首家!阿里云完成数据可视化服务能力评估

本文涉及的产品
模型在线服务 PAI-EAS,A10/V100等 500元 1个月
交互式建模 PAI-DSW,5000CU*H 3个月
模型训练 PAI-DLC,5000CU*H 3个月
简介: 阿里云DataV数据可视化团队历经磨炼,走过了10年的可视化之路,在产品和服务上走出了一条属于自己的道路。

2023年5月22日,在中国信通院组织的首批数据可视化服务能力成熟度评估中,阿里云计算有限公司(以下简称“阿里云”)顺利完成了数据可视化服务能力成熟度评估的全部内容,成为首家完成此评估的企业。


标准介绍

中国信通院云计算与大数据研究所依托中国通信标准化协会大数据技术标准推进委员会(CCSA TC601),联合联通数科、阿里云、百分点、网易数帆、浩鲸科技、观远数据、瓴羊、微言科技、浪潮云、奇点云、天翼数字生活、科大讯飞、亚信科技、新大陆软件等20余家企业共同参与起草,编制完成了《数据可视化服务能力分级要求》。标准将可视化服务能力细化为规划设计、可视化开发、交付及运维、运营服务4大能力域,共12个能力子域,124个能力项,覆盖组织建设、制度流程、技术工具、人员能力4个维度,并针对企业在各个能力项的不同水平和表现,依次分为五个等级。



在数据可视化项目中,优秀的技术工具通常需要与优质的服务相辅相成,共同来保证项目的交付效果和效率,并保证可视化系统的长期稳定运行。在可视化行业的发展历程中,对于服务的要求也逐步在发生变化。


数据可视化服务的三个阶段

阶段一:项目纯手工定制化

期的可视化项目,在缺少成熟工具的背景下,可视化项目以纯代码定制化为主,项目周期长、成本高,客户需求变化也难以快速响应。一个页面从UI设计到界面开发完成需要数周甚至数月时间。另外,数据可视化开发是一个交叉工种,集图形学、色彩科学、美学、心理学、前端开发于一体,普通的前端开发人员需要学习大量可视化领域知识,才能熟练掌握可视化开发能力。因为人才的稀缺,企业难以招聘到合适的人才和团队,可视化项目交付效果也难以保证。同时,传统的软件项目开发流程对于可视化项目也不适用。例如,可视化最终效果需要在接入数据的那一刻才能完整呈现,实际效果与前期设计往往有较大的偏差。


阶段二:基于成熟工具的专业服务

随着行业的发展,大家逐步认识到工具和流程的重要性,并根据数据可视化项目的特点,逐步探索出更为完善的服务流程。成熟的数据可视化工具平台会将常用的可视化图表、地图组件进行沉淀,并内置了大量行业可视化应用模板,并可以通过蓝图编辑器快速构建交互逻辑,普通设计开发人员只需要简单的学习就能快速上手。在成熟产品的基础上,交付团队可以更好的专注于客户的需求沟通与方案设计,并在最短的时间内拿出可演示的应用原型,在有限的时间和成本约束下提供更优质的交付效果。同时,历史项目也可以在产品中沉淀为模板,使项目交付效率持续提升,形成良好的正循环机制。


阶段三:赋能客户自服务自运营

帮助用户建立自给自足的可视化自服务能力,是当前可视化能力建设方关注的重点。数据可视化平台除了提供足够的功能之外,需要持续提升产品的易用性体验,让企业中人人都能享受可视化技术带来的红利;需要内置足够丰富的行业内容库,让用户能快速找到与业务相匹配的内容;通过课程培训服务、工作坊实操培训服务等方式,帮助企业建设不同层级的可视化开发能力,并且具备自行调试、运维与重保的能力,在“会用工具”的基础上,真正具备可持续可传承的“可视化自服务”能力。可视化应用需要建设,也需要持续的运营。企业将数据、指标沉淀成“所见即所得”的“可视化知识库”,对内容持续进行建设和运营,通过可视化的手段让企业中更多的人“看数据”、“用数据”,形成从“数据生产”到“数据治理”再到“数据消费”的完整链路,才能发挥出企业数据的最大价值。


