之前的推文中，我们有反复提及数字时代中数据的重要性。“数据分析思维和数据分析技能将成为未来职场人必须具备的职业素养。”我们意识到数据分析的重要意义之后，数据可视化也走入我们的视线内。
为什么已经掌握了大量数据，我们仍然需要对数据进行可视化处理呢？我们来看一个例子：1831年起，欧洲大陆爆发霍乱，当时的主流理论是毒气或瘴气引起了霍乱。英国医生John Snow着手研究1854年8月底伦敦布拉德街附近居民区爆发的一场霍乱。Snow调查病例发生的地点和取水的关系，发现73个病例离布拉德街水井的距离比附近其他任何一个水井的距离都更近。在拆除布拉德街水井的摇把后不久，霍乱停息。Snow绘制了一张布拉德街区的地图（见下图），标记了水井的位置，每个地址（房子）里的病例用图符显示。图符清晰地显示了病例集中在布拉德街水井附近，这就是著名的鬼图（ghost map）。
根据这个例子我们可以看出，由于可视化可以清晰地展示证据，它在支持上下文的理解和数据推理方面起到了独到的作用。信息的质量很大程度上依赖于其表达方式，同样的，对于已获取数据进行数据分析后，选择恰当的方式进行可视化处理，可以帮助更好的理解数据信息，掌握核心观点。现代的数据可视化技术综合运用计算机图形学、图像处理、人机交互等技术，将采集或模拟的数据变换为可识别的图形符号、图像、视频或动画，并以此呈现对用户有价值的信息。
数据可视化也并非新鲜事物，过去常用的Excel图表就是典型的数据可视化处理。它用更加简洁直观的图表形式，去阐述展示数据所反映的问题。这帮助读者快速从海量数据中找到自己关心的核心问题，大大提高了数据分析的效率。
随着大数据研究热潮的兴起，各种数据可视化图表层出不穷，大数据生动呈现就成为了具有挑战性的工作，随之出现了大量的可视化工具。例如R、Python、第三方在线工具等等。这些工具各有特色，可以处理不同场景下和不同类型的数据可视化问题。
数据可视化的工具如此众多，网上，如何选择一款适合自己的可视化工具？如何借此开始自己的数据可视化之旅呢？
因为大家的使用场景不同，需要分析的问题，需要展示数据信息的重点也不尽相同。专业的问题需要专业的人进行针对性解答。我们本周邀请到了《Python数据可视化之美》、《R语言数据可视化之美》和《Excel 数据之美》三本书的作者张杰老师，由他来给大家做出解读，确定属于你自己的数据可视化学习之路！
漫谈数据可视化的学习之路
本周四（3月5日） 晚 7:00讲师：张杰▼
张杰 （狮猿狗）
- 出版专著《Python数据可视化之美》、《R语言数据可视化之美》和《Excel 数据之美》；
- 开发Excel图表插件【EasyCharts 1.0】;
- 学术研究方向为工业设计、颜色科学、机器视觉、数据分析与可视化等。
4.可以根据自己数据分析的需求，确定属于自己的数据可视化学习之路；扫描下方二维码，立即进入直播群