· 确定公司可视化流数据的目标。
· 确定关键数据源并了解如何对其进行流式处理。
· 了解处理流数据的实用方法。
· 构建与事件、日志和记录进行交互的客户端应用程序。
· 探索可视化流数据的通用组件。
· 考虑用于开发可视化的分析概念。
· 定义仪表板的布局、流向和组件移动。
· 通过协作提高可视化质量和生产力。
· 探索包括安全性、物联网设备，以及应用程序数据在内的用例。
目录
前言 1
第1 章 概述 9
为什么要可视化 10
标准 11
术语 12
数据格式 13
数据可视化应用 14
假设和设置 15
第2 章 目标 17
展示目标 18
预批处理分析 24
分析人员决策队列 25
数据管道可视化 26
展示地图上的运动 27
提出新问题 27
考虑频率和顺序 28
第3 章 数据源 31
数据源类型 32
流式处理的对象 32
数据存储注意事项 33
管理多个源 35
第4 章 流式处理数据 39
如何流式处理数据 40
缓冲区 43
流式处理最佳实践 45
第5 章 为可视化处理流数据 47
批处理 47
内联处理 48
处理模式 48
查找 53
标准化事件 55
提取值 56
JSON Collection Decorator 57
处理清单 58
流统计信息 60
记录上下文清单 63
扩展数据流 63
展示处理 66
第6 章 开发客户端 69
原生或基于浏览器开发 70
框架和库 71
常用方法 71
从示例客户端应用程序开始 72
客户端库 73
代码结构 74
替代方法 76
第7 章 展示流数据 79
显示流数据 80
仪表板 83
视觉元素和属性 84
数据密度 95
划分时间 96
存活时间 97
上下文 99
视觉语言 101
适当显示 103
第8 章 可视化组件 107
记录 107
统计数据 109
可视化 112
常见可视化的流选项 114
流可视化技术 119
条形图示例 123
静态信息 126
第9 章 流分析 129
视觉干扰 130
视觉欺骗 130
认知偏差 132
分析模型 133
视觉分析 135
流分析工作流 136
上下文感知 138
异常值示例 139
第10 章 工作流可视化 143
更新处理 144
与可视化交互 145
存储决策 147
第11 章 流数据仪表板 151
布局 152
流向 157
组件移动 159
自动驾驶 161
第12 章 机器学习 163
机器学习入门 163
机器学习与流数据可视化 166
展示机器学习结果 166
监督学习与持续调优 171
展示未预期情况 173
机器学习决定显示什么 174
第13 章 协作 177
为什么协作 177
分享 180
第14 章 导出 183
配置 184
数据集 187
流回放报告 187
静态报告 188
提交数据提要的处理更新 190
第15 章 用例 191
安全性 192
机器学习交互 192
智能设备（又称物联网） 193
品牌监督 194
舆论 194
应用程序数据 195
错误监控 195
协作 196
工作流 197
分析人员的输入 197
数据探索 198
示例 199
第16 章 总结与参考 205
提到的链接 205
数据 205
转换与过滤 206
展示仪表板和组件 207
交互和操作 207
系统之外 208
温馨提示：请使用浙江图书馆的读者帐号和密码进行登录
“关于如何思考、设计和实现可视化的实践指南是很少见的。本书为可视化大量实时数据的新领域提供了独到的见解，并且应该成为设计师、开发者和数据科学家书架上的关键资源。”
——Jenko Hwong
Norse产品高级副总裁，
Invenio科技公司联合创始人/工程副总裁