Дипломная работа (ВКР) - бакалавр, специалист на тему Разработка ПО для визуализации аналитических данных (любой язык программирования)

Содержание:

Введение....................................................................................................... 3

1 Основные подходы к
визуализации аналитических данных.................. 6

1.1 Визуализация данных
как метод анализа предметной области в аналитической работе........................................................................................................ 6

1.2 Классификация
подходов к визуализации аналитических данных.. 8

1.3 Визуализация данных
как инструмент анализа предметной области при разработке информационных систем..................................................... 11

1.4 Выводы по разделу........................................................................... 13

2 Инструментальные
средства визуализации аналитических данных в области   14

2.1 Анализ
существующего программного обеспечения для визуализации аналитических данных............................................................................ 14

2.1.1 Свободно
распространяемое ПО для решения задачи визуализации аналитических данных с
открытым кодом.......................................... 14

2.1.2 Сравнительный
анализ ПО решения задачи визуализации аналитических данных................................................................................................... 23

2.1.3 Коммерческое
использование прикладного ПО для визуализации аналитических данных.......................................................................... 25

2.2 Обоснование выбора
инструментария разработки программного обеспечения для визуализации
аналитических данных.............................................. 28

2.3 Структурные
свойства бизнес–процессов реализуемого программного обеспечения............................................................................................. 29

2.4 Информационная
модель предметной области............................... 30

2.5 Выводы по разделу........................................................................... 33

3 Функциональность
программного обеспечения для визуализации аналитических данных....................................................................................................... 34

3.1 Используемые
средства при разработке модели визуализации аналитических данных..................................................................................................... 34

3.1.1 HTML и CSS................................................................................ 34

3.1.2 Язык
программирования............................................................ 35

3.1.3 База данных................................................................................. 37

3.1.4 CSS-фреймворки
для быстрого оформления сайта................... 39

3.1.5 Выбранные
инструментальные средства.................................... 41

3.2 Структурные
характеристики модулей разрабатываемого ПО..... 41

3.3 Интерфейсы
ввода–вывода данных в приложении......................... 63

3.4 Интерфейсные формы
разрабатываемого приложения.................. 65

3.5 Сценарий
тестирования функциональности разрабатываемого ПО 68

3.6 Выводы по разделу........................................................................... 76

Заключение................................................................................................ 80

Список использованных
источников........................................................ 81

Приложение А........................................................................................... 84

Введение:

Визуализация данных (ВД) – это представление данных в виде,
который обеспечивает наиболее эффективную работу человека по их изучению [1].

Визуализация данных находит широкое применение в научных и
статистических исследованиях (в частности, в прогнозировании, интеллектуальном
анализе данных, бизнес-анализе), в педагогическом дизайне для обучения и
тестирования, в новостных сводках и аналитических обзорах.

ВД связана с визуализацией информации, инфографикой,
визуализацией научных данных, разведочным анализом данных и статистической
графикой.

Термины «визуализация данных» и «инфографика» часто
считаются синонимами, однако специалисты в области представления информации
проводят между ними различие. В одном из подходов ВД считается частью
инфографики, которая, согласно этой точке зрения, представляет собой комбинацию
ВД, иллюстраций, рисунков и текста, служащую для подачи целостного сообщения.

Другой подход условно проводит разграничение между этими
понятиями по методу создания, эстетическим качествам и количеству данных.
Согласно этому подходу, инфографика относится к представлениям данных, которые:
созданы при участии человека, специфичны по отношению к представляемой
информации, высокоэстетичны и не содержат много данных.

Напротив, визуализация данных относится к представлениям,
которые созданы алгоритмическим путём, легко воспроизводимы для разных выборок
и схожих типов данных, не содержат много декоративных элементов, но отражают
большие объёмы данных.

Истоки представления данных в виде таблиц, диаграмм и карт
прослеживаются с древнейших времён. Ощутимая потребность в качественном
представлении информации стала возникать еще в эпоху Возрождения, с появлением
больших количеств данных и визуальной информации из географии, астрономии,
геометрии, статистики и других наук.

В первой половине XIX века наблюдался значительный рост
работ, в которых использовалось графическое отображение данных [2]. К середине
века были изобретены все основные типы представления данных: столбчатые и
круговые диаграммы, гистограммы, линейные графики, графики временных рядов,
контурные диаграммы и т. д.

Тенденция роста пошла на спад в начале XX века, уступив
место точной математике. Тем не менее, именно в этот период стали появляться
учебники и курсы по графическим методам представления данных, а сами графики
стали использоваться не только для представления результатов, но и для
исследования информации и выдвижения гипотез в астрономии, физике, биологии и других
науках.

Новый виток визуализация получила в третьей четверти XX века
благодаря появлению вычислительных машин, к которым были разработаны эффективные
средства вывода (перьевые графопостроители, графические терминалы и пр.).

Современный мир также невозможно себе представить без
визуализации данных. Она повсюду: в финансовых отчетах компаний, в
маркетинговых исследованиях, статистических данных, обучении и т.д.

К способам визуального или графического представления данных
относят графики, диаграммы, таблицы, отчеты, списки, структурные схемы, карты и
т.д.

Именно поэтому тема разработки программного обеспечения (ПО)
для визуализации аналитических данных является актуальной.

Цель работы: разработка программного обеспечения для
визуализации аналитических данных.

