对于广大数据信息客户来讲，最关怀的并非数据的分析处置流程，而是对大数据分析结果的解释与展现（即数据展示）。

因此，在一个完美的数据分析过程中，数据结果的解释程序至关重要。

如果数据分析的结果正确但是没有采用恰当的解释办法，则所得到的结果很可能让客户难以懂得，在极端情形下甚至会误导客户。

数据解释的办法很多，对比传统的就是以文本形式输出结果或者直接在电脑终端上显示结果。

这种办法在面对小数据量时是一种很好的选择:但是大数据时代的数据分析结果往往是海量的，同时其结果之间的关联关系极其繁琐，采用传统的解释办法基本不可行。

这时可以思考从下面两个方面提高数据解释才能。

1）引入可视化技术

可视化作为解释大批数据最有效的手段之一率先被科学与工程盘算领域采用。

通过比较分析结果的可视化，用形象的方法向客户展现结果，这种图形化的方法比文本形式更易于被懂得和接收。

常见的可视化技术有标签云（TagCloud）、历史流（HistoryFlow）、空间信息流（SpatialInformation）等。

在数据可视化工具中，报表类工具有JReport、Excel、水品易表，FineReport等:BI分析工具有PowerBI.StyleIntelligence、BO、BIEE、象形科技ETHINK、YonghongZ-Suite等:国内的数据可视化工具有BDP商业数据平台、大数据魔镜、数据观、FineBI商业智能软件等。

大家可以依据具体的使用需要选择合适的可视化技术和工具。

2）客户参与分析流程

让客户能够在一定水平上了解和参与具体的分析流程。

这里既可以采用人机交互技术，利用交互式的数据分析流程来引导客户逐步地进行分析，使得客户在得到结果的同时能更好地懂得分析结果的由来:也可以采用数据来源技术，通过该技术帮助客户追溯全部数据分析的流程，有助于其懂得数据分析的结果。

报告撰写

数据分析完成后一般会要求撰写数据分析报告，这是对全部数据分析流程的总结，是向企业决策者提供的一种参考，可为决策者提供科学、严谨的决策根据。

一份优良的数据分析报告，需要一个明白的主题，需要一个清晰的框架，以图文并茂地说明数据、条理清晰地展示效果，使决策者能一目了然地看出报告的核心内容。

最后需要加上结论和建议，并提供解决问题的计划和想法，以便决策者在进行决策时作为参考。

ycz parfume