工業大資料採集、處理之後，非常重要的一個環節就是資料視覺化工作。畢竟，無論我們有多少資料，都是需要看到的，否則資料的意義又在哪裡呢？

        資料視覺化技術第一代應該是報表軟體，通過報表系統能夠把複雜的資料整理成規則的表格，並配以漂亮的圖形，比如柱圖、餅圖、折線圖等等。第二代當屬BI（Business Intelligence）了，BI比起簡單的報表又更進了非同步，它已經不單單是一個工具軟體，而是一套完整的解決方案，可以將企業中現有的資料進行有效的整合，快速準確的提供報表並提出決策依據，幫助企業做出明智的業務經營決策。

        進入大資料時代，資料視覺化這個說法慢慢的流行起來，究其原因，一個是因為大資料的展示比起以前的資料展示有不同的地方，最大的難點就是面對如此巨大的資料，如何比較好的展示給使用者，成為前臺程式設計師面臨的難題。另一個是隨著近幾年技術的發展，我們可以通過更多的形式，例如三維模型、動畫、視訊、動態互動式頁面、手機APP等將資料以展示、推送、提醒、互動等等模式提供給使用者，其複雜度上升了一個數量級，因此，漸漸地，資料視覺化就成為一個專門的領域，成為了大資料時代的一個研究分支，無數優秀的工程師和設計者為這個領域做出了貢獻。

        具體到工業大資料領域，其視覺化又有自己獨特的特點，呈現出與網際網路大資料視覺化不同的難點和方向，我總結了一下，工業大資料視覺化有以下幾個特點：

        1、資料量呈現海量趨勢，且更新頻率極高。由於工業大資料主要來源於感測器的資料採集，因此其資料量相比傳統網際網路大資料只多不少，而且，它的更新頻率極高，感測器按照恆定的頻率快速更新。在這種情況下，如何保證監控頁面的資料實時更新，還能夠讓監控人員看資料的變化，就是需要研究的問題。當某個資料每秒更新10次，那麼，螢幕上的數字直接變化就是無意義的，因為監控人員根本就一個數字都看不到。如何兼顧數字的更新頻率與視覺效果，就成為視覺化的第一個難題。

        2、大量的監控點，無法進行有效地顯示。一臺普通的裝置，可能就有上百個感測器，再加上相關的視訊、環境、人員等等監測，可能會有幾百個監測資料是這個裝置需要的，那麼，這麼多的資料如何在有限的螢幕上進行排列，如何取捨，成為視覺化的第二個難題。

        3、整體與區域性如何有效地結合。一個企業會有許多下屬的分子公司，下屬企業又會有車間、工作面等等工作場景，每個工作場景又會有許多裝置。這樣層層巢狀的視覺化局面如何比較好的結合，在保障使用人員看到整體的時候，還能夠同時關注到區域性的資料變化，是視覺化的第三個難題。

        4、區域性與細節如何兼顧。在一個區域性的資料展示中，我們還希望看到資料的細節，包括相關的資料、歷史的資料、異常的資料、資料的趨勢、資料的預測等等，能否把握好區域性與細節的展示關係，是視覺化的第四個難題。

        5、如何實現工業資料的有效檢索和有效推送。也就是常說的“資料找人”，在網際網路企業，利用大資料分析使用者的使用習慣和興趣愛好，尋找其感興趣的話題進行推送已經是常見做法了，但在工業大資料領域，如何實現？一個報警資訊，推送給誰？當前還是靠提前設好的規則，未來能否實現智慧化，怎麼實現，相關的應用還是比較少，這是視覺化的第五個難題。

        6、如何將資料轉化為有效地資訊提供給使用者。舉個生活中的例子，某路口實時車流100輛/分鐘，這是資料，“嚴重擁堵”，這是資訊。能否很好地將資料轉化為資訊是視覺化的第六個難題。