魏紫萱

[摘要]大数据时代的到来，使各个行业传统决策模式面临挑战。大数据的有效应用，大幅度提升了企业的管理能力、决策科学化与可执行性水平，推动传统决策方式朝着数据驱动转型。可视化数据分析对决策者产生的意义将在事前预测、事中感知以及事后反馈三个大环节上体现出来。可视化大数据分析对决策思维方法、决策参与成员、决策程序以及决策模式等方方面面均有所影响。

[关键词]可视化数据；数据分析；决策者；影响分析

[DOI]1013939/jcnkizgsc201815189

新时期下，我国处于经济迅猛发展的时期，已然跻身于世界制造大国的行列，现代服务业规模的不断扩大，促使国内诸多企业面对重大挑战，怎样提升服务质量这一问题已经是众多企业面对的共性问题。大数据时代的到来，引起了世界各国政府的高度重视，美国政府对大数据的研究上升至“国家意志”，将大数据视为“未来的新石油”。现代企业如果计划有效运用大数据资源来提升市场竞争力，就应不断提高对大量结构化和非结构化数据的辨识能力，从而不断提升各项决策的科学性与有效性。本文以可视化数据分析对决策者的影响效果为论点，进行详细解析。

1数据可视化

数据可视化等同于对数据视觉呈现方式科学技术的研究。其中，该类数据的视觉呈现方式的概念可以做出如下阐述：一类以某一概要方式提取出来的信息资源，囊括了有关信息单位的各类数学与变量信息。[1]

在社会不断发展的局势中，数据可视化概念处于不断变化的模式中，其边缘有所延展。通常指的是技术层面上极为高端的技术手段，并且该类技术手段可以采用图像、图像处理、计算机视觉以及用户界面，借助观点阐述、模型建设以及对立体、表面、特性以及动画的呈现，采用可视化的方式对数据信息进行阐述说明。数据可视化技术和立体建模类的技术手段相比较，囊括的技术手段体现出多样性，且应用范围不断拓展。

2数据可视化分析对决策者的意义

可视化数据分析对决策者产生的意义在事前预测、事中感知以及事后反馈三个大环节上体现出来。事前预测等同于强化了大数据对决策活动的预测功能，在决策活动没有进行初期，提前对被决策活动运行效果以及产生的最后结果进行预测与模拟，这与国人未雨绸缪的思维方式有异曲同工之处。[2]总之，可视化数据分析强化了相关人员对决策活动的预见性与精确性，甚至可以拟化活动运行的情况。事中感知实质上就是决策者能够精确性拟化活动的运行状况，借此方式对被策划活动的运行细微之处有全面性掌握，其有助于强化活动执行计划与政策编制的科学性。事后反馈就是可视化数据具备的实时监测功能，能够协助决策者动态化的了解政策与执行方案运行效果，及时发现相关问题并有针对性地做出改进。[3]总之，可视化数据在政府机关或企业决策过程中的应用，为客观性与精确性特点并存的政策制定过程提供优势条件，并帮助决策者精确掌控政策的运行状况，从而有效地结合各类反馈信息，科学整改政策内容与实施方式，不断强化政策的执行效果，以强化政策的活力性与有效性。

在竞争激烈的经济市场竞争环境中，市场调研始终是事前预测有效运行的必备条件，市场调研也是竞争情报过程中一类应用频次非常高的方式。和商业领域的其他应用形式相同，当下市场调研的数据类型与内容朝着复杂化、多元化方向发展，对分数分析深度也提出了更高的要求，特别是在时间上体现出来。以统计、神经网络和基因算法等为基础的传统数据分析方法已经无法满足现代社会的发展需求了。在对市场调研过程中获得的数据信息囊括了许多有分析价值的变量，为了不断提升决策的科学性与有效性，企业决策者应对多样化信息进行整体分析，深度分析其共同作用的结果，但是传统数据分析方法的应用，多数是局限在对指定数据变量信息进行解析。在这样的社会背景中，可以应用可视化数据分析技术，以满足大量数据分析的现实需求，以进一步提升事前预测结果的精准性。在市场调研中，可以借鉴Ruud Smeuldeis与Anton Heijs对德国一家财产管理公司客户调研数据分析的经验。[4]在本次市场调查中，共计获得了25000个样本（客户，没有姓名与地址），每个样本涵盖了100个变量，分别源于调查表与最初的客户数据库。

