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**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*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 ��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 **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