梭羅曾經說過，“重要的並不是你在看著的，重要的是你所看到的。”
當前商業世界，要看清楚正在發生的是什麼並非易事，很多人們已被數據所睏。
在這紛繁復雜的大數據海洋中，齣現瞭一種新型的企業：可視化的組織。越來越多的組織意識到當前數據的容量、類型和迅速對新的應用提齣需求，但是，還不僅是技術，他們采納的是一種完全不同的模式——基於數據發現和探索的模式，而非傳統的企業“報錶”。這些企業也認識到，交互的熱圖、樹形圖使得他們從數據中的發現遠超過微軟的Excel、靜態圖形、餅狀圖或儀錶盤等。
舉個例子，很多人已經聽說過Netflix，但是很少人知道，舞颱後麵，Netflix創造瞭好些奇跡。Netflix利用數據可視化工具發現趨勢、診斷技術問題，揭示其客戶極具價值的洞見。
Autodesk的員工們利用交互工具將目前和曆史雇員動態實現可視化，並從中判斷存在的潛在管理問題，並預見企業重組將呈什麼形態。
然後是eBay，強有力的數據發現工具使得企業員工能夠高效“看到”ebay.com是什麼樣…跟實體店一樣可見。
是時間實現可視化瞭。
《大數據可視化：重構智慧社會》一書是獲奬作者、主題演講者、公認技術專傢的Phil Simon的第六本著作。Simon所闡述的是，一傢先進新型公司如何將傳統數據的可視化視作頭等大事，對於他們來說，他們正在擁抱新型的、具交互性的、更強有力的工具，而這些工具也幫助企業從所謂的大數據中噪音中分離齣有用信號，因此，他們能問齣更好的問題並作齣更好的商業決策。
《大數據可視化：重構智慧社會》一書由很多現實案例和具操作性的建議構成，是一本全彩傑作。Simon條理清晰地闡述瞭企業組織該如何做，纔能不僅僅是淹沒在數據海洋中，還可以更茁壯成長，欣欣嚮榮。對於高層管理、專傢及有誌於發揮大數據巨大能量的學生們來說，這是一本必讀書。
這一切，先從發現你的企業與眾不同開始。

內容簡介

《大數據可視化：重構智慧社會》包括四大部分。第Ⅰ部分，“全書概述和背景”，探討瞭可視化組織快速發展背後的原因；第Ⅱ部分，“可視化組織的介紹”，介紹瞭可視化組織如何擁抱大數據和數據可視；第Ⅲ部分，“走起：成為可視化組織”，從理解四個不同層麵的可視化組織開始，然後基於案例研究推導齣的教訓、實踐、奇跡以及錯誤做法；第Ⅳ部分，“總結及數據可視的未來”，並對目前趨勢、可視化組織、大數據以及數據可視的未來提供瞭一係列嚴謹認真的預測。

作者簡介

Phil Simon是一個受歡迎的演講者，著有5本書，包括備受贊譽的《平颱時代》。當沒有寫作和演講時，他嚮組織提供如何優化他們的技術應用的谘詢服務。NBC、CNBC、紐約時代周刊、經管雜誌、彭博商業周刊、赫芬頓郵報、環球郵報，以及其他眾多的主流媒體都對他的貢獻做過專題報道。他取得卡內基-梅隆大學和康奈爾大學的學位。你可以通過推特@philsimon找到他，他主頁是www.philsimon.com

內頁插圖

精彩書評

“當前大量數據的湧入正睏惑著大大小小的公司，毫無疑問，很多的機會錯失也將在未來齣現。《可視化組織》一書錶明瞭很多公司正如何利用新的強有力的數據可視化工具。閱讀此書，將你的公司變成更高效的數據驅動的決策機器。”
——Tech Cocktail公司的CEO、閤作創始者及《創業混搭術》（Startup Mixology）一書作者，Frank Gruber

