数据可视化系统并不是为了展示用户的已知的数据之间的规律，而是为了帮助用户通过认知数据，有新的发现，发现这些数据所反映的实质。
从技术上来说，大数据可视化的实施步骤主要有四项：需求分析，建设数据仓库 /数据集市模型，数据抽取、清洗、转换、加载(ETL)，建立可视化分析场景。
一、需求分析
需求分析是大数据可视化项目开展的前提，要描述项目背景与目的、业务目标、业务范围、业务需求和功能需求等内容，明确实施单位对可视化的期望和需求。包括需要分析的主题、各主题可能查看的角度、需要发泄企业各方面的规律、用户的需求等内容。
二、建设数据仓库 /数据集市的模型
数据仓库 /数据集市的模型是在需求分析的基础上建立起来的。数据仓库/数据集市建模除了数据库的ER建模和关系建模，还包括专门针对数据仓库的维度建模技术。gendan5.com/currencycode.html
三、数据抽取、清洗、转换、加载 (ETL)
数据抽取是指将数据仓库 /集市需要的数据从各个业务系统中抽离出来，因为每个业务系统的数据质量不同，所以要对每个数据源建立不同的抽取程序，每个数据抽取流程都需要使用接口将元数据传送到清洗和转换阶段。
数据清洗的目的是保证抽取的原数据的质量符合数据仓库 /集市的要求并保持数据的一致性。
数据转换是整个 ETL过程的核心部分，主要是对原数据进行计算和放大。数据加载是按照数据仓库/集市模型中各个实体之间的关系将数据加载到目标表中。
四 、建立可视化场景
建立可视化场景是对数据仓库 /集市中的数据进行分析处理的成果，用户能够借此从多个角度查看企业/单位的运营状况，按照不同的主题和方式探查企业/单位业务内容的核心数据，从而作出更精准的预测和判断。
随着社会的发展，大数据可视化新的工具和图表类型也不断出现，每种都试图创造出比之前更有吸引力、更有利于传播信息的图表，所以，可视化项目应该自己去亲自感受总结方法，以及享受过程步骤，这样才能更加易懂。
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/70014563/viewspace-2915296/ ，如需转载，请注明出处，否则将追究法律责任。
