数据可视化与G2
目录
- 目的
- 什么是数据可视化
- 数据可视化的阶段
- G2的定位和规划
目的
从事数据可视化有2，3年的时间了，发现大多数人对数据可视化的认知就是绘制图表。因此我想写一些可视化框架设计的文章，这些文章，提供了一整套可视化框架的设计思路和实现细节，希望能让大家对可视化有更多的理解，更好的在业务中使用可视化。
什么是数据可视化
数据可视化使用数据和图形技术将信息从数据空间映射到视觉空间，是一门跨越了计算机图形学、数据科学、自然科学和人机交互等领域的交叉学科。
上面的领域模型过于复杂，我们在数据可视化的工作中更关注数据和图形，由此对数据可视化的领域模型进行了简化：
- 数据：聚焦于解决数据的采集，清理，预处理，分析，挖掘。
- 图形：聚焦于解决对光学图像进行接收、提取信息、加工变换、模式识别及存储显示。
- 可视化：聚焦于解决将数据转换成图形，并进行交互处理
当前掌握的知识和一个数据可视化工作者需要掌握的知识领域：
数据可视化阶段
从市场上的数据可视化工具来看，数据可视化分为这么几个阶段：
- 数据统计图表化
- 数据结果展示化
- 数据分析过程可视化
- VR/AR 阶段的虚拟现实的可视化
数据统计图表化
这个阶段是使用传统的统计性图表来展示数据，其中的代表作是highcharts,echarts 等图表库，这些框架的优点在于：
- 最成熟的可视化工具，包含的图表都是常见图表，易于用户理解和开发人员使用
- 开发成本低，对图形技术和数据知识的要求不高
缺点同样明显：
- 配置项复杂、扩展性差、图表表现单一
- 适用范围窄，对树状、网状结构支持差；数据维度和数据量的展示都受限
数据结果展示化工具
随着数据业务对可视化需求的要求越来越高，可视化的范围已经不仅仅限制于统计性图表，业务上需要显示更多维度的数据、更多样的图形展示数据。这就需要能够业务方根据自己的需求定制图表，这个阶段的工具主要有 d3.js,rapheal等框架，这些框架提供了更加细力度的图形工具，更多的图形算法，这类框架的优点：
- 功能强大、交互性强、适用范围广
- 集成了大量的图形算法、可视化算法，降低复杂的图表的成本
- 社区力量强大、大量示例
同样存在一些共性的问题：
- 需要细粒度的操作图形，学习、开发成本高
- 个性化需求多，复用性差
数据分析可视化工具
前面的工具都是基于先验模型，已与检测已知模式和规律，对复杂、异构、大尺度数据的自动处理经常会失效，所以需要对数据的分析过程进行可视化，更好的探索规律、查找问题。数据分析的可视化工具，目前市场上做的最好的是tableau、R语言中的ggplot2等，这些产品优点：
- 跟数据分析密切关联，集成了大量数据相关的算法
- 可以对数据分析的中间环节进行可视化展示
缺点：
- 专业度强，不宜入门
VR/AR 阶段的虚拟现实的可视化
正在探索中
G2
当前支持业务的特点，决定了我们数据数据可视化的工作内容：
- 基本的统计性图表依然占可视化的很大比例，但是开发受困于各种图表库的不完整性、数据的输入输出不一致、语法的繁琐，导致体验差，开发效率低。
- 越来越多的业务开始有更多维度的数据展示需求，传统的统计性图表已经不能满足需求，越来越多的可视化定制需求
- 在线的数据分析业务开始兴起，传统的PC版工具不能满足需求
- 满足现有的统计性图表需求，提供一套极为简单的图形语法，完成数据从数据空间映射到图形空间。
- 提供各种图形的扩展语法，支持异构复杂的数据类型，是一套强大的可视化工具
- 探索在数据技术在可视化上的应用，以在线数据分析为入口，提供数据分析的可视化能力
G2的roadmap
G2已经完成了 1.0，1.1，1.2的开发，前几个版本完成了以下内容：
整体的roadMap:
- antV 是一套我们在支持可视化业务中的实践规范,用于帮助用户在合适的场景使用合适的图表
- G 绘图库，是我们数据可视化的绘图底层，需要在3D、动画、交互上做扩展
- G2 1.x已经开发完毕，实现了一套简单易用的图形化语法，满足统计图表的需求。
- G2 2.x正在开发中，希望能够用数据和图形映射的方式，屏蔽图形绘制的细节，使用户能够定制个性化的可视化需求，D3能绘制的图形，都应该能够使用简单的语法实现。
- G2 3.x的功能，之前仅仅尝试过简单的回归、拟合等数据算法，后期需要跟数据部门结合，构造在线版的数据分析工具。
结语
几个网站地址：
- g2: https://g2.alipay.com/
- antV: https://antv.alipay.com/
- github: https://github.com/antvis
后续我们会发布一系列可视化框架设计方面的文章，讲述G2的整体设计思路的和各种语法元素的设计细节，欢迎大家参与我们的可视化工作。