如何融合数据可视化和物理世界
数字孪生
充分利⽤物理模型、传感器更新、运⾏历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从⽽反映相对应的实体装备的全⽣命周期过程
数字孪⽣是⼀种超越现实的概念,可以被视为⼀个或多个重要的、彼此依赖的装备系统的数字映射系统
数据通过 websocket 或者轮询获取
深度探索 图分析与图可视化
什么是图
- ❎ 不是图像、图画
- ❎ 不是特指视觉上看到的点和边
- ✅ 是⼀种数据结构:实体与关系的集合
什么是图可视化
- 把图数据结构直观地展示给终端⽤户的⼿段
- 辅助⽤户分析复杂关系数据
减少视觉混乱
- ⼀个好的可视化应该有尽量少的视觉混乱
- 节点处理:节点过滤、采样;合理布局;相似节点聚类;层次提取等
- 边的处理:避免交错;流状边;过滤、采样
布局:根据数据的特性(边、聚类信息等)计算节点在画布上的位置的算法
交互
- 目的:选择;探索;重配置;映射;过滤;链接
- 手段:平移缩放;过滤;关注区域 + 上下文;动画
BI 场景下的可视化解决⽅案
DeepInsight:⼀个数据分析和洞察⼯具,从数据中获取洞察,进⽽辅助决策,⽽可视化在这个过程中作为⼀个重要的媒介
可视化体验问题
- 不可控:正常功能缺失的情况下,可以 PR 提供⽅案和实现,但时间周期上难以接受
- 可视化定制能⼒不⾜:⼀些需求⽆法在通⽤图表库中找到⽅案
- 图表体验问题:数据的动态性;数据量不确定性
解决方案:AntV G2 => 自研可控;扩展能力;体验良好
如何对 BI 团队赋能数据分析能力
演变:传统数据时代 => 大数据时代
数据科学
- ⼀⻔利⽤数据学习知识的学科
- 其⽬标是通过从数据中提取出有价值的部分来⽣产数据产品
- 通过对历史数据的分析、解读、建模和对未来的预测帮助我们更好的做决定
大盘子:基于 Metabase 魔改的 BI ⼯具;核心:展现、查询、数据源
数据处理流程:明确问题 => 数据获取 => 数据处理 => 建模分析 => 结果展示
基于 SQL 的核⼼ DSL
书单 《智能制造虚拟完美模型》 《快与慢 思考》