大数据可视化：重构智慧社会

梭罗曾经说过，“重要的并不是你在看着的，重要的是你所看到的。”
当前商业世界，要看清楚正在发生的是什么并非易事，很多人们已被数据所困。
在这纷繁复杂的大数据海洋中，出现了一种新型的企业：可视化的组织。越来越多的组织意识到当前数据的容量、类型和迅速对新的应用提出需求，但是，还不仅是技术，他们采纳的是一种完全不同的模式——基于数据发现和探索的模式，而非传统的企业“报表”。这些企业也认识到，交互的热图、树形图使得他们从数据中的发现远超过微软的Excel、静态图形、饼状图或仪表盘等。
举个例子，很多人已经听说过Netflix，但是很少人知道，舞台后面，Netflix创造了好些奇迹。Netflix利用数据可视化工具发现趋势、诊断技术问题，揭示其客户极具价值的洞见。
Autodesk的员工们利用交互工具将目前和历史雇员动态实现可视化，并从中判断存在的潜在管理问题，并预见企业重组将呈什么形态。
然后是eBay，强有力的数据发现工具使得企业员工能够高效“看到”ebay.com是什么样…跟实体店一样可见。
是时间实现可视化了。
《大数据可视化：重构智慧社会》一书是获奖作者、主题演讲者、公认技术专家的Phil Simon的第六本著作。Simon所阐述的是，一家先进新型公司如何将传统数据的可视化视作头等大事，对于他们来说，他们正在拥抱新型的、具交互性的、更强有力的工具，而这些工具也帮助企业从所谓的大数据中噪音中分离出有用信号，因此，他们能问出更好的问题并作出更好的商业决策。
《大数据可视化：重构智慧社会》一书由很多现实案例和具操作性的建议构成，是一本全彩杰作。Simon条理清晰地阐述了企业组织该如何做，才能不仅仅是淹没在数据海洋中，还可以更茁壮成长，欣欣向荣。对于高层管理、专家及有志于发挥大数据巨大能量的学生们来说，这是一本必读书。
这一切，先从发现你的企业与众不同开始。

《大数据可视化：重构智慧社会》包括四大部分。第Ⅰ部分，“全书概述和背景”，探讨了可视化组织快速发展背后的原因；第Ⅱ部分，“可视化组织的介绍”，介绍了可视化组织如何拥抱大数据和数据可视；第Ⅲ部分，“走起：成为可视化组织”，从理解四个不同层面的可视化组织开始，然后基于案例研究推导出的教训、实践、奇迹以及错误做法；第Ⅳ部分，“总结及数据可视的未来”，并对目前趋势、可视化组织、大数据以及数据可视的未来提供了一系列严谨认真的预测。

Phil Simon是一个受欢迎的演讲者，著有5本书，包括备受赞誉的《平台时代》。当没有写作和演讲时，他向组织提供如何优化他们的技术应用的咨询服务。NBC、CNBC、纽约时代周刊、经管杂志、彭博商业周刊、赫芬顿邮报、环球邮报，以及其他众多的主流媒体都对他的贡献做过专题报道。他取得卡内基-梅隆大学和康奈尔大学的学位。你可以通过推特@philsimon找到他，他主页是www.philsimon.com

“当前大量数据的涌入正困惑着大大小小的公司，毫无疑问，很多的机会错失也将在未来出现。《可视化组织》一书表明了很多公司正如何利用新的强有力的数据可视化工具。阅读此书，将你的公司变成更高效的数据驱动的决策机器。”
——Tech Cocktail公司的CEO、合作创始者及《创业混搭术》（Startup Mixology）一书作者，Frank Gruber

“数据到处皆是，但是我们有多少人真正使用数据并将其驱动我们的工作？人们通过不同方式进行学习，而对于很多人来说可视化方式是很有效方式。遗憾的是，大多数组织忽视了蕴含于数据可视化展示中的机会。有了《可视化组织》一书，不再有借口出现这种情况。Simon通过讲故事的生动方式以及出色的可视化方式，对于当前数据可视化提供了精致且新颖的视角。”
——圣塔克拉拉大学管理系主任及《即插即用型经理》（The Plugged-In Manager）一书作者，Terri L. Griffith

“这本精彩的书给我们带来了好消息，是的，大数据让人烦恼，但是先进组织已经发现了从噪音中识别信号的办法。通过分析和整合手段的综合使用，Simon证明如何不仅看到森林，还能看到树木。”
——Foundry集团公司合作创始者和管理总裁及《创业生活》（Startup Life）一书作者，Brad Feld

“正如我们所期望的，Phil不只是写的一个专题。相反，他深入探索，将其与商业、技术和围绕我们的人类世界进行关联。不知为何，他总是有不可思议的本领为IT以及业务专家提出十分明智的建议——这次是阐述的可视化数据——还能以美妙的故事来装扮它。”
——Gartner公司信息创新部研究副总，Douglas Laney