“數據到處皆是，但是我們有多少人真正使用數據並將其驅動我們的工作？人們通過不同方式進行學習，而對於很多人來說可視化方式是很有效方式。遺憾的是，大多數組織忽視瞭蘊含於數據可視化展示中的機會。有瞭《可視化組織》一書，不再有藉口齣現這種情況。Simon通過講故事的生動方式以及齣色的可視化方式，對於當前數據可視化提供瞭精緻且新穎的視角。”
——聖塔剋拉拉大學管理係主任及《即插即用型經理》（The Plugged-In Manager）一書作者，Terri L. Griffith

“這本精彩的書給我們帶來瞭好消息，是的，大數據讓人煩惱，但是先進組織已經發現瞭從噪音中識彆信號的辦法。通過分析和整閤手段的綜閤使用，Simon證明如何不僅看到森林，還能看到樹木。”
——Foundry集團公司閤作創始者和管理總裁及《創業生活》（Startup Life）一書作者，Brad Feld

“正如我們所期望的，Phil不隻是寫的一個專題。相反，他深入探索，將其與商業、技術和圍繞我們的人類世界進行關聯。不知為何，他總是有不可思議的本領為IT以及業務專傢提齣十分明智的建議——這次是闡述的可視化數據——還能以美妙的故事來裝扮它。”
——Gartner公司信息創新部研究副總，Douglas Laney

“很顯然，大數據正在改變商業。但是，迄今稍不夠明朗的是，企業能夠如何充分利用其能力以生成突破性洞見。Phil Simon對於數據可視化的敏銳探求將改變你觀看世界的方式。”
——《重生》（Reinventing You）一書作者、杜剋大學富科商學院客座教授，Dorie Clark

“當前，以利用人類視覺能力並促進我們從數據中發現預見的方式展示數據，至關重要，因此，《可視化組織》是一本必讀書。”
——預測分析世界（Predictive Analytics World）的創始人、《預測分析》（Predictive Analytics）一書作者，Eric Siegel

“在Too Big to Ignore一書中，Phil Simon將正在迅速興起的大數據世界介紹給我們。而在本書中他闡述我們需要如何觀察、處理和展示信息海洋，這些信息已經不再是商業人員所熟悉的傳統的交易型數據。對於商業界如何運用現代數據可視化工具而言，《可視化組織》一書閃爍著‘迫切需要’的光輝。”
——企業軟件産業分析師、ZDNet撰稿者、TechVentive股份有限公司CEO，Brian Sommer

“計算機技術的第四波浪潮正衝擊著我們，而信息可視化前所未有的重要。《可視化組織》一書及時齣現。Simon的書幫助企業學習並適應這個世界。必讀書。”——Racepoint Global公司主席和CEO、暢銷書作者，Larry Weber

“又一次，Phil Simon更上一層樓。就像他的其它書一樣，《可視化組織》闡述瞭一個話題，不僅告訴讀者正在做什麼，而且指導讀者能夠做什麼。Simon提供瞭大量建議和案例，展示企業如何從數據生産嚮數據消費轉型，並采取行動。”
——Progress軟件公司數據協同及整閤部副總裁，《數據資産》（The Data Asset）一書作者，Tony Fisher

“當前數據就是新石油，組織需要迅速理解他們所采集數據海洋的方式，總之，目前數據可視化前所未有的重要，而可視化組織正是目前數據可視化方法的試行點。Simon的書所錶現齣的極富洞見的先進思想一定幫助企業占據大數據時代的製勝領地。”
——McKnight谘詢集團公司總裁、《信息管理：利用數據獲取競爭優勢戰略》（Information Management：Strategies for Gaining a Competitive Advantage with Data）一書作者，William McKnight

“通過生動的案例研究以及絕妙的可視化，《可視化組織》一書揭示瞭數據可視化的秘密。Simon描繪瞭數據可視的變革性影響。隻有具備新理念，利用新工具，企業組織方可在一個變幻莫測的全球市場保持競爭地位。”
——IDC全球總監 Chris Chute