这三个阶段分别对应《数据可视化服务能力分级要求》标准的入门级、优秀级和引领级,大部分数据可视化团队仍处于阶段二,或正在由阶段二向阶段三过渡。


阿里云数据可视化服务简介

阿里云DataV数据可视化团队历经磨炼,走过了10年的可视化之路,在产品和服务上走出了一条属于自己的道路。

2012年

DataV 正式创立,开始承接支撑阿里巴巴集团双十一、集团展厅等内部数据可视化需求


2016年

DataV 推出国内首款可视化大屏搭建产品,开创了数据可视化产品新时代


2017年

DataV 为国内首个城市大脑-杭州提供可视化产品和服务,让城市数据第一次被整体呈现


2020年

DataV 荣获中国计算机学会CCF科学技术奖技术发明一等奖


2021年

DataV 平行世界仿真平台获得中国设计智造大奖佳作奖


2022年

DataV 成为国内首个满分通过信通院数据可视化产品评测


2023年

DataV 团队成为国内首个完成信通院数据可视化服务能力评估的团队



阿里云DataV团队项目实践

从早期服务阿里巴巴集团双十一大屏、集团展厅、云栖大会等内部项目,到全国各地城市大脑、各行业数字孪生项目,DataV团队积累了大量的可视化项目服务经验,并以此建立了行业领先的可视化项目交付流程与方法论,并以此指导内外部项目交付。除了方法论与流程之外,DataV产品将大量的可视化项目案例、素材进行抽象总结,形成了一个内容丰富、持续更新运营的可视化行业场景资源库,便于内外部项目进行学习和使用。


阿里云DataV设计与服务团队

在阿里云智能设计部、阿里云全球交付中心、DataV产品与研发团队的紧密合作下,为全球客户提供一流的数据可视化设计与交付服务。其中,阿里云设计中心是一个成立10年,多背景、跨学科的专家团队组成,致力于提供卓越的数据可视化设计服务。

团队在数据可视化项目设计与交付方面积累了丰富的实践经验。成功地为数字政府、金融、零售、生产制造、能源等30多个领域的客户提供了优质的服务。通过与各行业的合作,不断探索并满足客户需求,提升实践能力和项目交付效果。

团队设计方法方法论专业且深入。不仅注重理论研究,还将实践经验融入到设计方法中。通过对数据可视化领域的深入研究和技术的不断迭代,开发出一套行之有效的设计方法和流程。这些方法和流程能够帮助团队更好地理解客户需求,挖掘数据中的价值,为客户设计出具有创意和功能性的数据可视化产品。

团队的专业能力也得到了广泛认可和肯定。近5年荣获了十多项IF大奖、2020中国设计智造金奖。“设计一致性模型论文”被国际CSCW大会收录。这些奖项的获得是对团队专业水平的肯定,也是团队不断努力的动力。

除了专业能力的认可,团队还积极参与设计系统和设计探索的发布。引入了无障碍设计、B-Design、Xconsole等设计系统,这些系统为DataV团队的可视化设计工作提供了高效和统一的平台,帮助DataV团队不断提升设计水平和项目服务中的客户体验。

