張楠

摘 要：網(wǎng)絡交易數(shù)據(jù)可視化是一個新興研究領域，它將抽象的交易數(shù)據(jù)轉(zhuǎn)化為可視圖表展現(xiàn)，能夠更直觀地分析交易數(shù)據(jù)特征，揭示交易數(shù)據(jù)內(nèi)涵，增強分析或決策人員的洞察力。本文廣泛調(diào)研了網(wǎng)絡交易數(shù)據(jù)可視化研究，首先對文獻中網(wǎng)絡交易數(shù)據(jù)可視化呈現(xiàn)進行了細致梳理及分類;其次對網(wǎng)絡交易數(shù)據(jù)特性進行了歸納總結(jié);最后對未來發(fā)展趨勢提出展望。

關鍵詞：交易數(shù)據(jù);可視化;時序數(shù)據(jù);交互設計

中圖分類號：F124.3 文獻標識碼：A 文章編號：2096-0298（2021）01（b）--06

隨著網(wǎng)絡交易的飛速增長，產(chǎn)生了大量的交易數(shù)據(jù)。如何理解和分析這些網(wǎng)絡交易數(shù)據(jù)，又如何將原始數(shù)據(jù)轉(zhuǎn)化為有價值的信息，成為各大商家關注的焦點，同時也是學者和科研人員的研究熱點。

目前，對網(wǎng)絡交易數(shù)據(jù)分析多采用統(tǒng)計分析或數(shù)據(jù)挖掘的定量方法，即對數(shù)據(jù)關系分析研究，認識和揭示數(shù)據(jù)之間的規(guī)律，或者是利用自動算法，根據(jù)已有數(shù)據(jù)構建出相應模型，通過對模型進行研究，用戶可以從中提取出分析結(jié)果和蘊含的知識。就研究方法而言，統(tǒng)計分析或者數(shù)據(jù)挖掘在一定程度上可以反映出數(shù)據(jù)的特征，但無法直觀顯示，且缺乏交互性。

網(wǎng)絡交易數(shù)據(jù)可視化是一個新興研究領域[1]。它利用人眼的感知能力對商業(yè)數(shù)據(jù)進行交互的可視表達以增強認知的技術，將原始多維數(shù)據(jù)間的復雜關系、潛在信息以及發(fā)展趨勢通過圖形、符號、顏色、紋理等可視化呈現(xiàn)，增強數(shù)據(jù)識別效率，傳遞有效信息，為數(shù)據(jù)分析任務提供更直觀的途徑。

本文主要對網(wǎng)絡交易數(shù)據(jù)可視化研究進行綜述。首先，根據(jù)可視化呈現(xiàn)角度不同，對已有研究成果進行分類，并闡述了代表性可視圖形技術;其次，歸納了網(wǎng)絡交易數(shù)據(jù)的特性;最后是總結(jié)及展望。

1 交易數(shù)據(jù)可視化圖形分類

國內(nèi)外學者已經(jīng)提出一定數(shù)量的網(wǎng)絡交易數(shù)據(jù)可視化方案，根據(jù)文章出現(xiàn)的先后順序，我們將網(wǎng)絡交易數(shù)據(jù)可視圖技術分為兩類：單視圖和多視圖，如表1所示。單視圖是熟知的、簡單圖形，包括柱狀圖、像素柱狀圖、值-單元格柱狀圖以及熱圖。多視圖是單視圖組合，能更多反映交易數(shù)據(jù)維度信息。

1.1 單視圖

1.1.1 柱狀圖

圖1是最簡單的統(tǒng)計圖形，通常使用柱形和顏色來編碼數(shù)據(jù)的屬性。柱狀圖的一個坐標軸表示比較的類別，另一個坐標軸表示對應類別的統(tǒng)計值。在商品交易中，柱狀圖，縱坐標表示商品銷售數(shù)量，橫坐標表示12個月[2，3]。

1.1.2 像素柱狀圖

像素柱狀圖由柱狀圖衍生而來，其基本思想是直接顯示數(shù)據(jù)值，而不是將數(shù)據(jù)聚集。在像素柱狀圖中，單個像素表示每個數(shù)據(jù)項，每個數(shù)據(jù)項的一個屬性的詳細信息被編碼為像素顏色。像素柱狀圖的一個重要問題是：如何排列每個柱狀圖中的像素。Keim提出：首先使用一個或兩個屬性將數(shù)據(jù)分布在各個柱狀圖中，其次使用兩個其他屬性在柱狀圖中排序，最后其他屬性使用顏色來映射。因此，像素柱狀圖可以看作普通柱狀圖和x-y圖的組合。像素柱狀圖的基本形式如下：劃分屬性（用于劃分像素柱狀圖）、排序?qū)傩裕ㄓ糜谙袼刂鶢顖D內(nèi)部像素排序）、著色屬性（像素著色）。像素柱狀圖被分成五元組：<像素對象，劃分屬性，X軸排序?qū)傩裕琘軸排序?qū)傩?，著色屬?。

