精华内容
下载资源
问答
  • 2018-12-07 15:08:50

    本文微信公众号链接:https://mp.weixin.qq.com/s/PiZU1biNR5DeqrjnhXE9ag

     

     

    何为具象化?要说具象,就要说说与具象有关的抽象、表象。

     

    抽象与具象:

    抽象是通过分析与综合的途径,运用概念在人脑中再现对象的质和本质的方法,分为质的抽象和本质的抽象。分析形成质的抽象,综合形成本质的抽象(也叫具体的抽象)。作为科学体系出发点和人对事物完整的认识,只能是本质的抽象(具体的抽象)。质的抽象只能是本质的抽象中的一个环节,不能作为完整的认识,更不能作为科学体系的出发点。

    具象是一个汉语词汇,作形容词时意思是具体的,不抽象的;作名词时,意思是具体的形象;是文艺创作过程中活跃在作家、艺术家头脑中的基本形象。也是文学艺术创作的基本要求。学者常治国先生楹联《载敬堂》:"敦惠心官形具象 / 云为质素焕文光",就强调了具象在创作中的重要性。

    具象与表象:

    表象只是保持在记忆中某一事物的形象;具象则是作家艺术家在生活中多次接触多次感受、多次为之激动的既丰富多彩又高度凝缩了的形象,它不仅仅是感知、记忆的结果,而且打上了作家、艺术家的情感烙印,受到他们的思维加工。它是综合了生活中无数单一表象以后,又经过抉择取舍而形成的。从心理学意义上说,作家、艺术家的创作过程就是具象的运动过程。具象的运动过程主要是激发、强化作家和艺术家的情感,并与情感相互作用的过程。一旦进入具象运动阶段,创作者往往是情不自禁的,甚至是如痴如狂的,带有很大的不自觉性,很少受抽象思维的控制。具象不是抽象思维的起点,而是在抽象思维的作用下,选取、综合表象的结果。

    从发生学上说,表象、记忆能力是人的低级心理水平,动物也有表象和记忆的能力,但动物没有根据自己的需要、态度、体验和思想观念来综合取舍表象进而形成具象的能力,具象为人类所独有。

    以上抽象、具象、表象的解释并非出自于我。这里只能说是摘抄。因为我需要一个比较精确的定义,先给大家一个概念。

     

     

    在人类的繁衍的过程中,人类的创造是通过对客观世界的认知,并传承使得知识不断的积累进步。才打到今天的文明。

     

    那么在这里面有两个动作。

     

    首先,将对外界的具体事务,不断的抽象,抽出事务的本质,形成个体的认知。这里形成的认知,只存在于个体的脑袋里。是无法传承的。

     

    接着,就是人类通过,文字,我国古人通过象形文字。通过一些具象化的描述,使得知识可以得到传承。

     

    而在传承过程中,一些比较抽象的形容,知识,渐渐的成为普遍概念,这些概念,又成了一些具象化的底层知识。

     

    这里我以中医来做例子。中医,古人通过对人体的一些黑盒系统的探测,形成的一系列对人体系统的总结。

     

    为了很好的传承,中医里面出现了很多概念。比较被大家熟悉的有,五脏对应的五行理论。金木水火土,肺金,肾水,肝木,心火,脾土。这里面通过五行这种具象化的描述,来映射人体五脏的之间的影响关系。

     

    如金生水,水生木,木生火,火生土,土生金。这里对应的是肺生肾,肾生肝,肝生心,心生脾,脾生肺。这里的生讲的是好的影响。当然还有不好的影响。

     

    五行属性归类,主要用于概括人体及其与自然界多种事物或现象在属性上的某些内在联系。在中医上,说的是,天人相应。在《黄帝内经·素问》中就有提到,善言天者,必应于人。讲的就是这个道理。

     

    具象化,能够将复杂,抽象难以理解的知识,通过具象映射成为普遍大家接受的信息,使得知识的传承门槛降低,效率提升。

     

    这里面又有一个问题,为何中医,现在却很难学。关键在于,中医学,在古代都是以古代的具象化认知为基础的传承。而现在有多人对道家,对五行知识等了解的?所以才会有觉得难。

     

    从上,我们看到了外部信息,到接受,分析抽象得到认知;再通过将信息描述出来。这里借助的描述方式是具象化输出,将信息传承,或者说是沟通。降低门槛,提高效率。

     

    当然,这里面,要澄清一个事情,那就是将信息输出,有很多种方式,具象化,是比较普遍的形式。当然还有其他方式,有的是直接抽象的形式。

     

     那么在软件设计中,信息的传递、沟通是一个非常重要的动作。甚至能够对生产效率起到至关重要的影响。

     

    那么讲讲哪些地方,我们可以用到具象化。

     

    客户提的需求,描述的时候,是可以通过具象化来提高效率的。比如,通过一些图、表等形式。架构师,在头脑中设计架构的时候,通过将架构图、模块图、流程图等,来表达设计。

     

    那么程序员呢?程序员接收到设计图的时候,做程序设计,大多数公司,或者大多数程序员,是没有将程序设计,落地成图,表等形式的。

     

    那么程序员通过开发语言,将程序输出的这个过程中,表现出来的程序好与坏,完全取决于,程序员的功底和个人艺术行为。

     

    具象化信息描述的时候,若具象化的越具体,理解的人,会越容易接收。

     

    在软件设计中,有被抽象出来的具象化的设计,被称之为设计模式。而且有很好的名称,其中最有代表性的有工厂模式。

     

    工厂模式,这种具象化的设计,从名称上,就能够立马得到非常多的信息。再通过对此模式的详细描述,应该是很容易掌握的。

     

    还有一本书叫《大话设计模式》采用的就是具象化的描述,这本书的好处,在于通俗易懂。接受度高。

     

    类似的通过对这种模式的推广,我们生活中有很多的模式,是可以用在软件设计中的。如排队系统,医院的分诊模型等等。其实生活的周围就有非常多的模型。

     

    那么关键在哪里呢?从系统性思维的角度来看,有三个方面:角色或者是元素;角色的职能;角色之间的联系。此三者,可以描述所有的模式。

     

    其中角色定位清晰,职能单一,角色之间的联系具有层次性等,这些都是软件设计中的经常提到的一些原则。

     

    好的软件设计,并没有想象中那么高大上。也许就在你身边的模式中。好好感受生活中的模式,将其抽象成具象化的设计模式,将受益匪浅。

     

     

    龚浩华

    月牙寂道长

    2018年12月07日

    如果你觉得本文对你有帮助,可以转到你的朋友圈,让更多人一起学习。

    第一时间获取文章,可以关注本人公众号:月牙寂道长,也可以扫码关注

    更多相关内容
  • 基于类的编程基于方法编程基于类的编程代码对比关于Spring的安全Spring AOP略显正式的解释一下AOP形象化解释一些术语代理模式定义具象化理解 基于方法编程&基于类的编程 在理解Spring AOP前,我们有必要理解一下...

