以「大數據分析」為關鍵詞去進行搜索，你可以在大多數條目中看到「數據分析平臺」和「可視化」的概念。
在發展受到局限時，人類喜歡並擅長於去使用工具和製造工具。
人類對圖形信息的攝取效率遠大於單純的文字數字。
所以在信息流數量與流動速度爆炸都爆炸式增長的現狀下，自然地催生了可視化大數據分析平臺這類產品。
數據可視化旨在藉助於圖形化手段，清晰有效地去傳達與溝通信息。豐富的圖表可以通過位置、長度、角度、方向、形狀、面基、體積、飽和度、色調來通過視覺暗示，達到聚焦視線表達圖標含義的效果。
在企業運維決策的場景下，即是用適當的數據模型和統計分析方法對收集的企業數據進行可視化分析，轉化成可視化結果清晰準確地形成結論報告，輔助企業了解運營狀況、找到發展癥結以及幫助決策等。
下面這張圖展示了不同類型的分析需求對應的可視化類型。
根據Gartner最近的行業報告以及大會上，可以看到一些關於數據可視化未來發展的趨勢。
1、 數據地圖
「通過視覺探索和嵌入式的地理空間分析創建高度交互的儀錶板和內容的能力。」
Gartner提到的「地理空間分析」，即為「數據地圖」，專門用來展示和分析這些與地圖有關的大數據，這確實是很好的功能，用來分析業務在地理層面上的數據具有相當的價值，尤其是對如今在地域上分布越發廣泛的行業來說，可以精確地定位問題所在的國家城市甚至某一營業點。不僅會比單純的表格要直觀形象得多，也更具有信息溝通的有效性和專業的形象。從類型上講，數據地圖可以分為區域地圖、組合地圖、標記點地圖、單層地圖 、自定義圖片地圖、流向地圖、熱力地圖等。
2、 互動式探索
「通過一系列可視化選項來進行數據探索，這些可視化選項不僅僅是基本餅圖,條形圖和折線圖這些基本的數據圖形，還包括熱圖和樹圖、數據地圖、散點圖和其他特殊用途的圖表，更貼合各行各業的需求。這些工具使用戶能夠通過與數據直接地視覺交互來分析數據和操作數據。」
數據可視化的交互體驗的能力主要通過易學性、易用性、UI友好性、使用效率來評價。它的表現形式主要體現在通過可視化圖表直接對數據進行圖形化的上卷下卷、切片旋轉等操作，以及很重要的數據聯動功能，給予用戶全面的統籌數據問題與深入的挖掘數據問題的方法和角度。
3、 數據故事
「數據可視化要具有故事性，將數據通過可視化的方式迎合報告者的需求，幫助他們講述一個完整的數據故事，讓觀看者更好的認識主題。」
數據可視化的結果之間可以互相聯繫形成具有故事性的看板，以更完整更多樣的角度去闡述數據，展現更多的細節，將觀看者拉入到這個故事中來。
4、 基於搜索的智能探索方式
「基於搜索和可視化的數據探索分析功能將作為新型BI和分析平臺的組件融合到下一代的數據分析產品中。」
「到2021年，具有智能數據探索分析功能的新型BI和可視化分析平臺的用戶數量將是不具有這一功能的產品和平臺的兩倍，並且將創造兩倍的商業價值」
現市面上的大部分可視化數據分析產品都採用拖拽式的探索方式，這種探索方式簡單而快捷，但同時具有相當的局限性。在分析維度較多較複雜的時候，拖拽式操作反而會給用戶帶來多種不便，且要求用戶對數據結構有深刻的理解才能形成理想的可視化結果。而類似於搜尋引擎探索結果方式的搜索式探索方式不僅包含了拖拽式簡單快捷的優點，更進一步的將分析人員從必須理解數據結構的前提下解脫出來，直接將業務問題輸入分析平臺，形成可視化結果。
5、 自然語言
「到2020年，50%的分析查詢將使用搜索，自然語言處理或語音生成，或將自動生成。」
自然語言生成功能和搜索式探索方式的結合，完美契合了業務人員對數據進行可視化分析的需求，成為數據可視化的未來願景，使平臺能夠理解用戶使用自然語言描述的業務邏輯上的查詢需求，準確轉化為程序能夠理解的查詢語句，再生成可視化結果反饋給用戶。