“很显然，大数据正在改变商业。但是，迄今稍不够明朗的是，企业能够如何充分利用其能力以生成突破性洞见。Phil Simon对于数据可视化的敏锐探求将改变你观看世界的方式。”
——《重生》（Reinventing You）一书作者、杜克大学富科商学院客座教授，Dorie Clark

“当前，以利用人类视觉能力并促进我们从数据中发现预见的方式展示数据，至关重要，因此，《可视化组织》是一本必读书。”
——预测分析世界（Predictive Analytics World）的创始人、《预测分析》（Predictive Analytics）一书作者，Eric Siegel

“在Too Big to Ignore一书中，Phil Simon将正在迅速兴起的大数据世界介绍给我们。而在本书中他阐述我们需要如何观察、处理和展示信息海洋，这些信息已经不再是商业人员所熟悉的传统的交易型数据。对于商业界如何运用现代数据可视化工具而言，《可视化组织》一书闪烁着‘迫切需要’的光辉。”
——企业软件产业分析师、ZDNet撰稿者、TechVentive股份有限公司CEO，Brian Sommer

“计算机技术的第四波浪潮正冲击着我们，而信息可视化前所未有的重要。《可视化组织》一书及时出现。Simon的书帮助企业学习并适应这个世界。必读书。”——Racepoint Global公司主席和CEO、畅销书作者，Larry Weber

“又一次，Phil Simon更上一层楼。就像他的其它书一样，《可视化组织》阐述了一个话题，不仅告诉读者正在做什么，而且指导读者能够做什么。Simon提供了大量建议和案例，展示企业如何从数据生产向数据消费转型，并采取行动。”
——Progress软件公司数据协同及整合部副总裁，《数据资产》（The Data Asset）一书作者，Tony Fisher

“当前数据就是新石油，组织需要迅速理解他们所采集数据海洋的方式，总之，目前数据可视化前所未有的重要，而可视化组织正是目前数据可视化方法的试行点。Simon的书所表现出的极富洞见的先进思想一定帮助企业占据大数据时代的制胜领地。”
——McKnight咨询集团公司总裁、《信息管理：利用数据获取竞争优势战略》（Information Management：Strategies for Gaining a Competitive Advantage with Data）一书作者，William McKnight

“通过生动的案例研究以及绝妙的可视化，《可视化组织》一书揭示了数据可视化的秘密。Simon描绘了数据可视的变革性影响。只有具备新理念，利用新工具，企业组织方可在一个变幻莫测的全球市场保持竞争地位。”
——IDC全球总监 Chris Chute

“企业的深入愉悦之旅程提出了下一个大事：将数据可视化置于企业重中之重。Simon阅读性极强的阐述指出了如何将可视化融为企业自身能力的道路。”
——Vizify公司企业主和创始人，Todd Silverstein

“是的，大数据很酷，但是它能否移动一根针？今天，揭示通常看不到的洞见已经不足够，更重要的是，你是否真正对此采取行动？《可视化组织》一书回答了以上问题——而且还——相当肯定。Simon表明，一旦做对了，数据可视化所推进的就不单是理解，更是如何采取行动。”
——EMC全球服务公司CTO、《大数据：理解数据如何助力大商业》（Big Data：Understanding How Data Powers Big Business）一书作者，Bill Schmarzo

“当前经济环境时间紧迫，对于有远见领导而言，数据可视化是一味秘密调料。Simon的书就像提供了一块告诉我们如何到达的罗塞达石（译者注：解释古埃及象形文字的可靠线索）。”
——Exponential Edge公司CEO、获奖书籍《24小时客户》（The 24-Hour Customer）作者，Adrian C. Ott

“Phil Simon的新书《可视化组织》十分出色地展示了数据可视化的潜力以及数据可视如何激发一个组织想象力的魅力。正如Simon所点明的，可视化指导组织如何提出正确问题，也即从大数据能力中创造真正价值所需的问题；而不仅仅停留于目前对大数据的摸索中。”
——ITABHI公司总裁，Robert Charette