    基于方法编程&基于类的编程

    在理解Spring AOP前,我们有必要理解一下基于方法编程和基于类编程这两种概念

    基于方法编程

    • 目标方法具体是由哪个实例来调用的不会影响方法的执行结果
    • 数据的传输依赖于形参

    基于类的编程

    • 每次请求目标方法的执行时需要一个新的对象
    • 数据的传输依赖于成员变量的set/get方法

    代码对比

    其实非常好理解,用代码形象的演示一下
    基于方法编程
    在这里插入图片描述

    在这里插入图片描述
    基于类编程
    在这里插入图片描述
    在这里插入图片描述

    关于Spring的安全

    • Spring是基于方法编程的,同时我们也知道Bean的默认作用域是单例,所以多个线程可以访问同一个对象,这也表明Spring是线程不安全的,但因为资源是不共享的,比如形参name,每个线程有自己的线程栈,对于自己name的更改,并不影响其他线程的执行结果
    • 拓展:Struts2是基于类的

    Spring AOP

    Spring最为重要的两大部分就是Spring IOC(控制反转)和Spring AOP(面向切面编程)了
    如果说,IOC是Spring的核心,那么面向切面编程就是Spring最为重要的功能之一了

    略显正式的解释一下

    AOP

    • AOP全称Aspect-Oriented Programming,面向切面编程,也可以理解为面向方法编程,与OOP(Object-Oriented Programming)面向对象编程相辅相成,提供了与OOP不同抽象的软件结构的视角
    • 在OOP中,类(class)是我们的基本单元,而在AOP中,切面(Aspect)是基本单元
    • Spring AOP就是负责实施切面的框架,它将切面所定义的横切逻辑织入到切面所指定的连接点中
    • 可以简单的理解为,使用@Aspect注解的类就是切面

    形象化解释

    正常情况下,mvc三层模型的访问如下:
    在这里插入图片描述
    可以看到service层的工作非常繁琐,那么切面就出面帮助完成这种繁琐的工作

    加入了切面后
    在这里插入图片描述

    一些术语

    • advice(通知):切面要完成的工作,通知定义了切面是什么以及何时使用,是由aspect添加到特定的join point的一段代码
      Spring切面有五种类型的通知:
      前置通知(Before):在目标方法被调用之前调用通知功能
      后置通知(After):在目标方法完成之后调用通知,在最后一步,此时不关心方法的输出结果是什么
      返回通知(After-returning):在目标方法成功执行之后调用通知
      异常通知(After-throwing):在目标方法抛出异常后调用通知
      环绕通知(Around):通知包裹了被通知的方法,在被通知方法调用之前和调用之后执行自定义的行为
    • join point(连接点):程序运行中的一些时间点,例如ige方法的执行或一个异常的处理,在Spring AOP中,join point总是方法的执行点,即只有方法连接点
    • point cut(切点):匹配join point的谓词,advice是个特定的point cut关联的,并且在point cut相匹配的join point中执行,
      在Spring中,所有方法都可以认为是join point,但我们并不希望在所有的方法上都添加Advice,而point cut的作用域就是提供一组规则(切点表达式)来匹配join point,给满足规则的join point添加Advice
    • aspect(切面):通知和切点的结合,通知和切点共同定义了切面的全部内容:既包含横切逻辑的定义,也包括了连接点的定义,表明了它是什么,在何时和何处完成其功能
    • introduction(引入):为一个类型添加额外的方法或字段,Spring AOP允许我们为目标对象引入新的接口,即在不修改现有类的基础上,向现有类添加新的方法或属性
    • weaving(织入):织入是把切面应用到目标对象并创建新的代理对象的过程
      切面在指定的连接点被织入到目标对象中,在目标对象的生命周期里,有以下几个点可以进行织入:
      编译期:切面在目标类编译时被织入,这种方式需要特殊的编译器,AspectJ的织入编译器就是以这种方式织入切面的
      类加载期:切面在目标类加载到JVM时被织入,这种方式需要 特殊的类加载器,它可以在目标类被引入应用之前增强该目标类的字节码
      运行期:切面在应用运行的某个时刻被织入,一般情况下,在织入切面时,AOP容器会为目标对象动态地创建一个代理对象,Spring AOP就是以这种方式织入切面的

    代理模式

    Spring IOC实质上是一个工厂模式
    而Spring AOP实质上是一个代理模式

    那么为了了解Spring AOP,我们就需要理解一下代理模式到底是怎么回事了。

    定义

    给目标对象提供一个代理对象,并由代理对象控制对目标对象的引用
    代理对象:中介作用,类似明星经纪人,连接客户端和目标对象
    代理模式很好的解决了防止直接访问目标对象给系统带来的不必要复杂性,保护真实对象

    具象化理解

    作为中华儿女,一定要牢记中华文化的博大精深,那么我们以西门庆和潘金莲的故事来看代理模式
    在这里插入图片描述
    实质上代理模式就是像王婆一样,做了个类似中介的事情,避免乱七八糟的东西接触到真实对象

    代理模式的分类

    纵观一下几类代理模式

    代理模式描述
    静态代理代理类和被代理类都要继承同一个接口,如果被代理对象扩展了一个方法,那么代理对象也需要扩展一个同样的方法
    JDK动态代理依赖于jdk提供的类实现了代理模式,动态的,扩展性好,但是只能代理接口
    cglib动态代理依赖于第三方jar包实现的,动态的,既可以代理接口又可以代理类

    没有什么能比代码更清晰了,我们上代码

    • 静态代理
      在这里插入图片描述
      在这里插入图片描述
      在这里插入图片描述
      在这里插入图片描述
      执行结果:
      在这里插入图片描述

    优点:
    真实对象处理的业务更加纯粹
    实现业务分工,公共业务发生扩展时变得更加集中和方便
    缺点:
    代理类必须提前写好,如果真实对象的接口发生了变化,代理类的代码也要随着变化,维护成本较高

    • JDK动态代理

    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    执行结果:
    在这里插入图片描述
    优点:
    不需要为真实对象写一个形式上完全一样的封装类,减少了维护成本
    可以在运行时制定代理类的执行逻辑,提升了系统的灵活性
    缺点:
    真实对象必须实现接口,如果没有接口,则不能被代理

    • CGLIB动态代理
      在这里插入图片描述
      在这里插入图片描述
      在这里插入图片描述
      在这里插入图片描述

    基本流程:
    根据指定的回调类生成的Class字节码,通过defineClass()将字节码定义为类,使用反射机制生成该类的实例
    优点:
    Cglib代理通过继承的方式进行代理,无论目标对象是否实现接口都可以对其代理,弥补了jdk动态代理的缺陷
    缺点:
    1、性能好的同时带来的时间上的牺牲,cglib创建代理对象所花费的时间比jdk多得多,所以对于单例对象,因为无需频繁的创建对象,用cglib比较合适,反之,使用jdk方式要合适一些
    2、由于cglib采用的是动态创建子类的方法,所以对于final方法,无法进行代理。



    上述说了这么多,实际上 在Spring中,使用的Jdk动态代理+cglib动态代理,可以通过配置选定代理方式,例如对于Service层,因为存在接口,我们使用Jdk动态代理,在Controller因为没有接口,可以使用cglib

    展开全文
  • 形状应该是具象形还是完全抽象的? Do the colors resonate with the tone and idea behind the piece? 这些颜色是否与作品背后的色调想法产生共鸣? 抢救数据艺术 (Data art to the rescue) These questions led...