“企業的深入愉悅之旅程提齣瞭下一個大事：將數據可視化置於企業重中之重。Simon閱讀性極強的闡述指齣瞭如何將可視化融為企業自身能力的道路。”
——Vizify公司企業主和創始人，Todd Silverstein

“是的，大數據很酷，但是它能否移動一根針？今天，揭示通常看不到的洞見已經不足夠，更重要的是，你是否真正對此采取行動？《可視化組織》一書迴答瞭以上問題——而且還——相當肯定。Simon錶明，一旦做對瞭，數據可視化所推進的就不單是理解，更是如何采取行動。”
——EMC全球服務公司CTO、《大數據：理解數據如何助力大商業》（Big Data：Understanding How Data Powers Big Business）一書作者，Bill Schmarzo

“當前經濟環境時間緊迫，對於有遠見領導而言，數據可視化是一味秘密調料。Simon的書就像提供瞭一塊告訴我們如何到達的羅塞達石（譯者注：解釋古埃及象形文字的可靠綫索）。”
——Exponential Edge公司CEO、獲奬書籍《24小時客戶》（The 24-Hour Customer）作者，Adrian C. Ott

“Phil Simon的新書《可視化組織》十分齣色地展示瞭數據可視化的潛力以及數據可視如何激發一個組織想象力的魅力。正如Simon所點明的，可視化指導組織如何提齣正確問題，也即從大數據能力中創造真正價值所需的問題；而不僅僅停留於目前對大數據的摸索中。”
——ITABHI公司總裁，Robert Charette

第Ⅰ部分　全書概述和背景　1
導言　3
I．1　Twitter數據探險　4
I．2　實時數據可視101 　9
主要目標　10
作用　11
比以往更重要　13
落後的報復：數據可視的現狀　16
I．3　全書概覽　18
可視化組織的界定　20
本書中心主題　20
何人受益？　21
方法論：故事在這裏很重要　22
對知識和案例研究的執著　24
差異化：有關其他數據可視文本的記錄　26
作戰計劃　27
I．4　接下來　27
I．5　注釋　28
第1章　可視化組織的快速發展　29
1．1　大數據的興起　30
1．2　開放數據　32
1．3　數據生態的萌芽　33
1．4　新的網絡：可視化、語義和API驅動　34
可視化網絡的到來　34
關聯數據和更語義化的網絡　35
采集數據更趨便利　37
藉助雲和數據中心更高效　38
1．5　更好的數據工具　39
1．6　更透明的組織　40
1．7　山寨經濟：有樣學樣　41
1．8　數據新聞和Nate Silver效應　42
1．9　數字人　45
可視化公民的齣現　45
移動化　48
可視化員工：更技術和數據達人化的工作場所　48
遨遊在我們數據驅動的世界裏　49
1．10　下一步　50
1．11　注釋　50
第2章　將數據轉化為洞見：工具　53
2．1　數據可視化：智能化和整閤戰略的構成　54
2．2　專業術語：數據可視、BI、報錶、分析和KPI 　55
可視化組織應該杜絕一切“試過纔知對”的報錶工具嗎？　57
刻畫齣一些區彆　58
2．3　數據可視五虎將　58
大型企業軟件供應商應用　59
最優性能應用　63
流行的開源工具　66
設計公司　68
創業、網站服務及其他資源　73
2．4　最後的話：沒有放之四海皆準的真理　75
2．5　下一步　75
2．6　注釋　76

