视化指挥系统调配资源，到清场完毕，整个过程只需要5分钟。为做好青奥安保指挥中心的安全升级工作，威创在南京市公安局指挥中心大厅部署了一套大屏幕拼接显示系统，南京市公安局超高清智能综合指挥调度平台就是依托于这套大屏幕显示系统，与公安用户已有的PGIS系统、GPS系统、“三台合一”接处警系统和治安视频监控系统进行对接，实现了快速、高效、灵活、“图上作业方式”的联动调度指挥。
（南京市公安局超高清智能综合指挥调度平台）
青奥会期间，南京公安还通过超高清智能综合指挥调度平台对活动周边的GPS警力资源、视频监控图像进行监控查看和调度管理，将综合应用、视频监控、警情、警力管理业务集中显控，在一个DLP大屏上联动多个独立的业务系统，为决策提供快速综合的信息联动呈现，从根本上转变视频监控的应用方式，形成以事件为中心的监控体制，从数以万计的图像信息中快速、准确捕捉关键事件，为青奥会安保工作提供有力保障。
可视化的本质：图像化、矢量化、网络化
从以上简单案例我们看到，大屏幕监控系统已经从最初的显示角色向数据分析、显示、推送转身。功能任务从以前的简单再现原始数据变成支持决策性、模型化再现数据。中达电通夏建涛博士把可视化的本质解释为三化：图像化、矢量化、网络化。
图像化即是数据信息的萃取，把数据信息提取出来。网络技术发展到了今天，芯片的处理能力提升也是飞跃性的，云计算、物联网的发展让传感器精确感受到了物体数据的变化，使得物体形态、温度等的变化被感知，然后把每秒感知到的数据信号都收集起来。这便是可视化的第一步图像化，也就是获取数据的过程，在石油、交通、电力、能源等几乎所有行业的监控系统中，都需要通过摄像头、传感器等信号采集设备提取信息。
数据获取之后，系统如果仅仅将数据存储起来，显然是无法被人感知的。人对外部世界的感知70%的信息都要依靠眼睛获取，要把这些数据变成人眼能感知到信息，就需要提供影像，把各种数据变化的过程转变为人眼能感知的信息。这就是数据的处理，就是把每一比特的有效信息融合成一张图片、一个表格、一段视频，通过显示设备设备呈现出来。
但大量的数据提取分析后，又出现了新的问题。企业把各类业务数据比如财务数据，销售数据，行业数据采集上来，要将信息与相应的地理位置进行关联，实现信息的高效调动。比如，我们在监控中心可能看到各种LED、LCD或者DLP的大屏幕，高清分辨率已经普及的当下，一个大型的监控指挥中心，屏幕数量可能多达几百块，解析度甚至上亿，几亿个像素可以同时展现在大屏幕上，但如何能将如此海量的信息匹配到个人的移动终端显示屏幕如手机、iPad上呢？而且，不同的屏幕终端有着不同的分辨率，如何才能实现像素信息的成功匹配？不管是2K、4K还是8K的分辨率，光学图像一旦生成像素就被确定下来了，要把不同像素分辨率匹配到不同的物理终端，就只能对图像进行拉伸或缩小，这样就会造成图像模糊不清，压缩又会丢失像素点，补点会带来曲影。
这就要求对图像信息进行矢量化处理。矢量化的本质存储的是一段代码，而不是图像本身。当用户需要把信息显示在自己的移动终端显示设备上时，只要获取这个代码，通过CPU处理在屏幕上二次生成图像，就实现了图像的点对点匹配。满足了小屏幕观看信息的需求后，监控中心一旦发现紧急运维状况，只要把信息推送给相关人员，管理人员就可以随身随地监控到整个监管区域的状态，在紧急情况发生时即刻实施相应指令。这就是大数据可视化的终极目标——大中小三屏互动，网络一体化运维。
威创认为，可视化就是将大屏系统的任务从“简单再现原始数据”变成“支持决策性、模型化再现数据集关系”。这种转变，要求大屏企业必须进入“数据提供者”的业务、“数据之间的关系”、“数据变化的趋势价值”等更为深入的“信息模型”之中。在深入客户具体价值和业务模型的基础上，扮演好协调者、整合者的角色，是可视化对大屏企业业务转向的根本要求，也是大屏企业未来发展的重要着力点。
