一、大数据可视化有五种常用方式

1.面积与大小可视化：指区分同一类型图形的长度、高度或面积(如柱、圆、支柱等)，以清晰显示不同指标对应的指标值。这种方法允许我们一目了然地查看和比较数据。在生成这种数据可视化图形时，通常使用数学公式来表示精确的比例尺。

2.颜色可视化：在数据可视化设计中，常用的方法是利用颜色的深浅来表示指标值的强弱和大小。通过这种方式，你可以一目了然地看到索引数据值的哪一部分更突出。

3.图形可视化：在设计指标和数据时，使用具有相应实际意义的图形来组合表示，可以让数据图表显示得更加生动，用户也更容易理解图表所表达的主题。

4.地域空间可视化：当指标数据的主体与区域相关时，我们一般选择地图作为背景。这样，用户可以直观地了解整体的数据情况，也可以根据地理位置快速定位某个区域，查看详细的数据。

5.概念可视化：概念可视化是指通过将抽象的度量数据转换为熟悉的感知数据，使用户更容易理解图形的含义。

二、大数据可视化有五大技术点

1.层次和网络可视化：网络结构是现实世界中最常见的数据类型，例如人际关系网络、城市道路、论文引用等。层次结构是以根节点为出发点且不存在回路的特殊网络，如公司组织结构、文件系统等。通常使用点线图来实现可视化，涉及的主要技术点包括节点链接构建、空间填充、图布局算法等。

2.文本和文档可视化：人类对视觉符号的感知和认知速度远高于文字符号，从非结构化的文本中提取结构化信息，进而通过可视化呈现文本中蕴含的有价值信息，有助于大大提高对文本数据的利用效率。涉及的主要技术点包括词向量模型构建、主题抽取、特征分布模式、文档集合关系可视化等。

3.时空数据可视化：时间与空间是描述物体的必要因素，时空数据可视化是对地理信息数据和时变数据进行的可视化。主要包括地图投影、空间标量场可视化、向量场可视化和张量场可视化、时序数据可视化等。

4.高维数据可视化：描述现实世界中复杂问题和对象的数据通常是多变量高维数据，高维数据可视化是通过降维技术将高维数据降到二维或三维空间，或使用相互关联的多视图来表现不同维度。涉及的主要技术点包括空间映射、流行学习、分治法和平行坐标等。

5.可视化定制框架可视化：定制框架提供一种直观、易用的可视化构建方式，可以将上述可视化方法进行封装，形成可直接拖动的组件，通过简单地设置关键字段，实现面向应用的大数据的可视化定制。根据不同的大数据分析挖掘理论建立大数据内容可视化展现能力，辅助用户从数据分析理论角度探索价值信息、评估分析性能，从可视化展现层面提升大数据资源的价值信息探索能力。