第Ⅱ部分　可視化組織介紹　77
第3章　可視化組織的典範　79
3．1　Netflix 1．0：計劃落空　79
3．2　Netflix 2．0：自我顛覆　80
3．3　數據可視：大數據整閤戰略的構成部分　82
3．4　數據可視：Netflix文化灌輸　83
客戶洞察　84
更好的技術性和網絡化診斷　86
擁抱社區　90
3．5　經驗教訓　91
3．6　下一步　92
3．7　注釋　92
第4章　DNA中的數據可視　95
4．1　起始　96
4．2　UX至高上　97
4．3　探究　100
擁抱免費的開源工具　100
API的延伸應用　103
4．4　經驗教訓　103
4．5　下一步　104
4．6　注釋　104
第5章　得剋薩斯大學體係的透明化　105
5．1　背景　106
5．2　數據可視化的初期努力　107
5．3　擁抱傳統BI 　108
5．4　數據發現　109
對學生生涯的可見性更強　110
拓展：數據可視的全係統推廣　113
5．5　成果　114
5．6　經驗教訓　116
5．7　下一步　116
5．8　注釋　116

第Ⅲ部分　走起：成為可視化組織　117
第6章　可視化組織的四層架構　119
6．1　慎重的免責說明　120
6．2　簡單模型　121
局限性和明晰性　123
進步性　124
迴落：嚮更低層麵後退　126
補充，而非替代　127
纍積優勢　127
低層麵的局限性　127
相關性和子層麵　128
每個組織都應該渴望進入級彆4嗎？　128
6．3　下一步　128
第7章　WWVOD？　129
7．1　將重構所造成的影響可視化　130
員工流動可視化　131
沿著數據可視化道路起步　131
結果和經驗教訓　137
未來　138
7．2　營銷示例　138
7．3　下一步　139
7．4　注釋　139
第8章　建立可視化組織　141
8．1　數據提示和最佳實踐　141
數據：原生湯　141
在跑之前先學走……至少現在如此　142
數據可視化通常隻是起點　142
大數據和小數據的可視化　143
不要忘記元數據　143
朝企業外麵看　145
起始：並不需要完整數據　145
可視化好的和差的數據　146
支撐鑽取能力　146
8．2　設計提示和最佳實踐　150
牢記以終為始　150
盡可能做減法　151
UX：參與與試驗至關重要　152
鼓勵互動　152
謹慎使用移動和動畫　152
使用相對數而非絕對數　153
8．3　技術提示和最佳實踐　153
凡有可能，請考慮使用API 　153
擁抱新工具　154
瞭解數據可視化工具的局限　155
開放性　155
8．4　管理提示和最佳實踐　156
鼓勵自助服務、探索和數據民主　156
提齣正麵懷疑　156
相信過程，而非結論　157
消除信息割據和專業化障礙　157
若可能，可視化之　158
聘用綜閤型人纔　159
方嚮第一，精準其次　159
8．5　下一步　159
8．6　注釋　160
第9章　障礙：錯誤、神話和挑戰　161
9．1　錯誤　162
掉入傳統ROI陷阱　162
對數據可視總是—盲目—信任　163
忽視受眾　164
置身大教堂中進行開發　164
設置目標，轉身即忘　164
糟糕的數據可視化　165
9．2　神話　167
數據可視化對確定性和成功的保證　167
數據可視化很容易　167
把數據可視化作為項目　168
存在一個“全對”的數據可視化　169
Excel足矣　169
9．3　挑戰　170
季度性可視化心態　170
衊視數據　170
拋棄曆史：超越之前工具帶來的失望　171
9．4　下一步　171
9．5　注釋　172

第Ⅳ部分　總結及數據可視的未來　173
尾聲　其實我們纔剛剛開始　175
C．1　以數據為中心的四大關鍵趨勢　177
可穿戴技術和量化自我　177
機器學習和物聯網　178
多維數據　179
數據移植與數據所有權之間即將發生的鬥爭　181
C．2　最後的一些想法　183
C．3　注釋　184

後記　我的數據生涯　185
附錄　數據可視化資源　189
參考文獻　193
關於作者　195
如何幫助這本書　197
譯者後記　199