数据可视化，它是创造性设计美学和严谨的工程科学的卓越产物。它的美丽令人向往，而它的繁杂又使其蒙上层神秘的面纱。本文将尝试从数据可视化的定义、意义、应用三个方面讲述和解释关于数据可视化的“what、why、how”的三个问题。
什么是数据可视化?
对数据可视化的定义，似乎存在有“两派”说法。对于研究大规模数据人员而言，数据可视化指综合运用计算机图形学、图像、人机交互等技术，将采集或模拟的数据映射为可识别的图形、图像、视频或动画，并允许用户对数据进行交互分析的理论、方法和技术。而对于广大的编辑、设计师、数据分析师等需要呈现简单数据序列的人员而言，数据可视化是将数据用统计图表和信息图方式呈现，同样也符合“3+2”(文字、图表、图像+声音、动画)的基本构成元素。两种定义其实是从广义和狭义两个不同层面去理解，它们既不是对立的，也没有严格区分，仅是针对于不同的业务场景。
为什么要进行数据可视化?
无论是哪种职业和应用场景，数据可视化都有一个共同的目的，即明确、有效的传递信息。图形能将不可见现象转化为可见的图形符号，并直截了当和清晰直观的表达出来。而人类右脑记忆图像的速度比左脑记忆抽象的文字快100万倍。因此，数据可视化能够加深人对于数据的理解和记忆。
任何形式的数据可视化由丰富的内容、引人注意的视觉效果、精细的制作三个要素组成，概括起来就是新颖、充实、高效、美感四个特征。
怎样实现数据可视化?
广义的数据可视化包括数据的采集、分析、治理、管理、挖掘在内的一系列复杂数据处理，然后由设计师设计一种表现形式，最后由工程师创建对应的可视化算法及技术实现手段。本文仅探讨狭义的图表和信息图层次的数据可视化的实现和应用。
一、色彩提升信息可视化的视觉效果
在信息可视化通过造型元素明确传达信息及叙述的基础上，把握好视觉元素中色彩的运用，使图形变得更加生动，信息表达得更加明确。
色彩可以帮助人们对信息进行深入分类，丰富作品的表现形式，并且给受众带来视觉效果上的享受。
(1)色相、饱和度、明度
色相就是大家所说的红色、绿色等色彩;饱和度是指颜色的纯度;明度标识颜色的明暗程度。三者关系如下图所示：
(2)暖色和冷色
暖色比冷色看起来占用面积大。因此，即使红色和蓝色占用相同的面积，前者还是会从视觉上压倒后者。暖色看起来距离近，而冷色则看起来越来越远。
(3)四原色和三原色
青、品红、黄和黑是打印机用来完成四色印刷的四种墨水，这四种颜色按一定比例调制便可得到各种颜色。
红、绿、蓝光源被混在一起用来显示电脑屏幕和电视显示器的颜色，色彩成分的范围都是从零到最高值255。
二、排版布局增强信息可视化的叙事性
排版布局四大基本原则：
- 对比(Contrast)： 如果两个项不完全相同，就应当使之不同，而且应当是截然不同。
- 重复(Repetition)：设计的某些方面在整个作品中重复。
- 对齐(Alignment)：任何元素都不能在页面上随意安放。每一项都应当与页面上的某个内容存在某种视觉联系。
- 亲密性(Proximity)：将相关的项组织在一起，使它们的物理位置相互靠近相关的项将被看作凝聚为一体的一个组。
下图是个企业名片的布局，这是一种很典型的布局，在这样小的空间里有多个单独的元素，读者的眼睛要停下来多次才能看清这张名片上的所有信息，而且容易使读者对信息产生歧义。
如果对这个企业名片做一些调整，把相关的元素分为一组，通过对齐、对比等手段突出重点，用重复和亲密性建立信息间的联系，那么，现在这个名片不论从理解上还是视觉上看都很有条理，而且这样一来，它还能更清楚的表达信息。
三、动态增加信息可视化的视觉体验
在信息可视化的视觉表达中，动态将相互分离的各种信息传播形式有机地融合在一起，进行有节奏的信息处理、传输和实现。通过造型和色彩的运动，满足受众的视觉感受，同时将信息内容更加深刻地传达给受众，使整个信息传达的过程更加轻松。
对于数据可视化有诸多工具，如：iCharts、Flot、Raphaël等功能都十分强大，但对于非专业可视化而又经常与图表打交道的职场人士来说，一款轻便易学而又实用的可视化软件则显得十分重要。
如果需要展现的数据结构不是特别复杂，而又要把数据展现的绚丽多彩，而且具有交互性，那么本篇推荐的工具—–水晶易表是不二之选。
水晶易表能将枯燥的数据转换为灵动的决策信息，逐渐成为BI系统、分析会议、汇报材料等数据分析的首选工具。他具有以下优点：
- 基于矢量的SWF图形格式，跨平台流畅播放，空间占用小，可将分析结果直接嵌入到PowerPoint、PDF文件、Outlook和Web上。
- 简单易学易上手，无需额外编程。水晶报表基于excel，短期内就可精通水晶易表绝大部分常用功能了，并且能够举一反三。
- 美观实用，多个实用性控件和主题可设计出夺人眼球的报表。演示性的、交互性的、动态的趋势分析型报表能满足各种交互功能。
关于数据可视化的概念、意义及狭义数据可视化的实现，本文就探讨到这里，时间仓促难免有疏漏不足，欢迎各位指正…