    “The only thing that is constant is change” — Heraclitus

    “唯一不变的就是变化” —赫拉克利特

    Today in the business world, we talk about change. The advent of AI is transforming our entire society. Tech companies heavily invest in R&D to stay on top of the game while older industries are trying to catch up on their digital transformation.

    在当今的商业世界中,我们谈论变革。 人工智能的出现正在改变我们的整个社会。 科技公司在研发方面投入大量资金,以保持领先地位,而较早的行业则试图追赶其数字化转型。

    There’s a widespread belief that companies which are successful in digital achieve their goals because they have the right internal structures in place. I am intrigued by how you can visualize these structures beyond simple org charts, and whether or not a tangible representation of them reveals insights into the way a company is managed.

    人们普遍认为,在数字化方面取得成功的公司可以实现目标,因为它们拥有正确的内部结构。 我对如何在简单的组织结构图之外可视化这些结构以及它们的有形表示是否对公司的管理方式有深刻见解感到好奇。

    As you would imagine, few corporations were willing to let me access their organizational chart under my own data art studio. My only option was to work as a collaborator in a large group to test this idea (among other things). As soon as I joined the Havas group, I got started on this pet project and was eager to discover how each business unit relates to another.

    就像您想象的那样,很少有公司愿意让我在我自己的数据艺术工作室下访问他们的组织结构图。 我唯一的选择是作为一个大团队的合作者来测试这个想法(以及其他)。 加入Havas小组后,我就开始了这个宠物项目,并渴望发现每个业务部门之间的关系。

    Spoiler: it turns out that the knowledge extracted from this analysis is extremely valuable and can drastically help to make informed data-driven decisions.

    破坏者:事实证明,从此分析中提取的知识非常有价值,可以极大地帮助您做出明智的数据驱动型决策。

    获取数据 (Getting the data)

    Havas recently migrated to WorkDay, an ERP for finance/HR SaaS for large organizations. One of WorkDay’s key features is TalentSpace, which acts as as an internal LinkedIn-type system, through which people can expose their title, physical location, company name, ways of reaching them and their boss: an ideal dataset for us!

    Havas最近迁移到WorkDay ,这是用于大型组织的财务/ HR SaaS的ERP。 TalentSpace是WorkDay的主要功能之一,它是内部LinkedIn类型的系统,人们可以通过该系统公开其头衔,地理位置,公司名称,联系方式以及与老板的联系:这是我们的理想数据集!

    Image for post
    Personal private view for each Havas employee 每位Havas员工的个人私密视图

    For those who fear leakage of private info, rest assured that as a regular employee, I could only access anonymized GDPR-compliant (no names) information with the consent of the HR department. Note that when I started working on the project not all the subsidies had migrated to the platform (hence the lower number of data points than might be expected).

    对于那些担心泄露私人信息的人,请放心,作为正式员工,我只能在人事部门的同意下访问符合GDPR要求的匿名(无姓名)信息。 请注意,当我开始从事该项目时,并不是所有的补贴都迁移到了平台上(因此数据点的数量比预期的要少)。

    Image for post
    My own personal hierarchy chain to the top! 我自己的个人等级链到顶部!

    As with all new data-driven projects, I started by agglomerating information. One point worth noticing is the gender balance of the organization, with more women in all four branches of the group, 56% to be precise.

    与所有新的数据驱动项目一样,我从聚集信息开始。 值得注意的一点是该组织的性别平衡,该组所有四个分支中的女性人数更多,准确地说是56%。

    Regarding the distribution of managerial functions, we can observe that the top-management is slightly balanced in favor of male executives with a turning at hierarchical level four (0 being the CEO Yannick Bolloré), which roughly corresponds to the executive committee of each individual digital agency that the group manages.

    关于管理职能的分布,我们可以看到,高层管理人员略有平衡,而男性管理人员则倾向于四级转向(0为首席执行官YannickBolloré),这大致对应于每个数字部门的执行委员会。小组管理的代理商。

    Image for post

    Of course, there is much more confidential information to be shown that I can’t share here, such as the distribution of job titles, the number of managers per agencies and at which level, the subsidies’ location of each agency and how they interact for instance.

    当然,还有很多我无法在此透露的机密信息,例如职务分配,每个机构的经理人数以及在哪个级别,每个机构的补贴位置以及它们之间的交互方式例如。

    When you start adding the job title in the mix, you can also anticipate the shortage/recruitment of talents you need to recruit to achieve your strategic goals.

    当您开始在组合中添加职位时,您也可以预期实现战略目标所需的人才短缺/招聘。

    This is just a bunch of examples but as you can imagine, it is extremely valuable and actionable info when your job is to manage and have a strategic vision of a company.

    这只是一堆例子,但是正如您可以想象的那样,当您的工作是管理公司并具有公司的战略远景时,它是非常有价值和可操作的信息。

    从数据可视化到数据艺术 (From data visualization to data art)

    可视化层次结构(Visualizing the hierarchy)

    So far we have talked about the value of collecting organizational info on a company. Let’s remember that we extracted a network connecting all employees to their direct superior. As you know, this simple one-to-one relationship does not necessarily reflect the real chain of command but it is already a good start to build a visualization.

    到目前为止,我们已经讨论了收集公司组织信息的价值。 让我们记住,我们提取了一个将所有员工与其直接上级联系起来的网络。 如您所知,这种简单的一对一关系并不一定反映真实的命令链,但它已经是构建可视化的良好起点。

    Here is an attempt at revealing the hierarchical levels of the group using a radial tree layout.

    这是尝试使用放射状树形布局显示组的层次结构级别的尝试。

    Image for post
    A classic and very useful data visualization used to explore the hierarchy of the company from a central node (the root of the tree), here being the CEO. By counting the number of circles we can assess the depth of the tree: how many hierarchical positions we have from the lowest entry point (the interns) to the CEO. Each dot is employee, colored according to the group sub-branches such as Havas Health, Havas Creative, BETC or ekino .
    经典且非常有用的数据可视化,用于从中心节点(树的根)(这里是CEO)探索公司的层次结构。 通过计算圆圈数,我们可以评估树的深度:从最低的入口点(实习生)到CEO,我们有多少个层次的职位。 每个点都是员工,并根据组子分支(如Havas Health,Havas Creative,BETC或 ekino)进行着色

    The dataset is too complex to be able to visualize all its dimensions in a 2D representation. As a general rule in a network visualization, proximity on the image does not necessarily imply proximity in the data. In our radial tree, we can clearly see the different hierarchical layers, but we miss a sense of quantity. Indeed, most nodes are drawn almost on top of each other, making it difficult to assess the volume of employees per branch.

