大数据比较公认的概念是4V特点数据——变化速度快(Velocity)、数据量大(Volume)、价值密度低(Value)、数据类型多样化(Variety),这意味着快速且低成本的处理、巨大的数据量、多样化的来源。大数据给人们带来了机遇和挑战,但是数据给人的直观感受总是冰冷枯燥,让人望而生畏,百思不得其解。为了使数据生动有趣,让数据使用者一目了然,豁然开朗,需要我们采用一些特别的方式展示数据,来解释、分析及应用数据,而且使得其能有效传播,这就是数据可视化技术。数据可视化中运用图形化,主要目的在于对复杂数据信息的更直观解释。信息图形化主要步骤如下:获取、解析、过滤、挖掘、展示、总结。这个过程需要研究人员对多种专业技能熟练掌握。从获取数据开始,研究人员首先需要解决数据易读的问题。数据挖掘和展示时,则需要研究人员挖掘数据的本质特征、模式等。可知,描述统计是表述数据内在含义的一个大类。数据作为信息存在的重要形式,在人们的工作生活中所起到的作用越来越大,而计算机技术的发展则使人们越来越依赖各种计算机化的数据。一方面计算机的应用领域几乎遍及各行各业(科研、工程、管理、医学、电子商务、金融等),另一方面,计算机处理的数据量也呈几何级数增长,不仅数据采集能力和手段日趋多元化,存储设备技术也发展迅猛,为人们在大数据时代实现海量数据的充分应用创造了条件。面对大量且庞杂的数据信息,如何从中提取出有价值且便于观察的信息是目前最迫切的问题。显然要解决上诉的问题,仅仅采用统计数据分析方法容易引起数据的不易理解,因此,笔者将统计数据分析技术和数据图形化方法结合起来,力求实现数据分析的可读性,易读性。从统计数据分析方法和图形化技术的统计学基础入手,研究统计数据图形化的表示方法,并在此基础上进行统计数据分析及图形化技术在具体经济数据中的应用。本文的研究内容分为两部分:①常见数据图形化方法及其应用,这部分主要整理了常用的统计数据图形方法,如条形图、直方图、散点图、饼图、线图、面积堆积图等。介绍了这些图形的做法,功能及应用。在此基础上对图形的着色、大小、形状等图形属性以及标度注解各方面在计算机上进行综合运用。②多维数据图形化方法及应用,收集整理多维股票数据,在此基础上进行相关矩阵图、轮廓图、星图、脸谱图以及谱系图的图形展示,并对图形展示结果进行分析。