Для достижения поставленной цели нужно решить следующие
задачи:

· провести анализ предметной области;

· провести анализ существующего программного обеспечения для
визуализации аналитических данных;

· выбрать инструментарий разработки программного
обеспечения для визуализации аналитических данных;

· составить информационную модель предметной области;

· определить входные и выходные данные ПО, его
функционал;

· разработать пользовательский интерфейс;

· разработать и реализовать программные модули ПО;

· провести тестирование разработанного ПО.

Заключение:

В данной работе было разработано программного обеспечения для
визуализации аналитических данных.

Данное ПО предоставляет пользователю интерфейс выбора вида
визуализации, а также интерфейс загрузки файла с данными, после чего
пользователь может наблюдать на странице сервиса требуемое изображение, которое
может скопировать и использовать в своих документах.

В ходе выполнения работы была поставлена цель – разработка
программного обеспечения для визуализации аналитических данных.

Для достижения поставленной цели были решены следующие
задачи:

· проведен анализ предметной области;

· проведен анализ существующего программного обеспечения для
визуализации аналитических данных;

· выбран инструментарий разработки программного
обеспечения для визуализации аналитических данных;

· составлена информационная модель предметной области;

· определены входные и выходные данные ПО, его
функционал;

· разработан пользовательский интерфейс;

· разработаны и реализованы программные модули ПО;

· проведено тестирование разработанного ПО.

По результатам тестирования можно сделать вывод, что
разработанное ПО дает возможность пользователям получить изображение, соответствующее
выбранному виду визуализации и предоставленным данным.

Фрагмент текста работы:

1 Основные подходы к визуализации аналитических
данных

1.1 Визуализация данных как метод анализа предметной
области в аналитической работе

Анализ информации является неотъемлемой частью ведения
бизнеса и одним из важных факторов повышения его конкурентоспособности. При
этом в подавляющем большинстве случаев анализ сводится к применению одних и тех
же базовых механизмов. Они являются универсальными и применимы к любой
предметной области, благодаря чему имеется возможность создания унифицированной
программной платформы, в которой реализованы основные механизмы анализа.

Обычно анализ производят аналитики и эксперты предметной
области предприятия. Они подготавливают данные к пригодному для анализа виду,
применяют к ним различные методы анализа, приводят результаты к легко
воспринимаемому виду. Результаты анализа необходимы лицам предприятия,
принимающим решения, например, руководителям отделов, менеджерам. Они могут
совершенно не разбираться в методах анализа, но у них есть потребность в их результатах.


Таким образом, требуется, с одной стороны, выделить и
формализовать знание эксперта о предметной области, с другой, обеспечить
возможность использовать эти знания человеком, не разбирающимся в особенностях
использования механизмов анализа, т.е. решить проблему тиражирования знаний.

Этапу визуализации данных обычно предшествуют и другие
важные этапы. Рассмотрим все этапы анализа данных [1]:

1) Формулирование цели.

Каждое исследование должно отвечать на ряд поставленных
вопросов.

2) Сбор данных.

На этом этапе аналитик или работает с уже
собранными данными, или участвует в процессе постановки задания
на сбор данных (фактически решает, какая информация ему необходима
и в каком виде).

В первом случае особое внимание уделяют правильной
интерпретации данных, которые записаны в базу, и определяют формат
данных, дизайн таблиц и т. д. Во втором случае аналитик
сталкивается с проблемой построения грамотного сценария сбора данных –
он может особенно перестараться в планировании А/В-тестов, логировании
событий и т. п. Здесь важна коммуникация с программистами,
которые могут помочь в понимании процессов и оценке масштабов
планируемых записей.

3) Подготовка данных.

«Мусор на входе – мусор на выходе» – правило,
о котором всегда нужно помнить. Структурирование, устранение ошибок,
изменение форматов содержимого, разбор аномальных результатов, очистка
от выбросов, устранение дубликатов, интеграции данных из разных
источников – одни из важнейших пунктов в анализе данных.

Иногда требуется расширение метрик, например добавление
вычислительной информации (прирост, ранг, номер и т. п.). Иногда
следует сократить количество признаков (переменных) или перейти
к вспомогательным переменным, принимающим одно из двух значений: true
(1)/false(0).

На этом этапе сырые данные превращаются в полезную
входную информацию для моделирования и анализа.

4) Исследование данных.

Для правильной интерпретации многомерных данных необходимо
посмотреть на них в разрезе как конкретного признака, так
и группы признаков. Также следует представить ключевые показатели
в динамике с планами и фактическими результатами. Именно на этом
этапе подбирается формат будущей визуализации.

5) Визуализация и построение выводов.

Каждое исследование должно заканчиваться результатами
и выводами. Даже если они негативные, их стоит проговорить
и обсудить. При этом правильная постановка задачи, методика проведения
сбора данных, правильная интерпретация результатов, выявленные ошибки
и многое другое должны послужить базой для последующих исследований.

Время, затрачиваемое аналитиком на каждую фазу, зависит
от многих переменных: начиная от опыта работы и уровня знания
данных, заканчивая перечнем используемых инструментов и технических
характеристик ПК.

Необходимо также понимать, что процесс анализа данных имеет
итерационный характер и может быть представлен циклом из описанных этапов.

Чтобы сформулировать окончательные выводы, иногда необходимо
пройтись по циклу несколько раз. Каждый раз уточняя данные, перестраивая
модели обработки и представления данных, получая всё новые знания
об анализируемой сущности.