有哪些值得推荐的数据可视化工具
如今数据可视化成越来越多人关注的话题，但是不少人苦于Excel画图不好看，Tableau等软件上手不够快，python,R等语言可视化学习门槛高，一直没法能上手做好数据可视化。我私以为合理利用各种轻量化在线工具结合，让自己更方便达成目的而非纠结软件学习使用成本更值得我们去实践（其实我就是懒=-=）暑假到现在，自己练手了几个数据可视化的项目，有出于个人兴趣的项目，也有受人之托的房地产项目，用了挺多软件，也走了挺多弯路，发现了几个在线工具非常的实用，在此特地分享一下自己认为比较实用的几个应用和他们的用途，这些在线工具虽然看似很简单，但是结合在一起灵活使用还是有奇效的，希望大家能尝试一下。
一.BDP个人版
类似Tableau的在线版数据可视化分析工具，相比竞品大数据魔镜更接地气也更好用，分析模板丰富，而且还支持制作数据地图（自带坐标纠偏）一个比较万用平台，没能力使用Tableau的人不妨试试这个平台。美中不足的是，目前移动端对免费用户支持不太好。
有各种数据模板可以套用，然后换上自己的数据，就大功告成了！
二.百度图说
大名鼎鼎的Echart改来的东西，说实话功能不太丰富，主要是专注做好一张图，图表自定义的选项很丰富，但有条件还是学一下Echart的代码自己动手造图。这个线上工具意义更多是在Excel作图吃瘪时做一张好看的图表插入你的报告中。
三.文图
文图主要用在你要出一份包含文字说明的报告时使用，文图最大的优势就是它帮你定了主题配好了颜色！！让你整个报告看起来风格统一很简洁美观！，不要以为这个不重要，多少辛苦做好的图表单看是美如画，几张风格一不统一，配色一不对劲，逼格马上就下来了好吗？？？万一的报告别的部分没有美化过，更是白费了很多力气。
文图用配好色定好风格的几个主题解决了这种问题，图表功能该有的也都有了，而且文图对移动端的支持真的非常好！完美适配手机端。可惜的是文图的排版不是很好用，要有点耐心。
四.GeoQ
功能强大的数据地图制作软件，自身有非常强大的地理数据库，对坐标的纠偏，地址字段的识别支持非常好，底图类型很多。绘图功能完善而且强大，该有的一个不落，配上它自家的数据库可以让你很方便的做出想要的数据地图。美中不足的是用户作品界面管理体验很差，制图反映较慢。
部分效果预览，可以方便的用自己上传的数据与它提供的数据库结合。此图中用了自己的几个楼盘位置和杭州商业区位置，叠加了它提供的房价数据和基于我自己数据算的热力图层。总之功能很强大，值得一试。
五.地图慧
和上面一个挺像的，但地图惠有自家的手机移动APP，可以完美在移动端上使用。但制图体验上个人觉得不如GeoQ来的好用，主要差在一些细节，比如自传数据识别比不上GeoQ而且=-=比如错了就没法撤销啊啊啊啊还会自动保持啊啊啊，比如下面关于上海的某类房产选址的结果图就是个悲剧，不小心点了商城地理数据就清理不掉了=-=
六.创客贴
在线设计工具,简单,快速,轻松完成在线设计,2016最好的在线设计网站
这个其实是个平面设计网站=-=不具备任何数据分析能力，但是但是，它可以拿来做可视化。主要是用在，万一你眼馋《第一财经》那种图表，或者觉得你就算用了可视化工具后图表和报告还是不能很好结合在一起，感到真鸡气的时候，就该用这个了，上几张自己的挫作，因为我个人没什么审美能力所以见笑了=-=
大概就是这样=-=，不需要PS，不需要AI ID这些高大上的软件，唯一的缺点，这东西，做数据图表真真真鸡儿难做啊，各种目测，手条=-=没办法，这就是懒得代价。
写在最后：数据可视化自然是越美越好，但是，不可以舍本逐末，真正有价值的不是你的图，而是你的数据和你的呈现的是否清晰与直观。（比如我就有碰到过做得地图别人一眼不看要我直接报上小区名字=-=）
转载于giratinar的原创文章《数据可视化（三）那些好用的在线工具》；
如何进行大数据分析及处理？
1.可视化分析
大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观的呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了。
2. 数据挖掘算法
大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学的呈现出数据本身具备的特点，也正是因为这些被全世界统计 学家所公认的各种统计方法（可以称之为真理）才能深入数据内部，挖掘出公认的价值。另外一个方面也是因为有这些数据挖掘的算法才能更快速的处理大数据，如果一个算法得花上好几年才能得出结论，那大数据的价值也就无从说起了。
3. 预测性分析大数据分析最终要的应用领域之一就是预测性分析，从大数据中挖掘出特点，通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来的数据。
4. 语义引擎
非结构化数据的多元化给数据分析带来新的挑战，我们需要一套工具系统的去分析，提炼数据。语义引擎需要设计到有足够的人工智能以足以从数据中主动地提取信息。
5.数据质量和数据管理。 大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实和有价值。
大数据分析的基础就是以上五个方面，当然更加深入大数据分析的话，还有很多很多更加有特点的、更加深入的、更加专业的大数据分析方法。