对客户调查数据进行深度解析的目标是为了探寻出对强化企业决策科学性的各种因素。但是怎样从2万多个记录、100个变量的大型数据集内探寻出主导关系或相互的影响关系，上述目标的实现绝非一蹴而就的，而可视化数据分析技术的应用，有效地处理了上述问题。现阶段应用频次相对较高的方法为计算全部变量间的线性相关系数，同时将其采用可视化方法直接的呈现出来，从中探寻出有深度解析价值的部分决定因素或者是有关规律。

图1为Ruud与Auton采用一类可视化数据探索工具“IRIS—Explorer”处理的结果。其中呈现的是25000个客户数据中内100个变量每两个变量间的相关系数，在对其进行全面观察的过程中，我们可以利用肉眼直接发现存在相关性较大的数据信息，同时可以参照该图形中的数据信息不断有目的性地进行汇聚等操作，以进行他类可视化处理，获得对决策有益的客观规律。

3大数据对决策系统的影响

31对决策思维方式的影响

可视化数据分析对决策者的最大影响在思维方式上体现出来。这主要是因为可视化数据分析需要解析与某一事物存在关联性的全部数据，等同于“样本—总体”，而绝非仅仅依靠极少数的样本数据。[5]这一定会對决策者的思维方式产生影响，具体体现在不再追求因果关系明确性，取而代之的是对相关性的解读。最后是我们从思想上肯定数据关系的繁杂性与多样性，而没有给予数据精确性高度重视，等同于只需知道“是什么”，而无须了解“为什么”。

在大数据时代，若凭借工作经验与阅历，去辨识与预测某一事态的发展状况，可能引起的社会效益越来越不显著。由“谋而后动”转型为“随动而谋”，由执行力转型为学习力，有更大的可能性成为决策者的新兴思维模式。由此可见，可视化数据分析对决策者最大的影响体现在调整思维方式方面上。因为大数据时代中的数据分析多数是依靠对数据间相关性的分析，而不是对各种业务属性的因果性分析，故此一般情况下重视的是对数据敏感性的解析。正因如此，所有事物的运行不询问其原因所在，只关注数据所呈现出的结果，就此做出相关判断，这是新时期下经常采用的决策模式的重要特点之一。在可视化数据分析的支配下，决策者在对业务类型与运行方式全然不知的情况下，直接明确“是什么”，继而做出相关决策。总之，可视化数据分析能够协助决策者的决策跨越眼前事实与经验理性。

32对决策参与主体的影响

在决策者决策思维方式发生转变的情况下，大数据时代中的决策参与主体也将会做出相应调整。以往的决策主体对应的是“业务专家”“政治精英”，而将普通的大众群体拒之门外。[6]在社会化媒体与大数据应用深度不断拓展的时代中，决策参与主体会由“专家与精英”转型为具备数据的“普通大众”，决策参与主体的拓展是其主要的外在表现形式，决策参与主体阶层不断下移。在大数据时代中，可视化数据分析技术的应用使个体均以决策者的身份存在，这样社会民众参与决策机会不断增多，为民主化决策模式构建目标的实现提供了科技基础。

33对决策驱动形式的影响

在可视化数据分析的引导下，决策思维方式发生转型的同时，也使决策驱动形式由“业务经验驱动”转变为“数据量化驱动”。这主要是因为在大数据时代中，数据资源遍布于社会各个行业领域、各个阶层中的缘故，数据可以被视为一类无形的资产与创新驱动力。[7]数据规模、质量以及采集、解析与应用的能力，将会成为影响决策能力和决策水平的重要因素。在可视化数据分析下，决策者不再采用以往实践经验、理论与思想的管理决策方法，对各类数据信息的精确性分析将主观判断取而代之，进而使决策从定性決策转型为定量决策。

34对决策模式的影响

从决策的视域分析，以可视化数据分析为基础的决策模式，借助对以往与现存数据信息统合的方式，可以科学地预测业务在后续阶段的发展趋势；借助对组织内外部数据解析的方式，能够进一步明确不同事物间的相关性；借助对大批量数据信息的挖掘，能够将人工方式取而代之。[8]传统的管理决策模式对业务知识的学习与不断累积的实践经验表现出强烈依赖性，但是在大数据时代中，可视化数据分析的应用，革新了决策模式，使其在运行与建设期间始终以数据分析为基础。换言之，该种决策模式是以数据为基础的，用数据发声，结合数据拟化决策行为。