    数据集过于复杂,无法以2D表示形式可视化其所有维度。 作为网络可视化中的一般规则,图像上的接近度不一定意味着数据中的接近度。 在我们的放射状树中,我们可以清楚地看到不同的层次结构,但是却缺少数量感。 实际上,大多数节点几乎是彼此重叠的,因此很难评估每个分支机构的员工数量。

    当dataviz不够用时 (When dataviz is not enough)

    To solve this problem, we have basically two options: adding a companion data visualization (like the barchart on top) to indicate the volume per branch or per sub company or improve/modify our radial tree layout.

    为了解决此问题,我们基本上有两个选择:添加伴随数据可视化(如顶部的条形图)以指示每个分支机构或每个子公司的数量或改善/修改放射状树的布局。

    First, instead of having a circular shape we could put everything in line like a file system folder view. The problem with this one is that the list becomes very long and boring to look at: you probably need to scroll to see it correctly or unzoom it so far you won’t see anything.

    首先,我们可以使所有内容像文件系统文件夹视图一样排成圆形,而不是呈圆形。 这个问题是,列表变得很长而且很无聊:您可能需要滚动浏览才能正确看到它,或者将其缩放到目前为止您什么都看不到。

    Coming back to our radial chart, we also put more nodes on each line with no overlap and zoom out to even further away. The issue in this case, as with all angle-based visualizations, is that the human visual system has a hard time evaluating angles precisely and thus difficulty counting the number of employees. For the curious reader and avid dataviz designer, this observation led to the famous blog post: “Death to Pie charts”.

    回到径向图,我们还在每条线上放置了更多的节点,没有重叠,并缩小到更远。 与所有基于角度的可视化一样,这种情况下的问题在于,人类视觉系统很难精确评估角度,因此难以计算员工人数。 对于好奇的读者和狂热的dataviz设计师而言,这一发现引出了著名的博客文章: “死亡到饼图”

    This problem is also the perfect opportunity to get creative in the dataviz itself and gradually enter the realm of data art. Because it is already a compromise between different visual features, we could as well introduce aesthetics and emotions in the mix!

    这个问题也是在dataviz本身中发挥创造力并逐步进入数据艺术领域的绝佳机会。 因为这已经是不同视觉功能之间的折衷,所以我们还可以在混合中引入美学和情感!

    To iterate over a design, the dataviz practitioner must ask him/herself questions that criticize the current implementation. For instance:

    要遍历一个设计,数据视图从业者必须问自己一个批评当前实现的问题。 例如:

    • How would the audience judge its interpretability compared to the previous one?

      与前一个相比,听众如何判断其可解释性?
    • Is the color palette appropriate for the data at hand?

      调色板是否适合手头的数据?
    • Is the data-ink ratio adequate?

      数据墨水比是否足够?

    • Does it look more emotionally engaging, if so why?

      它看起来更具情感吸引力吗?如果是,为什么呢?

    On top of that, other artistic concerns must be addressed such as:

    除此之外,还必须解决其他艺术问题,例如:

    • What is the concept behind this piece?

      这件作品背后的概念是什么?
    • Is there a sense of harmony, symmetry in it?

      有和谐感,对称感吗?
    • How does it compare to previous pieces, too much similar? Coherent with the series?

      它与以前的作品相比有什么相似之处? 与系列连贯?
    • Is the shape supposed to be figurative or totally abstract?

      形状应该是具象形还是完全抽象的?
    • Do the colors resonate with the tone and idea behind the piece?

      这些颜色是否与作品背后的色调和想法产生共鸣?

    抢救数据艺术 (Data art to the rescue)

    These questions led me to create this “fuzzy” radial tree.

    这些问题促使我创建了这种“模糊”的放射状树。

    A fuzzy radial tree representation as a data art piece — Kirell Benzi
    A fuzzy radial tree displaying the hierarchy of the Havas group. While the hierarchical levels are harder to discernate, this data viz shows the total number of employees more accurately. Subjectively, it also offers a more interesting artistic shape like a multicolored iris.
    显示Havas组层次结构的模糊径向树。 虽然更难区分层次结构级别,但此数据即更准确地显示了员工总数。 从主观上讲,它还提供了更有趣的艺术形状,例如彩色虹膜。
    Image for post
    A zoom on ekino France, where I currently work. Notice how ekino’s blue is mixed with orange. It is due to the different email aliases belonging to its former organization Fullsix. Hence, some points are still labeled as Fullsix’s orange instead of ekino.
    我目前在ekino France工作。 请注意,ekino的蓝色和橙色是如何混合的。 这是由于属于其前组织Fullsix的电子邮件别名不同。 因此,某些点仍被标记为Fullsix的橙色,而不是ekino。

    While it is harder to count the number of layers, we have a better sense of the total number of employees and something which stands alone as a image for branding purposes. If you are interested in the technical details, it was created by using the previous radial tree and by applying a bit of a force-directed layout to it.

    虽然很难计算层数,但我们对员工总数有更好的了解,而这些东西可以单独用作品牌形象。 如果您对技术细节感兴趣,可以通过使用以前的径向树并对其施加一些力导向布局来创建。

    “Art is never finished, only abandoned” — Leonardo Da Vinci

    “艺术永无止境,只有废弃” –达芬奇(Leonardo Da Vinci)

    Once I “finished” this fuzzy radial data artwork, I put it as my wallpaper and moved on to other projects for a few months. I knew it was not in its final stage, yet I had no idea how to drastically improve it. Improving one aspect, such as visual compactness, would make a regression in another, like the interpretability for instance. In addition, I was so used to see a circular representation for these types of datasets that I had a hard time imagining something else.

    一旦“完成”了这个模糊的径向数据图稿,我便将其作为墙纸,并转移到其他项目中了几个月。 我知道它还没有进入最后阶段,但我不知道如何进行彻底的改进。 改善一个方面(例如视觉紧凑性)将使另一方面(例如可解释性)退化。 另外,我很习惯看到这些类型的数据集的循环表示,以至于我很难想象其他东西。

    I had to start fresh, a blank slate so to say, to be able to come up with something new.

    我必须重新开始,可以说是空白,才能提出一些新的东西。

    打破死亡循环 (Breaking the circle of death)

    If you are used to working with graph datasets, you know that most layout algorithms have a tendency to create circular-like shapes. It comes from the fact that they try to minimize the distance from the center of mass of the network without overlapping too much.

    如果您习惯使用图形数据集,那么您就会知道大多数布局算法都有创建圆形形状的趋势。 这是因为他们试图在不重叠太多的情况下尽量减少距网络质心的距离。

    In layman’s terms, it means that most mathematical formula researchers use to draw networks on screen are based on the same physics model and that it often yields a circular shape.

    用外行的话来说,这意味着大多数研究人员用来在屏幕上绘制网络的数学公式都是基于相同的物理模型,并且通常会产生圆形形状。

    Despite my love for these circular shapes, I wanted to create something radically different and kickstart creativity without doing a ring.

    尽管我热爱这些圆形形状,但我还是想创造一种与众不同的东西,并在不做任何设计的情况下启动创造力。

    My first tries were leaning towards isometric shapes, but being a 2D artwork (to be printed) introducing a false sense of perspective didn’t really work for me here. I gradually came up to this triangular shape that I find compelling because it is so unusual in the network visualization world. It clearly shows each individual employee of the group, organized into each sub organization as we had before.