相关实践学习
使用PAI-EAS一键部署ChatGLM及LangChain应用
本场景中主要介绍如何使用模型在线服务(PAI-EAS)部署ChatGLM的AI-Web应用以及启动WebUI进行模型推理,并通过LangChain集成自己的业务数据。
机器学习概览及常见算法
机器学习(Machine Learning, ML)是人工智能的核心,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能,它是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。 本课程将带你入门机器学习,掌握机器学习的概念和常用的算法。
相关文章
|
SQL 分布式计算 监控
大数据最后一公里——2021年五大开源数据可视化BI方案对比
大数据在经过前几年的野蛮生长以后,开始与数据中台的概念一同向着更实际的方向落地。有人问,数据可视化是不是等同于数据大屏。数据大屏是数据可视化的一部分,其承载更多的是展示与监控的功能。 而真正对业务产生影响的,确是比较低调的自助数据可视化系统(商用的一般称之为BI系统),支撑着公司的指标体系,为业务的发展,企业的数字化驱动提供帮助。
1667 0
大数据最后一公里——2021年五大开源数据可视化BI方案对比
|
人工智能 移动开发 数据可视化
欢迎进入 2020 数据可视化智能研发时代
数据时代一个显著特征是数据可视化的崛起,被誉为大数据分析应用领域里的最后一公里,数据可视化将数据分析、工程技术与设计艺术结合,借助图形化的手段,用比文字快十倍甚至万倍的速度清晰有效地传达信息,让人们可以利用人类经历漫长进化得来的强大视觉化思考本能去对所呈现数据进行挖掘、整合,得以辅助分析和决策。
欢迎进入 2020 数据可视化智能研发时代
|
3月前
|
运维 算法 数据可视化
【2021 高校大数据挑战赛-智能运维中的异常检测与趋势预测】2 方案设计与实现-Python
文章详细介绍了参加2021高校大数据挑战赛中智能运维异常检测与趋势预测任务的方案设计与Python实现,包括问题一的异常点和异常周期检测、问题二的异常预测多变量分类问题,以及问题三的多变量KPI指标预测问题的算法过程描述和代码实现。
64 0
|
4月前
|
数据采集 人工智能 数据可视化
云上数据可视化:解锁数据价值,洞见未来趋势
五、未来展望 随着技术的不断进步和应用场景的不断拓展,云上数据可视化将迎来更加广阔的发展前景。未来,云上数据可视化将更加注重数据的实时性、交互性和智能化。同时,随着人工智能、大数据等技术的深度融合,云上数据可视化将更加
262 7
|
4月前
|
机器学习/深度学习 搜索推荐 安全
云上机器学习平台:赋能智能时代的数据洞察与决策
集成化与一体化:随着云计算、大数据、人工智能等技术的不断融合和发展,云上机器学习平台将逐渐实现与其他云服务的集成化和一体化。用户可以在同一平台上完成数据处理、模型开发、应用部署等多个环节的工作,享受更加便捷和高效的服务体验。 定制化与个性化:针对不同行业和领域的需求特点,云上机器学习平台将提供更加定制化和个性化的服务。通过提供丰富的行业解决方案和定制化开发服务,满足不同用户对于机器学习应用的个性化需求。 安全与合规性:随着数据安全和隐私保护意识的不断提高,云上机器学习平台将更加注重安全和合规性的建设。通过加强数据加密、访问控制、隐私保护等方面的措施,确保用户数据的安全性和隐私性。同时,平台还将
50 1
|
6月前
|
数据采集 数据可视化 数据挖掘
知识分享-商业数据分析业务全流程
知识分享-商业数据分析业务全流程
101 1
|
数据采集 数据挖掘 大数据
业务数据分析最佳案例!旅游业数据分析!⛵
本文使用『城市酒店和度假酒店的预订信息』,对旅游业的发展现状进行数据分析,包含了完整的数据分析流程:数据读取、数据初览、数据预处理、描述性统计、探索性数据分析、关联分析、相关性分析。
899 2
业务数据分析最佳案例!旅游业数据分析!⛵
|
数据可视化 大数据
阿里云产品体系分为6大分类——大数据——大数据的5种模块——数据可视化
阿里云产品体系分为6大分类——大数据——大数据的5种模块——数据可视化自制脑图
173 0
|
移动开发 小程序 数据挖掘
大合集!互联网行业常用数据分析指标
大家好,我是爱学习的小xiong熊妹。 上一篇讲到,数据分析的8大步骤里,找指标是非常重要的一步。通过这一步,把一个具体业务描述,转化为一个可以通过数据量化分析的问题。 理论上,分析指标要根据具体业务场景来设计。但这样操作起来太复杂,很多小伙伴会问:有没有常用的指标,能直接拿来套用?今天就跟大家盘点下,互联网行业的常用指标。
816 0
大合集!互联网行业常用数据分析指标
|
监控 数据挖掘
数据分析必会的六大实用模型
对于刚刚接触数据分析的人来说,经常会有这样的困惑和疑问:数据分析究竟难不难?难的话难在哪?为什么有时候作分析不知道从何下手,只能眉毛胡子一把抓? 其实就连我这种已经在数据分析行业浸淫十几年的老油条,有时候做起分析来也会手忙脚乱,根本原因就在于没有抓住数据分析的本质,我们是为了用大量数据去分析、解释和预测基于数据的事实,你首先要明白自己做数据分析的目的是什么,是为了描述事件分析?还是为了预测?又或者是做规范性分析? 按照我的经验来说,掌握数据分析方法有一条好的捷径——套用分析模型,对新手来说几乎是百试百灵,只要掌握了下面几个分析模型,基本上可以应对工作中的所有业务分析场景。

热门文章

最新文章