4可视化数据分析在银行绩效评价中的应用

41问题阐述

某银行欲对本年度各分行发卡情况进行分析，并对明年作业方式予以规划。该行有关发卡情况的绩效评价因素有：累计发卡数、发卡激活数、发卡激活率、分行所在城市人均GDP、分行所在城市发达程度及常住人口数。其中前三项为业绩指标，后三项为基数指标，当业绩指标相对于基数指标越大，则可认为该城市绩效越优。

42可视化数据分析

在银行业普遍以表格式的数据或静态的图表进行数据分析，前者对数据可视化的运用基本为零，而后者虽有图样化的阐释却难以从管理层的视角出发，从某种程度上说，静态图表只能让管理者看到数据分析人员想让自己看到的内容，而不是自身想看到的阐示，难以称之为真正的可视化。本文运用Rstudio软件Chartjs的雷达图Radar Chart程序包，应用可视化数据分析的技术对该银行各分行进行发卡绩效评价及前瞻性分析。本文将A、B、C城市的三个分行在累计发卡数、发卡激活数、发卡激活率、分行所在城市人均GDP、分行所在城市发展程度及常住人口数（分别用Card number、Activation number、Activation rate、GDP per person、Developed level和Permanent population表示）六个维度下，借助Chartjs程序包输出的网页动态效果，满足了让管理层自主的选择单独视图、双图对比亦或三行叠加视图的可视化动态效果（见图2）。

该图更可将数形结合，即若把鼠标移动到六边形的顶点处，可看到三个分行的数据动态对比（见图3）。

该雷达图将每个维度的指标和计为“单位1”，即各维度坐标之指标和皆为“1”。

雷达图显示，A分行相较于B、C两分行基数指标有极大的优势，而业绩指标皆很低。可见A分行拥有的优秀地域及经济优势与该行的低发卡数、低发卡激活数、低发卡激活度不匹配，我们可以间接推断出，造成这一结果的原因，可能为该行对目标受众定位不明确、宣传方式与受众人群难以契合、后续跟进服务不到位。经调查，发现A城市虽人均GDP和人均金融投资度都位列一线城市水平，但由于外部的营销环境，导致上门推销信用卡的难度增大，给发卡人员的业务开展带来了极大的影响。为提高发卡量和激活率，建议管理层进一步调整、提高管理水平，在把发卡人群从工薪阶层拓展至高校学生等年轻族群的同时，尝试运用“互联网+”及大数据思维来拓宽线上营销的思路。至于激活率问题，发现A城对于以工薪阶层占多数的持卡客户，权益多为机场贵宾室、高尔夫体验卡、美容按摩等高端服务，间接导致持卡人延迟或拒绝了开卡，建议A行多扩展大众化的合作商户，并做好优惠信息的宣传。B行则相对稳健，该行业绩指标与基数指标之比大于1，可以推断该行将该城的城市资源相对有效利用。C行基数指标并不出众但该行发卡激活率高于A、B两行，可见C行虽资源有限，但该行发卡对象定位极准，业绩优秀。建议下一年度，A、B两分行在本年度的发卡策略基础上，积极尝试吸纳新客户群体的革新举措。

5结论

综合全文，可认识到现代社会中可视化数据分析对决策的科学与精确产生的影响。企业决策者在后续实践中，应借助云计算、物联网等高端技术，运用Rstudio、D3、Google Chart、Tableau等多样统计软件，提升数据信息采集的全面性，以确保相应决策评价的有序性与高效性，从而使可视化数据分析的实用价值彰显出来。

参考文献：

[1]解梦茹可视化数据新闻实践探析——以财新传媒为例[J].传播与版权，2017（8）：22-24.

[2]殷敬淇可视化数据新闻实践路径探索——以财新数据可视化实验室为例[J].新闻传播，2017（9）：10-11.

[3]刘磊可视化数据挖掘方法与技术探究[J].通讯世界，2017（6）：296.

[4]高冉基于门户网站可视化数据新闻生产流程的内容分析[J].新闻研究导刊，2017，8（3）：26-27.

[5]龙虎，李娜大数据环境下的可视化数据信息安全研究[J].福建电脑，2016，32（12）：53-54.

[6]黄凤可视化数据挖掘技术[J].电子技术与软件工程，2016（24）：197.

[7]王志龙，阎安试论可视化数据在电视新闻专题报道中的运用[J].教育传媒研究，2016（4）：66-69.

[8]李文婧大数据视角下可视化数据新闻的未来发展态势[J].新闻研究导刊，2016，7（17）：97.