    我的最初尝试是向等轴测形状倾斜,但是作为2D艺术品(要印刷)引入了错误的透视感,对我来说并没有真正的作用。 我逐渐想到了这个三角形,我发现它很引人注目,因为它在网络可视化世界中非常罕见。 它清楚地显示了该组的每个员工,就像我们以前一样组织成每个子组织。

    Alternate visual representation of a data art project by Kirell Benzi
    Alternate artwork based on the Havas org chart
    基于Havas组织结构图的替代艺术品

    Despite my enthusiasm for the previous triangular shape, I realized that it occluded the hierarchical nature of the network too much. I will keep this idea for a future piece where it really makes sense, here I clearly needed to go back to showing the links albeit more poetically…

    尽管我对以前的三角形很感兴趣,但我意识到它过于笼罩了网络的层次结构。 我将把这个想法保留在将来有意义的地方,在这里我显然需要回到展示链接的地方,尽管更具诗意……

    “一起” (“Together”)

    After countless other iterations and refinements, I am happy to present the final version of the data artwork: “Together”. I hope that you find it visually engaging, not to say beautiful, and that it resonates within you as it did with me.

    经过无数次其他迭代和完善之后,我很高兴介绍数据图稿的最终版本:“ Together”。 我希望您发现它在视觉上引人入胜,而不是说美丽,并且希望它在您内部引起共鸣。

    Together — Data Artwork by Kirell Benzi
    This artwork visualizes the hierarchical positions of employees of the Havas group. The Havas group is one of the top leading communication groups in the world with a presence in more than 100 countries. In other words, the CEO is linked to his executive committee, the CXOs, who in turn are linked to their subordinates in each branch, and so forth. This particular network thus starts from the top management to the lowest entry position within the group.
    这件作品将Havas集团员工的层级形象形象化。 Havas集团是全球领先的领先传播集团之一,业务遍及100多个国家。 换句话说,首席执行官与他的执行委员会CXO相连,而后者又与每个分支机构的下属相连,依此类推。 因此,该特定网络从高层管理人员开始,一直到组中最低的入口位置。

    最后的话 (Final words)

    I hope that this article shed some light around the process behind the creation of a data artwork and the value behind this novel integrated approach: from data to visualization to art.

    我希望本文能阐明创建数据图稿的过程以及这种新颖的集成方法的价值:从数据到可视化再到艺术。

    As we saw, the ability to analyze internal organisational chart data proves to be extremely valuable for the top management, shareholders as well as human resources.

    正如我们所看到的那样,分析内部组织结构图数据的能力被证明对高级管理人员,股东以及人力资源都非常有价值。

    More generally, the brand image is one of the most valuable assets of a company both for its clients and employees. Departing from classical marketing schemes, data art adds a unique perspective on branding, mixing emotions and cognition altogether, as we expose the essence of the company in one artwork.

    总体而言,无论是对于客户还是员工,品牌形象都是公司最有价值的资产之一。 与经典的营销方案不同,数据艺术为品牌塑造,混合情感和认知提供了独特的视角,因为我们将公司的本质暴露在一件艺术品中。

    -

    Dr. Kirell Benzi is a data artist, science communicator and researcher. His primary interests revolve around creating visual experiences that inspire, educate and empower large audiences using state-of-the-art technology.

    Kirell Benzi博士是一位数据艺术家,科学传播者和研究员。 他的主要兴趣在于使用最先进的技术创造视觉体验,以激发,教育并增强广大观众的能力。

    In their whole, Kirell’s creations can be articulated and deciphered following an array of tones, shapes, dots, and lines that are staged according to the nature of the data. Through a hypnotic visual semantic, he works to show that algorithms have a soul… and that we can extract emotions from complexity using tools and methods which come straight from scientific research.

    从整体上看,基里尔的作品可以根据数据的性质分阶段排列的一系列音调,形状,点和线进行表达和解密。 通过催眠的视觉语义,他努力证明算法具有灵魂……我们可以使用直接来自科学研究的工具和方法从复杂性中提取情感。

    More data-driven projects: https://www.kirellbenzi.com

    更多数据驱动的项目: https : //www.kirellbenzi.com

    Image for post

    翻译自: https://medium.com/nightingale/when-data-visualization-and-art-collide-with-the-humble-org-chart-647a2df46c5c

    展开全文
  • 大屏数据可视设计指南

    万次阅读 多人点赞 2019-01-03 14:25:31
    把相对复杂、抽象的数据通过可视的方式以人们更易理解的形式展示出来的一系列手段叫做数据可视,数据可视是为了更形象地表达数据内在的信息规律,促进数据信息的传播应用。 在当前新技术支持下,数据可视...

    在这里插入图片描述

    一、基础概念

    1、什么是数据可视化

    把相对复杂、抽象的数据通过可视的方式以人们更易理解的形式展示出来的一系列手段叫做数据可视化,数据可视化是为了更形象地表达数据内在的信息和规律,促进数据信息的传播和应用。

    在当前新技术支持下,数据可视化除了“可视”,还可有可交流、可互动的特点。数据可视化的本质是数据空间到图形空间的映射,是抽象数据的具象表达。
    在这里插入图片描述

    数据可视化作品《launchit》
    作者:Shane Mielke
    作者写了本书,地图上显示了世界各地读者的分布情况及对应人数
    在这里插入图片描述

    数据可视化作品《world-drawn-by-travelers》
    作者:TripHappy
    国家之间相互连通的旅游路线,颜色越相近的国家,表明两国家的人们互动越频繁
    在这里插入图片描述

    什么是大屏数据可视化

    大屏数据可视化是以大屏为主要展示载体的数据可视化设计。
    “大面积、炫酷动效、丰富色彩”,大屏易在观感上给人留下震撼印象,便于营造某些独特氛围、打造仪式感。电商双11类大屏利用此特点打造了热烈、狂欢的节日氛围,原本看不见的数据可视化后,便能调动人的情绪、引发人的共鸣,传递企业文化和价值
    在这里插入图片描述

    利用面积大、可展示信息多的特点,通过关键信息大屏共享的方式可方便团队讨论、决策,故大屏也常用来做数据分析监测使用。大屏数据可视化目前主要有信息展示、数据分析及监控预警三大类。
    数据分析类:
    在这里插入图片描述

    大屏数据可视化设计原则:设计服务需求、先总览后细节

    设计服务需求

    大屏设计要避免为了展示而展示,排版布局、图表选用等应服务于业务,所以大屏设计是在充分了解业务需求的基础上进行的。那什么是业务需求呢?业务需求就是要解决的问题或达成的目标。设计师通过设计的手段帮助相关人员达成这个目标,是大屏数据可视化的价值所在。

    先总览后细节

    大屏因为大,承载数据多,为了避免观者迷失,大屏信息呈现要有焦点、有主次。可以通过对比,先把核心数据抛给用户,待用户理解大屏主要内容与展示逻辑后,再逐级浏览二三级内容。部分细节数据可暂时隐藏,用户需要时可通过鼠标点击等交互方式唤起。

