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
d1.png
d2.png
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

d3.png
d4.png

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
d5.png
d6.png

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
d7.png
d8.png

书单 《智能制造虚拟完美模型》 《快与慢 思考》