（文章来源于InfoAV China，部分内容再编辑）
相关资讯：
添加到收藏夹
关注威创官方微信
打开微信，点击底部的“发现”，使用“扫一扫”即可关注。大屏数据可视化设计方法论很少，正好自己参与过部门多个大屏项目，所以总结了大屏可视化设计的方法。希望通过这篇文章能帮助大家整理思考过程，提高工作效率，同时很好的达到目标，找到兴趣。
下图为参与过的项目大屏主要部分。
该图为Gif动态图，点击放大可见动态
图中数据由于安全保密性，具体文案都作了处理
先给大家讲下大屏自身的特点：
1.面积巨大——用户站远才能看全内容（所以字也不能设计很小）。
2.深色背景——紧张感强，让视觉更好的聚焦，省电。
3.不可操作——大屏主要用来给来宾观看的。来宾一般不会直接操作大屏。
4.空间局限——大屏不像网页有滚动条，它的长宽都是固定的。
5.单独主题——每块大屏都有具体想给来宾表达某个主题（特指阿里大屏）
知道了这些，如果我们遇到一个具体的大屏项目，要怎么来设计呢？
下面我将自己经历过的项目和思考过程和大家分享下。
以下是我自己总结出来的设计步骤：
第一步、调查研究
需要调研的点：
1.大屏的主题——这个屏要个来宾看什么信息（要规避哪些信息）
2.数据的权威和准确性——对具体要展示的信息进行数据的核对正常数据是多少，历史上极限数据是多少?
3.用户的其他需求点——用户说要用TOP10，但有时候只是用户只知道TOP能表达，还有很多形式也能表示TOP的信息。
部门准备做一系列专门描述特定业务场景的大屏。他们即统一（整体大风格），又有区别（每个业务要有自己的特点）
我们为了避免在后期大家有风格上的分歧而不断修改造成项目的延期。决定尽快让需求方确定风格。
我们使用的快速可行性测试（2013年IXDC上微软分享过，我们做了更加符合当前业务的修改）。目的是让大家快速确定风格。保证大家的目标统一。
最后我们确定了紧张，科技，权威，丰富。并且会每个关键词进行了专门的理解。
紧张：数据的实时，动效的变化
科技：新颖的图表，新颖的动效
丰富：数据丰富，丰富层次感，图表类型多，强烈的空间感
权威：安全元素。
接下来是对每个数据的chick，知道每个数据代表什么，用什么展现最好。
从和业务沟通了解到，他们需要地图，top10，饼图，列表，数字，趋势，这些图表。这些能满足他们目前所有的需求。
但是如果在多有的屏上都只放这些元素，展现上会缺乏很多心意，业务差别性也不好体现。所以需要对每个需求再剖析。
第二步、拆合分析
在这一步，需要重点做到以下几点，帮助我们分析，理清思路。
1.拆分维度——将需求拆分到最小维度
2.确定优先——选择最佳数据来说明观点。
3.合并维度——对维度元素进行归类，化繁为简。
4.最佳表现——确定用哪种表现形式来体现数据。
举例：在做这一系列的具体某一个屏时A业务需要大屏展示的内容：我们的业务针对特定区域的保护，正在实时防御着世界各地多类型的攻击。能看到每个攻击类型的当天累加值和趋势。
对于这个内容，我们先进行拆分维度。你们能看到多少维度呢？（一定要拆到最小维度）
因为重点要表达的是我们防住了这些攻击——表达这种自豪的情感。所以我们在来确定这些维度的主次优先级。
看这些主要的维度有没有可能进行合并呢？对这些信息进行相似度归类，化繁为简。关联性最多的维度用同一种颜色表示，画出所有的关系。
上图表示，所有的维度互相关系。我们可以发现时间维度和所有的内容都有联系。但是时间又是个隐形的内容，大屏上的数据为了表示紧张性，时间如果是实时展现的。那么这个维度在设计的时候不必要用某个具体的视觉元素来表现，是通过在时间节点上的动效变化来表现的。所以我们把这时间线去掉看效果。
效果清爽了不少，但是线还是很交错的不方便阅读和理解。对交错关系的维度进行位置的调整。
攻击类型：他和次要维度都有关联。