    三、大屏可视化设计流程

    规范的流程是好结果的保证。找到一个可参考的流程,然后步步为营,就能避免很多不必要的返工,保证设计质量和项目进度。在这里插入图片描述

    1、根据业务场景抽取关键指标

    关键指标是一些概括性词语,是对一组或者一系列数据的统称。一般情况下,一个指标在大屏上独占一块区域,所以通过关键指标定义,我们就知道大屏上大概会显示哪些内容以及大屏会被分为几块。以共享单车电子围栏监控系统为例,这里的关键指标有:企业停车时长、企业违停量、热点违停区域、车辆入栏率等。

    确定关键指标后,根据业务需求拟定各个指标展示的优先级(主、次、辅)。
    在这里插入图片描述

    2、确立指标分析维度

    “横看成岭侧成峰”。同一个指标的数据,从不同维度分析就有不同结果。很多小伙伴做完可视化设计,发现可视化图形并没有准确表达自己的意图,也没能向观者传达出应有的信息,可视化图形让人困惑或看不懂。出现这种情况很大程度就是因为分析的维度没有找准或定义的比较混乱。
    在这里插入图片描述

    上图向大家展示了数据分析常用的4个维度,我们在选定指标后,就需要跟项目组其他小伙伴讨论:我们的各个指标主要想给大家展示什么,更进一步的讲,是我们想通过可视化表达什么样的规律和信息。而上图,可以引导我们从“联系、分布、比较、构成”四个维度更有逻辑的思考这个问题。

    联系: 数据之间的相关性
    分布: 指标里的数据主要集中在什么范围、表现出怎样的规律
    比较: 数据之间存在何种差异、差异主要体现在哪些方面
    构成: 指标里的数据都由哪几部分组成、每部分占比如何

    当然,上图例举的示例图表都比较传统,在大屏数据可视化中常还有另一类地理信息(常以2/3D地图、地球呈现)出现。上图虽未包含这类图形,但它提供给我们的确定数据分析维度的思路和方法是相通的,可借鉴。

    3、选定可视化图表类型

    当确定好分析维度后,事实上我们所能选用的图表类型也就基本确定了。接下来我们只需要从少数几个图表里筛选出最能体现我们设计意图的那个就好了。

    选定图表注意事项:易理解、可实现;

    易理解就是可视化设计要考虑大屏最终用户,可视化结果应该是一看就懂,不需要思考和过度理解,因而选定图表时要理性,避免为了视觉上的效果而选择一些对用户不太友好的图形。
    在这里插入图片描述

    可实现

    1、我们需要了解现有数据的信息、规模、特征、联系等,然后评估数据是否能够支撑相应的可视化表现

    2、我们设计的图形图表,要开发能够实现。实际工作中,一些可视化效果开发用代码写很容易实现,效果也不错,但这些效果设计师用Ps/Ai/Ae这些工具模拟时会发现比较困难;同样的,某些效果设计师用设计工具可以轻易实现,但开发要用代码落地却非常困难,所以大屏设计中跟开发常沟通非常重要,我们需要明确哪些地方设计师可以尽情发挥,哪些地方需要谨慎设计!一个项目总有周期与预算限制,不会无限期的修改迭代,所以设计师在这里需要抓住重点,有取舍,不钻牛角尖、死磕不放。
    在这里插入图片描述

    4、了解物理大屏,确定设计稿尺寸

    多数情况下设计稿分辨率即被投大屏的信号源电脑屏幕的分辨率。 有多个信号源时,就会有多个设计稿,此时每个设计稿的尺寸即对应信号源电脑屏幕的分辨率。
    在这里插入图片描述

    一般情况下设计稿的分辨率就是电脑的分辨率,当有多个信号源时,有时会通过显卡自定义电脑屏幕分辨率,从而使电脑显示分辨率不等于其物理分辨率,此时,对应设计稿的分辨率也就变成了设置后的分辨率;此外,当被投电脑分辨率长宽比与大屏物理长宽比不一致时(单信号源),也会对被投电脑屏幕分辨率做自定义调整,这种情况设计稿分辨率也会发生变化。所以设计开始前了解物理大屏长宽比很重要。

    5、页面布局、划分

    尺寸确立后,接下来要对设计稿进行布局和页面的划分。这里的划分,主要根据我们之前定好的业务指标进行,核心业务指标安排在中间位置、占较大面积;其余的指标按优先级依次在核心指标周围展开。一般把有关联的指标让其相邻或靠近,把图表类型相近的指标放一起,这样能减少观者认知上的负担并提高信息传递的效率。
    在这里插入图片描述

    6、定义设计风格

    很多小伙伴也许没接触过大屏设计工作,但大多数人都应该有APP或者Web风格定义的经验。我们在定义一款APP或者Web页面设计风格时常用的方法是什么呢?情绪版!

    大屏虽酷炫,但实际上也是运行在浏览器里的Web页面,所以大屏设计风格定义方法也同样可以是用情绪版来做,这种方法也是目前比较科学高效的风格定义手段。
    在这里插入图片描述

    上图提供了情绪版应用的脑图,具体操作细节不做介绍,不太了解的小伙伴可以自己找找资料哈。

    情绪版的一套流程下来,我们定义的风格基本是科学准确的,可以指导我们执行设计。如果是给甲方爸爸做大屏,这个流程也可以让我们提出的方案更有说服力。

    7、可视化设计

    根据定义好的设计风格与选定的图表类型进行合理的可视化设计。目前来讲大屏可视化主要有指标类信息点和地理类信息点两大可视化数据。指标类信息点可视化效果相对简单易实现,而地理类信息点一般可视化效果酷炫,但是开发相对困难,需要设计师跟开发多沟通的。地理类信息一般具有很强的空间感、丰富的粒子、流光等动效、高精度的模型和材质以及可交互实时演算等特点,所以对于被投电脑、大屏拼接器等硬件设备的性能会有要求,硬件配置不够的情况下可能出现卡顿甚至崩溃的情况,所以这点也是需要提前沟通评估的。
    在这里插入图片描述

    8、样图沟通确认

    这里的沟通分三个层面:设计师对内沟通、设计师对外沟通、设计师与大屏的“沟通”。
    在这里插入图片描述

    样图沟通环节,最初的样图不需要十分精致,我们可以把它理解为一个“低保真”原型,然后通过不断沟通修改,让它逐步完善精致起来,也就是小步快跑,避免那种一下子走到终点,然后又大修大改的情况。

    因为我们在前几步已经分别确定了页面布局、图表类型、页面风格特点,所以这一步我们需要用尽可能简单的方法 ,把之前几步的成果在页面上快速体现出来,然后根据样图效果尝试确定五方面内容:
    1、之前确立的布局在放入设计内容后是否依然合适
    2、确立的图表类型带入数据后是否仍然客观准确
    3、根据关键元素、色彩、结构、质感打造出的页面风格是否基本传达出了预期的氛围和感受
    4、已有的样式、数据内容、动效等在开发实现方面是否存在问题
    5、大屏是否存在色差、文字内容是否清晰可见、页面是否存在变形拉伸等现象

