Lielo datu vizualizācijas rīki

Abstract

Lielie dati satur lielus datu apjomus atšķirīgos formātos, kvalitātē kā arī atšķirīgu datu ātrumu kādā tie tiek ģenerēti. Kad dati tiek apstrādāti nākamais uzdevums būtu gūt ieskatu no datiem. Šajā solī būtiski noder datu vizualizācijas rīki, kuri palīdz ne tikai gūt ieskatu kopainā, bet arī atbalsta uz datiem balstītu lēmumu pieņemšanu. Daži no rīkiem, kuri ir populāri un ir plānots darbā analizēt ir: Power Bi, Tableau, Qlik Sense, Google Analytics, DOMO, Sisense. Papildus ir pieejamas arī programmēšanas vizualizācijas bibliotēkas, piem., val. Python, R, Jupiter, Plotly/Dash uc. Bakalaura darba ietvaros tika apskatīta literatūra par lielo datu jēdzienu, dzīves ciklu, datu vizualizācijas noformējuma principiem, metodēm un dažādām vizualizācijas problēmām lielo datu analīzē. Darba ietvaros tika pārskatīti un novērtēti datu vizualizācijas rīki un to lietojumi, kā arī izveidots datu vizualizācijas projekts, praktiski pielietojot atbilstošāko vizualizācijas rīku darbā izvirzītajiem kritērijiem, lai rezultātā bakalaura darba lasītājam palīdzētu izvēlēties atbilstošāko vizualizācijas rīku atkarībā no lietojuma situācijas.

Big data contains large amounts of data in different formats, quality, and different data speeds at which they are generated. When the data is processed, the next task would be to gain insight from the data. In this step, data visualization tools are essential to help not only gain insight into the overall picture, but also support data-based decision-making. Some of the tools that are popular and are scheduled to be analyzed at work are: Power Bi, Tableau, Qlik Sense, Google Analytics, DOMO, Sisense. In addition, programming visualization libraries are also available, for example, Python, R, Jupiter, Plotly/Dash uc. As part of the bachelor's work, the literature on the concept of big data, life cycle, data visualization design principles, methods and various visualization problems in the analysis of big data was examined. As part of the work, data visualization tools and their uses were reviewed and evaluated, and a data visualization project was created, using the most relevant visualization tool to the criteria, to help the bachelor's work reader choose the most appropriate visualization tool, depending on the usage situation.