第Ⅰ部分全书概述和背景1
导言3
I．1Twitter数据探险4
I．2实时数据可视101 9
主要目标 10
作用 11
比以往更重要 13
落后的报复：数据可视的现状 16
I．3全书概览 18
可视化组织的界定 20
本书中心主题 20
何人受益？ 21
方法论：故事在这里很重要 22
对知识和案例研究的执着 24
差异化：有关其他数据可视文本的记录 26
作战计划 27
I．4接下来 27
I．5注释 28
第1章可视化组织的快速发展29
1．1大数据的兴起 30
1．2开放数据 32
1．3数据生态的萌芽 33
1．4新的网络：可视化、语义和API驱动 34
可视化网络的到来 34
关联数据和更语义化的网络 35
采集数据更趋便利 37
借助云和数据中心更高效 38
1．5更好的数据工具 39
1．6更透明的组织 40
1．7山寨经济：有样学样 41
1．8数据新闻和Nate Silver效应 42
1．9数字人 45
可视化公民的出现 45
移动化 48
可视化员工：更技术和数据达人化的工作场所48
遨游在我们数据驱动的世界里 49
1．10下一步 50
1．11注释 50
第2章将数据转化为洞见：工具53
2．1数据可视化：智能化和整合战略的构成 54
2．2专业术语：数据可视、BI、报表、分析和KPI 55
可视化组织应该杜绝一切“试过才知对”的报表工具吗？ 57
刻画出一些区别 58
2．3数据可视五虎将 58
大型企业软件供应商应用 59
最优性能应用 63
流行的开源工具66
设计公司68
创业、网站服务及其他资源73
2．4最后的话：没有放之四海皆准的真理 75
2．5下一步 75
2．6注释 76

第Ⅱ部分可视化组织介绍77
第3章可视化组织的典范79
3．1Netflix 1．0： 计划落空 79
3．2Netflix 2．0：自我颠覆 80
3．3数据可视：大数据整合战略的构成部分 82
3．4数据可视：Netflix文化灌输 83
客户洞察84
更好的技术性和网络化诊断 86
拥抱社区 90
3．5经验教训91
3．6下一步 92
3．7注释 92
第4章DNA中的数据可视95
4．1起始 96
4．2UX至高上 97
4．3探究 100
拥抱免费的开源工具 100
API的延伸应用 103
4．4经验教训 103
4．5下一步 104
4．6注释 104
第5章得克萨斯大学体系的透明化105
5．1背景 106
5．2数据可视化的初期努力 107
5．3拥抱传统BI 108
5．4数据发现 109
对学生生涯的可见性更强 110
拓展：数据可视的全系统推广 113
5．5成果 114
5．6经验教训 116
5．7下一步 116
5．8注释 116

第Ⅲ部分走起：成为可视化组织117
第6章可视化组织的四层架构119
6．1慎重的免责说明 120
6．2简单模型 121
局限性和明晰性 123
进步性 124
回落：向更低层面后退 126
补充，而非替代 127
累积优势 127
低层面的局限性 127
相关性和子层面 128
每个组织都应该渴望进入级别4吗？ 128
6．3下一步 128
第7章WWVOD？129
7．1将重构所造成的影响可视化 130
员工流动可视化 131
沿着数据可视化道路起步 131
结果和经验教训 137
未来 138
7．2营销示例 138
7．3下一步 139
7．4注释 139
第8章建立可视化组织141
8．1数据提示和最佳实践 141
数据：原生汤 141
在跑之前先学走……至少现在如此 142
数据可视化通常只是起点 142
大数据和小数据的可视化 143
不要忘记元数据 143
朝企业外面看 145
起始：并不需要完整数据 145
可视化好的和差的数据 146
支撑钻取能力 146
8．2设计提示和最佳实践 150
牢记以终为始 150
尽可能做减法 151
UX：参与与试验至关重要 152
鼓励互动 152
谨慎使用移动和动画 152
使用相对数而非绝对数 153
8．3技术提示和最佳实践 153
凡有可能，请考虑使用API 153
拥抱新工具 154
了解数据可视化工具的局限 155
开放性 155
8．4管理提示和最佳实践 156
鼓励自助服务、探索和数据民主 156
提出正面怀疑 156
相信过程，而非结论 157
消除信息割据和专业化障碍 157
若可能，可视化之 158
聘用综合型人才 159
方向第一，精准其次 159
8．5下一步 159
8．6注释 160
第9章障碍：错误、神话和挑战161
9．1错误 162
掉入传统ROI陷阱 162
对数据可视总是—盲目—信任 163
忽视受众 164
置身大教堂中进行开发 164
设置目标，转身即忘 164
糟糕的数据可视化 165
9．2神话 167
数据可视化对确定性和成功的保证 167
数据可视化很容易 167
把数据可视化作为项目 168
存在一个“全对”的数据可视化 169
Excel足矣 169
9．3挑战 170
季度性可视化心态 170
蔑视数据 170
抛弃历史：超越之前工具带来的失望 171
9．4下一步 171
9．5注释 172

第Ⅳ部分总结及数据可视的未来173
尾声其实我们才刚刚开始175
C．1 以数据为中心的四大关键趋势 177
可穿戴技术和量化自我 177
机器学习和物联网 178
多维数据 179
数据移植与数据所有权之间即将发生的斗争 181
C．2最后的一些想法 183
C．3注释 184

后记我的数据生涯185
附录数据可视化资源189
参考文献193
关于作者195
如何帮助这本书197
译者后记199