    **跟大屏“沟通”是比较重要也是个特殊的环节,**这也是我觉得大屏设计跟其它设计不一样的地方,大屏有它自己独特的分辨率、屏幕组成、色彩显示以及运行、展示环境,这里的很多问题只有设计稿投到大屏上才能够被发现,所以这一步在样图沟通确认环节非常重要,有时候需要开发出demo,反复测试多次。

    9、页面定稿、开发

    事实上页面开发阶段并不是到了这一步才进行,这里说的页面开发仅指前端样式的实现,实际上后台数据准备工作在定义好分析指标后就已经开始进行了,而我们当前的工作是把数据接入到前端,然后用设计的样式呈现出来。
    在这里插入图片描述

    切图与标注
    由于大屏实际就是一个web页面,所以开发阶段的切图与标注是少不了的。
    切图:哪些元素需要切图,怎么切?
    一般开发用代码写不出的样式或动效,都需要设计师切图作支持:比如数据容器的边框、小的动效、页面整体大背景、部分图标等。切图按正常网页设计标准切就可以了。

    标注
    Web页面用什么插件做标注这个大家都很熟悉,我就不多说了。需要注意的是,如果大屏页面需要在不同比例的终端展示,那么此时的标注与开发可以使用rem作为基本单位来实现,这样实现的大屏页面在后期会有更好的扩展性与适应性。

    10、整体细节调优与测试

    这部分是指页面开发完成后,将真实页面投放到大屏进行的测试与优化。这里主要有两部分工作。
    视觉方面的测试(有点像APP的UI走查): 关键视觉元素、字体字号、页面动效、图形图表等是否按预期显示、有无变形、错位等情况。
    性能与数据方面的测试: 图形图表动画是否流畅、数据加载、刷新有无异常;页面长时间展示是否存在奔溃、卡死等情况;后台控制系统能否正常切换前端页面显示。

    四、大屏设计的注意事项

    1、字体使用

    字体优先使用系统默认字体,需要嵌入字体时考虑字体的可识别性、与当前设计风格是否融合、是否可免费商用。
    在这里插入图片描述

    如果页面是云端部署,需要嵌入字体包时,我们可以使用FontCreator这类的软件把那些用不到的字符从字体包中删掉,然后重新打包上传,减小字体包大小,可以优化页面加载体验,避免在替换默认字体的过程中出现页面文字跳动等现象。(一般来讲一套字体文件包含了阿拉伯文、符号、拉丁文、日文、西里尔文、希腊文、拼音、注音符号等多种字符,对于大屏这个明确的场景,我们可以删掉其它使用不到的字符,仅保留中文、拼音和数字)
    在这里插入图片描述

    2、颜色搭配

    1、色彩明度与饱和度差异显著、对比鲜明, 尽量避免使用邻近色配色
    在这里插入图片描述

    2、使用深色暗色背景: 深色暗色背景可减少拼缝带来的不适感。由于背景面积大,使用暗色背景还能够减少屏幕色差对整体表现的影响;同时暗色背景更能聚焦视觉,也方便突出内容、做出一些流光、粒子等酷炫的效果,

    3、渐变色慎重使用: 大屏普遍色域有偏差,显示偏色,因而使用渐变色需要根据大屏反馈确定是否调整,纯色最佳。

    3、页面布局: 主次分明、条理清晰、注意留白,合理利用大屏上各小的显示单元,并尽量避免关键数据被拼缝分割。
    在这里插入图片描述

    Q&A

    1、设计稿投到大屏上显示效果不佳怎么办?

    大屏的分辨率、比例、使用环境、投射方式等均会对设计造成影响。理想情况下,我们应该在设计开始前,就能打开大屏系统做一些简单测试。我们可以从网上收集不同设计师不同风格的大屏设计作品,然后投上去查看实际效果。因为大多数时候大屏都会存在色彩偏差,这时通过测试我们就能发现渐变色、邻近色等不同类型的色彩搭配是否可以在目标大屏上良好呈现,如果不可以,那我们设计进行时就不要使用显示效果不佳的色彩搭配。另一方面,样图沟通环节及时测试也很重要。

    2、大屏设计定稿后,切图切几倍图?

    由于是将我们电脑屏幕投射到了大屏,大屏上的内容是运行在我们电脑浏览器上的页面。所以切图根据我们电脑的分辨率,正常切1倍图就可以。

    3、19201080的设计稿,投到90004320的屏幕上,文字图片会发虚么?

    看情况,视大屏系统硬件规格与观看距离来定。这块有四个概念需要跟大家交流下。
    大屏逻辑分辨率(设计稿尺寸)——显卡输出分辨率——视频矩阵切换器(DVI)支持分辨率——大屏实际物理分辨率。
    一般后两个是没问题的,大屏跟矩阵切换器是由大屏厂商提供,一般刚好配套大屏。容易问题的是显卡输出分辨率,我们电脑屏幕分辨率并不是最终显卡传递到DVI接口的分辨率,传递到DVI接口的分辨率是电脑显卡所能输出的最大分辨率(部分电脑可设置或自定义输出分辨率)。输出分辨率等于DVI支持分辨率时显示效果最佳。输出分辨率低于DVI支持分辨率,DVI会将信号放大后传递到大屏,放大的过程中就有图像信息丢失,虽然此过程中有各种算法支持去保证图像尽可能清晰,但算法再好,跟真实图形还是有差距的。此外,多信号源投射效果优于单个信号源投射。对于现场直播数据大屏,一般至少有两个信号源,一个投屏,另一个也投屏但是处于备用状态。
    离大屏的距离也影响观感,一般离得近,颗粒感明显,距离稍远,会显的较为清晰。

    4、设计稿完成开发后,发现在大屏上页面有被拉伸或者压缩的情况,怎么补救?

    一般来讲,开发只需要对设计图做还原即可。但特殊情况下,比如显示器扩展不正确导致页面被拉伸或压缩,这时就需做处理:我们可以先得到被拉伸/压缩的比例,然后对整体视图做压缩/拉伸处理,再由其拉伸/压缩,这样被拉伸/压缩的瑕疵就可以得到一定程度上的矫正。另外,了解被投电脑硬件特点,有的电脑可以通过自定义分辨率解决这部分问题。

    5、除自行开发可视化大屏外,还可以通过哪些第三方服务来快速实现?

    阿里云DataV、腾讯云图、百度Sugar等(阿里云DataV与百度Sugar的使用比较)。

    6、数据可视化的图表样式可以在那些地方找到参考?