攻击仿效：和保护点和地狱有交错。
我们可以看到主图的关系中。攻击点是所有维度中关联性最强的。供给量和攻击类型可以是他的属性。地狱是攻击点和保护点的属性。
这样重点就是攻击点到被攻击点的过程了。
各类型日累计量可以通过计数器来表达。各攻击趋势可以通过趋势图来表现。剩下的就是这么来设计这张地图了。
第三步、规划设计
在第二步的时候已经将大部分分析工作都做完了，现在要做的是如何对这张地图来表达我们的想给来宾传达的信息。
在这块主要是细节和感受的设计。设计顺序：
1.模块设计——长久考虑的模块纵横栅格布局设计还是不顾延展性把只为这一个屏的精致。
2.维度表现——具体维度用什么表现的确定。
3.动效设计——时间的把握和情感的控制。
4.数量控制——对实施数据的不可控性进行展现上的控制。考虑页面最后出现的时候太密或太疏是用户的感受。
大屏和其他显示屏一样，本身都是有固定分辨率的。一般是4*3的比例。在设计时考虑到通用性，可以优先考虑。如果设计师追求更加极致的表现，可以根据每个大屏本身的像素块的多少来设计。比如：或
考虑到同系列的屏幕会有相同展现形式，使用相同组件，可以对大屏进行栅格。
大屏是横纵都固定的，可以采用横纵都12栅格的方式。
在第二步中我们已经确定只要重点在地图上表现出不同纬度：地域，攻击点，保护点，方向，攻击大小，攻击类型。
这些内容就要运用到数据可视化的知识了。
基本的表现形式有：大小，位置，形状，颜色
对每个表现进行思考：
位置——地域：显而易见。但是什么样的地图符合我们的场景呢？
如上图，在考虑使用世界地图还是中国地图的时候发现业务上，国内攻击很多，而国外很少。而且需要看到的国内的能到地级市，国外的到洲或者国家就行了，最后我们创新除了第三种，以中国为主的世界地图来展现。
形状——攻击点，保护点，方向：作为体现情感的重点体现，可以对保护点做盾牌的形状；攻击点用普通的用户能第一时间理解的感觉到的形状比如圆（因为数量过多时展现最为清晰）；用有方向感的连线连接攻击点和保护点来表示方向。
大小，颜色——怎么来处理呢？放在哪个维度上表现呢？
圆的视觉冲击力最强，可以清晰的同时表现大小和颜色。所有把方案一、三、五排除掉了。
当数据量很大的情况下，会有很多线出现，这是很难分清楚这些线是那些哪个线，线需要有颜色区别。所以排除方案二。
现在只剩下方案四和方案六：
上图可以看出：方案六的情况下在看圆的时候会受连线粗细的干扰，连线之间也会被遮住从而干扰视线，所以确定用方案四。
确定好了这些表现方式之后，对每个表现方式做数据量化变现和动效的处理：
小插曲：在设计动效的时候还想通过动效的节奏来体现攻击量的大小，比如频率越快，表示的攻击的量越大，后来实现中发现这样画面会更加的杂乱。
结论：每个维度，只用一种表现。即清晰又易懂。
第四步、检查测试
1.REVIEW需求——过一遍需求是不是能够满足。
2.实地测试——将效果放上大屏，看是否方便阅读，动效是否达到预期，色差是否能接受。
3.可信性测试——当自己的讲解员，给用户讲解大屏。能否一句话描述大屏，同时用户能够理解。
设计大屏一定是一个长期跟进的过程。有很多问题会在真正数据进来了，放在大屏上显示才能发现。
在这个屏中我们改过的细节：
① tab的展现和图例结合，省空间，同时方便理解。
② 线到达保护点之前攻击点不消失（让用户能够回述到攻击源）
③ 保护点更加有动感，情感更加丰富，攻击到达的时候才瞬间出现盾牌，攻击结束后才渐变消失。
④ 在电脑上看整体地图颜色偏暗，但是到了大屏上看效果正好。所以对地图背景进行调暗。
希望这篇文章能帮助到做可视化设计，大屏设计的同学们。
感谢作者骑象的投递。
转载请注明来自36大数据（)： &
除非特别注明，本站所有文章均不代表本站观点。报道中出现的商标属于其合法持有人。请遵守理性，宽容，换位思考的原则。