一种多维度数据可视化呈现方法技术

本发明专利技术公开了一种多维度数据可视化呈现方法，其具体步骤如下：第一步，数据抽取；第二步，数据治理；第三步，数据整合；第四步，多维分析模型设计：把整合之后的数据通过K‑Means算法、最大期望(EM)算法、CART分类与回归树、CHAID、CART、ID3和C4.5算法，按照分析主题设计对应的多维分析模型，为可视化提供数据支持；第五步，数据展现：我们使用kafka，js，ajax技术编写数据接口，制定规范。然后使用地图api和echarts技术，对数据进行实时的可视化展示开发。

A visualization method for multidimensional data visualization

The invention discloses a representation method of multi dimension data visualization, the specific steps are as follows: the first step, the second step, data extraction; data management; data integration; the third step, the fourth step model design of multidimensional analysis: the K Means algorithm, the maximum expected through the integration of the data (EM) algorithm, CART classification with CHAID, CART, regression tree, ID3 algorithm and C4.5 algorithm, according to the multidimensional analysis theme design corresponding analysis model, to provide data support for the visualization; fifth step, data show: we use Kafka, JS, AJAX technology, data interface specification. Then, map, API and echarts technology are used to display and develop the data in real time.

【技术实现步骤摘要】
一种多维度数据可视化呈现方法
本专利技术涉及一种数据可视化呈现方法，更具体的说，它涉及一种多维度数据可视化呈现方法。
技术介绍
目前可视化工具有bi类的，比如：biee，bo，cognos等，他们可以满足一般的多维分析展现，但是对大数据的支持还没有很到位。与本领域密切相关的主流大数据分析工具如tableau等，已经可以很好的做一些大数据的可视化工作，但是在实时展示和较多的地图展示效果的比较乏力。
技术实现思路
针对现有技术存在的不足，本专利技术的目的在于提供一种多维度数据可视化呈现方法。为实现上述目的，本专利技术提供了如下技术方案：一种多维度数据可视化呈现方法，其具体步骤如下：第一步，数据抽取：需要从各种类型的数据源中抽取数据到我们的产品后台存储第二步，数据治理：把得到的数据进行清洗，去掉垃圾数据，并数据标准化处理第三步，数据整合：以mac为全局主键，整合各类数据，建立关联关系第四步，多维分析模型设计：把整合之后的数据通过K-Means算法、最大期望(EM)算法、CART分类与回归树、CHAID、CART、ID3和C4.5算法，按照分析主题设计对应的多维分析模型，为可视化提供数据支持；第五步，数据展现：我们使用kafka，js，ajax技术编写数据接口，制定规范。然后使用地图api和echarts技术，对数据进行实时的可视化展示开发。数据源为mysql、oracle、图片、excel。本专利技术具有下述优点：专利技术使用大数据相关技术实现的大数据量，多种数据类型和快速计算的效果，比如利用spart的计算速度较快，来处理算法等计算，保证展现时数据的实时变动。本专利技术极大的丰富和创新了在大数据可视化方面对于地图展现效果。具体实施方式本实施例的一种多维度数据可视化呈现方法，其具体步骤如下：第一步，数据抽取：需要从各种类型的数据源中抽取数据到我们的产品后台存储第二步，数据治理：把得到的数据进行清洗，去掉垃圾数据，并数据标准化处理第三步，数据整合：以mac为全局主键，整合各类数据，建立关联关系第四步，多维分析模型设计：把整合之后的数据通过K-Means算法、最大期望(EM)算法、CART分类与回归树、CHAID、CART、ID3和C4.5算法，按照分析主题设计对应的多维分析模型，为可视化提供数据支持；第五步，数据展现：我们使用kafka，js，ajax技术编写数据接口，制定规范。然后使用地图api和echarts技术，对数据进行实时的可视化展示开发。数据源为mysql、oracle、图片、excel。实例：以上图excel为例：1、提取AP的MAC和对应的经纬度数据储存到数据后台2、利用地图api将数据呈现到地图显示每个AP设备的位置；3、提取每个AP对应的位置属性的数据信息展示在对应位置的地图上；4、将AP设备按照不同的位置属性分类汇总，利用echarts技术将数据按条形图、饼状图等图形化的呈现方式展示出来以上所述仅是本专利技术的优选实施方式，本专利技术的保护范围并不仅局限于上述实施例，凡属于本专利技术思路下的技术方案均属于本专利技术的保护范围。应当指出，对于本
的普通技术人员来说，在不脱离本专利技术原理前提下的若干改进和润饰，这些改进和润饰也应视为本专利技术的保护范围。本文档来自技高网...

【技术保护点】
一种多维度数据可视化呈现方法，其具体步骤如下：第一步，数据抽取：需要从各种类型的数据源中抽取数据到我们的产品后台存储；第二步，数据治理：把得到的数据进行清洗，去掉垃圾数据，并数据标准化处理；第三步，数据整合：以mac为全局主键，整合各类数据，建立关联关系；第四步，多维分析模型设计：把整合之后的数据通过K‑Means算法、最大期望(EM)算法 、CART分类与回归树、 CHAID、CART、ID3和C4.5算法，按照分析主题设计对应的多维分析模型，为可视化提供数据支持；第五步，数据展现：我们使用kafka，js，ajax技术编写数据接口，制定规范；然后使用地图api和echarts技术，对数据进行实时的可视化展示开发。

【技术特征摘要】
1.一种多维度数据可视化呈现方法，其具体步骤如下：第一步，数据抽取：需要从各种类型的数据源中抽取数据到我们的产品后台存储；第二步，数据治理：把得到的数据进行清洗，去掉垃圾数据，并数据标准化处理；第三步，数据整合：以mac为全局主键，整合各类数据，建立关联关系；第四步，多维分析模型设计：把整合之后的数据通过K-Means算法、最大期望(EM)算法、CART分类与回归树、C...

【专利技术属性】
技术研发人员：傅东生，
申请(专利权)人：深圳奇迹智慧网络有限公司，
类型：发明
国别省市：广东,44