    图表部分的二个库是我们设计师可以打开浏览产看的,这里面所有的图表样式都是基于代码实现的,可以作为我们设计图表的参考,也可以让开发拿代码去用,或者在这些图表的基础修改。
    工具类的需要有一定的代码基础,里面同样有丰富的图表,所以跟开发的沟通也很重要,因为他们可能会了解多一些更新的前沿的图表形式是我们设计师不知道的,所以彼此多沟通交流是在太重要了。
    在这里插入图片描述

    补充:
    大屏数据可视化案例:https://blog.csdn.net/hwhsong/article/details/80805511

    展开全文
  • 真依然很拉风,简书《数据可视》专栏维护者,里面有很多优秀的文章,本文便是其中一篇。文章总结了多种数据可视图形,并简要介绍了各种图形的作用,能为科研工作者在数据可视阶段提供新的思路,在...
  • 今天给大家分享一波数据可视化的优秀案例「可视化」,是把我们看不见的东西变得清晰可见,把抽象的东西具象化。在疫情中,众媒体运用可视化工具,信息图、数据作品数据查询小程序等将数据分析可视化...
  • 没有网络安全就没有国家安全,通过发展自主可控、安全可信的核心基础软硬件,解决受制于人的问题,是确保网络安全乃至国家... 由于历史原因,我国信息关键技术、设备大部分都依赖于国外进口,芯片、操作系统等是...
  • 数据可视基本套路总结

    千次阅读 2020-12-07 22:58:00
    真依然很拉风,简书《数据可视》专栏维护者,里面有很多优秀的文章,本文便是其中一篇。文章总结了多种数据可视图形,并简要介绍了各种图形的作用,能为科研工作者在数据可视阶段提供新的思路,...
  • 来源:UXDA国际用户体验创新大赛「可视化」,是把我们看不见的东西变得清晰可见,把抽象的东西具象化。在这一次疫情中,众媒体运用可视化工具,信息图、数据作品数据查询小程序等将数据分析可视...
  • 信通自主研发智网管数字运维平台,助力金融业智慧转型 随着社会经济快速发展,金融业以前所未有的速度飞速发展,信息技术在金融业应用愈发广泛与深入。其IT管理逐步从独立分散式走向集中,逐步建立了集成...
  • 数字转型敏捷的一点思考 数字转型 这是一个有趣的说法,近年来十分流性,政府也在做,企业也在做,但是什么是数字转型,似乎也没有一个真正的好定义。 而我认为最贴近的一种理论是,组织因为市场上存在威胁...
  • 数据可视化旨在直观展示信息的分析结果构思,令某些抽象数据具象化,这些抽象数据包括数据测量单位的性质或数量。本章用的程序库matplotlib是建立在Numpy之上的一个Python图库,它提供了一个面向对象的API一个...
  • 数据可视化的含义 将抽象概念进行形象性表达...数据可视化分为解释性可视化和探索性可视化。 解释性可视化即为日常工作中使用到的一些表格、视图等,可以将数据以直观的方式展现出来,使数据更加客观、更具有说服力.
  • 具象读作jù xiàng,形容词,具体的,不抽象的 具有实象存在,与抽象相对 具象化是什么意思,就是把抽象的东西 表现得很具体 简单地说 就是把看不见的、不容易理解的,变得看得见、容易理解.====================...
  • 一、前言 上几期文章中,我们已经了解到“数据”是一个庞大的体系(如下图所示),并用了菜市场的例子,为大家讲解...而数据可视其实是将抽象概念进行形象性表达,将抽象的指标、数据进行具象图形可视的过程。 而就
  • 而智能数据可视其实就是将复杂的数据进行形象性表达,将各种抽象的指标进行具象图形可视的过程。数据可视在数据分析中发挥着重要的作用。一般来说,数据可视是以柱状图、折线图、饼状图、图片等各种图形的方式...
  • 软实力-结构思维

    2022-04-14 20:33:44
    表达我们要条理清晰,你在晋升的时候要能把你自己...因果顺序,时间顺序,空间顺序程度顺序。制定市场营销的"4P"模型、分析问题的"5W2H"模型、思考组织战略的"7S"模型、分析竞争力的SWOT模型、指定目标的Smart模型;
  • 具象、意象与抽象绘画

    万次阅读 2018-11-15 23:23:24
    具象和抽象绘画的差别 对于“具象”这个词,估计大多数人都感到很明白其含义。例如,达芬奇的作品《蒙娜丽莎》就是具象绘画的代表: 一般而言,”具象“就是指画面上呈现了某种我们在生活中比较熟悉的事物。看似...
  • 前一段时间看到一篇关于总结大屏数据可视设计的文章,具有...把相对复杂、抽象的数据通过可视的方式以人们更易理解的形式展示出来的一系列手段叫做数据可视,数据可视是为了更形象地表达数据内在的信息规...
  • 在下本次对于数据可视的学习主要依据浙江大学的数据可视13年发表的相关ppt作为主要学习资料,并做此博客相关思维导图。 思维导图 链接: 数据可视·大纲.(ProcessOn) 一、什么是可视 可视...
  • 大屏数据可视案例

    万次阅读 多人点赞 2018-06-25 18:07:38
    数据可视:把相对复杂的、抽象的数据通过可视的、交互的方式进行展示,从而形象直观地表达数据蕴含的信息规律。 数据可视是数据空间到图形空间的映射,是抽象数据的具象表达。 数据可视交互的基本原则:总...
  • 一大哥研究生学历,跟我抱怨女 孩没话聊。 我心一想,大哥学历不低啊,应该不是文化水平的问题。那时候我 曾感觉,只要不是因为脑子的因素聊不到一起就不算是。 于是就疯狂地让他锻炼自信心,让他放松,让他自然。...
  • 记忆,就是我们大脑接受、储存使用的过程。从心理学的角度来看,记忆代表着一个人对过去活动、感受、经验印象的累积;通过对记忆的搜索,我们会把有用的信息提取出来,以此解决相关问题。而一般来说,我们的记忆...
  • 本文是根据DQMIS 2020第四届数据质量管理国际峰会数据质量业务场景应用圆桌论坛现场嘉宾讨论整理而成。 图1.1数据质量业务场景应用...跨越数字周期,数据质量如何影响驱动业务增长 嘉宾 特邀嘉宾主持...
  • 网红因人格趣味性或专业性,或两者兼具脱颖而出,用户的信任... 在沃尔特·李普曼《舆论》一书中有提到,“若想引起人们的兴趣,则首先 要将原始形象抽象化,再将抽象的东西具象化地表现出来”。在进行购买决 策的过
  • 学会了基本语法,然后死记硬背会了抽象类接口的区别、类之间的关系,根本不清楚为啥有抽象类,它接口到底啥区别,为啥有普通类了还要它?甚至说多态是啥意思都没能深入理解,以为多态就是接口。18年初刚一工作的...
  • 滴滴出行那些事儿

    2021-02-26 11:17:14
    对于更名换标原因,滴滴解释称,经过三年发展,滴滴已经从单一的出租车软件,成为了涵盖出租车、专车、快车、顺风车、代驾及巴士在内的一站式出行平台,原因品牌标识具象化的出租车形象已不能很好体现其业务发展。...
  • 众所周知,思想是抽象的,我们要把自己的思想很好在传达出去,就必须借助一些具象的东西去替代我们的思想内容,以便受者能够清晰地理解传播者的意图。老子在《道德经》中就借助了很多的视觉元素,去物化他所要传达的...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,610
精华内容 644
关键字:

具象化和形象化