后疫情时代,数据可视化大屏助力科学防疫

后疫情时代，数据可视化大屏通过直观 、动态的方式展示疫情数据 ，为科学防疫提供了有力支持
，帮助决策者和公众快速理解疫情现状并预测发展趋势 。 以下是利用山海鲸可视化软件制作疫情可视化监控大屏的详细过程：新建大屏选择模板：打开软件后，在界面找到“资源中心” ，搜索疫情可视化相关模板
，选择一个喜欢的模板进行后续操作
。

通过模块化设计提升协作效率分体式BI的协作价值：分体式BI将报表或大屏拆解为多个独立模块（如数据源
、图表、交互控件），团队成员可并行开发不同模块 ，最后通过低代码平台整合。例如
，数据工程师负责数据清洗，前端开发者设计可视化界面 ，分析师配置交互逻辑，各环节互不干扰 。

综上所述
，后疫情时代的科学防疫是一个复杂而系统的工程，需要我们充分理解病毒的演化规律 、把握防疫政策的转换逻辑
、实践精准化的防疫策略 ，并不断探索和完善防疫体系
。只有这样
，我们才能更好地应对疫情挑战，保障人民的生命安全和身体健康 ，推动经济社会持续健康发展。

常态化防控的关键原则科学精准：以数据和风险评估为依据
，避免过度防控或防控不足 。

经验分享:数据可视化下的“三密接触者
”关系图长这样

核心组件功能解析自由关系图展示形式：以不规则节点布局呈现人物关系，通过线条连接不同层级密接者
。交互逻辑：点击确诊患者节点时 ，高亮显示其一密接触者；点击一密节点时
，同步展示关联的二密、三密及确诊患者；非关联节点以浅色显示，避免视觉干扰。优势：灵活适应复杂关系网络 ，支持动态溯源上下级密接 。

图：选择「外链分享」并开启「公共资源」 评选标准数据关联性：分析逻辑是否紧密围绕主题。

在不了解数据分析的情况下
，我们很容易神话大数据，认为它拥有多么神奇的魔力
。实际上 ，大数据没那么神秘，它与许多人接触过的统计学有着千丝万缕的关系。

大数据采集 大数据预处理 大数据存储及管理 大数据分析及挖掘 大数据展现和应用（大数据检索 、大数据可视化
、大数据应用、大数据安全等） 。

迷茫时可从基础行动切入
，如每天去图书馆学习2小时，通过接触知识逐渐明确兴趣方向；参与1-2个社团 ，在社交中拓展视野
，缓解孤独感
。

年8月，作为进入数据科学领域的第一步 ，我参加了由Tableau和IMDA（Infocomm Media Development Authority）共同组织的NIC Face-Off 数据竞赛
，当中我首次接触到数据可视化。当中我有机会使用Tableau Public对各种开放数据源进行可视化，这些数据调查了东南亚雾霾的起源 ，并提供了可操作性的的见解 。

疫情常态化下,数据可视化BI报表以及数据大屏类项目该怎么做

疫情常态化下
，数据可视化BI报表及数据大屏类项目需通过低代码平台 、工具化开发、模块化设计及开源技术实现高效协作与风险控制，确保项目质量
、工期和成本可控
。采用低代码平台与工具化开发模式打破传统开发依赖：传统开发模式依赖团队集中协作 ，疫情下人员流动受限
，风险被放大。

大屏整体风格设计 首先，明确数据大屏的整体风格至关重要 。

利用Power BI实现数据大屏的步骤如下：前期准备明确需求：确定数据大屏的主题 ，例如销售业绩监控、生产流程监控 、客户分析等，明确需要展示的关键指标和数据维度
。收集数据：根据需求收集相关数据
，数据来源可以是数据库
、Excel文件、CSV文件 、API接口等。

疫情数据的可视化:中国疫情地图的制作

疫情数据可视化：中国疫情地图的制作 疫情实时追踪版块中展示的中国疫情图，展示了各省份的病例数 ，动态映射了疫情的传播情况 。制作此类地图主要利用Python的pyecharts库
，其依赖Echarts数据可视化库，提供丰富的图表类型
。要开始制作 ，首先确保已安装pyecharts（通过命令pip install pyecharts实现）。

地图绘制选择数据：在Excel中选中包含省份名称和确诊人数的数据区域 。

准备数据 获取风险地址：通过官方发布的疫情通报获取风险地址信息。

制作组件炫酷的数据可视化大屏离不开丰富多样的组件
，组件的完成度直接决定大屏的观赏性
。

点击开始制作图表--- 创建图表 --- 选择地图---标准中国地图 数据编辑--- 导入excel。即可将我们准备的疫情数据导入 4，调整颜色 通过参数调整 。在值域中通过修改值域范围和控制器颜色
。可以简单的做出一个还不错的图表。另外 ，图说里面还有其他很多常用的图例 。都是我们用echarts经常来做的
。

粘贴或修改数据
，刷新展示分析效果。3）调整颜色
、背景等属性，满足个性化需求 。完成后 ，动态可视化地图构建完成
，支持动画效果，进一步提高信息展现的个性化
。以全国疫情防控数据为例 ，通过动态飞线地图，实现高效数据分析与展示。平台提供免费注册
，体验更多可视化组件，定制专属数据可视化图表及分析大屏 。

使用DataEase对于数据进行可视化展示

〖One〗可以用来展示多个维度的数据和信息
。在DataEase中 ，可以新建仪表盘
，并为其命名。编排仪表盘：在仪表盘编辑界面中，可以将之前创建的视图拖拽到仪表盘中 ，并根据需要进行编排和调整 。可以通过拖拽移动的方式进行编排
，以便更好地展示数据和信息。此外，还可以为仪表盘设置背景图、标题等 ，以增强其可读性和美观性
。

〖Two〗数据导入：在DataEase中通过数据连接功能上传CSV/Excel文件
，或直接连接数据库（如MySQL）。数据清洗：检查缺失值 、异常值（如订单金额为负数），确保数据质量 。

〖Three〗DataEase支持制作可视化大屏 ，通过大屏展示可以直观地呈现数据和分析结果
。

〖Four〗新增功能 AI Copilot：实现数据即问即答 DataEase v0版本引入了AI Copilot功能
，借助生成式AI技术，用户可以通过自然语言与系统进行交互 ，直接获取数据结果。用户选择一个数据集后，可以围绕该数据集的相关信息与Copilot进行对话
，Copilot将通过表格
、折线图等形式展示相关的分析数据 。

5、则以每个视图内的设置为准，各自显示设定数量的数据
。至此 ，理解了DataEase视图结果配置项的运作机制。通过这次经历
，我认识到在使用DataEase时对系统设置不够熟悉，导致耗费大量时间排查问题 ，最后发现只是因为不熟悉系统设置 。吸取这次教训
，以后会更加仔细阅读文档和系统提示，避免类似问题再次发生
。