在消費者交易案例中，一個像素對應一位顧客來可視化交易數(shù)據(jù)。圖2顯示了利用像素柱狀圖可視化電子商務交易數(shù)據(jù)。在圖2中，像素柱狀圖用商品類型作為劃分屬性，時間（月份）和商品價格作為x和y排序?qū)傩裕瑘D內(nèi)顏色分別表示時間（月份）、商品價格、訪問量和商品數(shù)量。在時間（月份）屬性圖2（a）中，第12個月（面積最大）客戶數(shù)量，而第2個月（面積最小）的客戶數(shù)量最少。在商品價格屬性圖2（b）中，2月、3月、4月和5月價格最高。在訪問量屬性圖2（c）中，從3月、4月、5月和6月中的顏色分布看出，這幾個月的客戶比其他幾個月的客戶回訪的頻率更高。在商品數(shù)量屬性圖2（d）中，均分布在整個一年中，表明大多數(shù)顧客購買不止一件商品。

通過像素柱狀圖的比對，商家能分析出消費者購買的規(guī)律，找出最有價值的消費者。但是像素柱狀圖的維度有限，隨著時間的推移和數(shù)據(jù)量增加，像素柱狀圖無法展現(xiàn)大量用戶信息和交易信息。

1.1.3 值-單元格柱狀圖

值-單元格柱狀圖[4]被用來可視化任何類型的交易數(shù)據(jù)。這些交易數(shù)據(jù)集通常是大量的多屬性數(shù)據(jù)集，包括類別型、標稱型以及數(shù)值型屬性。類別型或標稱型屬性用于將數(shù)據(jù)劃分為柱狀圖，而數(shù)字型屬性用于確定柱狀圖的高度。為顯示在常規(guī)柱狀圖中未顯示的單個交易值，將所有柱狀圖劃分為值-單元格。一個單元格代表一個值，并在視覺上顯示為固定大小的小矩形（不一定有邊框）。值單元格大小由柱狀圖的總值，柱狀區(qū)域，單元格值和柱狀圖內(nèi)X軸方向上的單元格個數(shù)共同定義。

在商品交易實例中，使用42，074個交易數(shù)據(jù)構建了一個值-單元格柱狀圖，顯示了銷售價值分布，如圖3所示。柱狀圖的尺寸代表一個月的總值，商品交易值離散到一個或多個單元格中。紅色和深紅色的區(qū)域表示交易額高于$ 1，000。與綠色和黃色區(qū)域中的低交易額相比，紅色和深紅色的區(qū)域占據(jù)更多空間，說明它們對總銷售額的貢獻更大。每個月都有高價值交易，尤其是第4個月。但在第12個月中，低于$ 500的低交易額（藍色，綠色和黃色區(qū)域）對銷售的貢獻要大于高于$ 1，000的高交易額（紅色和深紅色區(qū)域）。

值-單元格柱狀圖用以可視化交易日志的整體概括和細節(jié)信息，從而發(fā)現(xiàn)對交易金額和交易數(shù)量貢獻大的用戶。但值-單元格柱狀圖未考慮與用戶購買行為相關的用戶特征和商品特征。

1.1.4 熱力圖

熱力圖被用來表達二維數(shù)據(jù)，數(shù)據(jù)常以矩形形式整齊排列，數(shù)據(jù)值大小用顏色來表示。Hayashi[5，6]采用熱圖與時間軸來可視化商品交易信息，如圖4所示?；舅枷胧菍⒗L圖空間劃分為網(wǎng)格，將時間變量分配給X軸，將另一個變量分配給Y軸，根據(jù)需要為網(wǎng)格空間著色相應記錄的數(shù)量。圖4（a）顯示了商品交易概況，其中X軸表示天數(shù)，Y軸表示店鋪ID。此圖表明：周末或節(jié)假日在多家商店中始終有很多交易（如兩個紅色圓圈所示），商品交易在幾個商店中定期增加（圖4（a）中的紅色箭頭所示）。圖4（b）顯示了應用基于聚類的過濾并可視化特定聚類的內(nèi)容。從圖4（b）可看出，聚集中的商店在最后一個周末的商品交易活動相對較多（圖4（b）紅色箭頭所示）。 圖4（c）繪制了異常值和非異常值項;異常項目為亮粉紅色。圖4（c）表明：交易額度較大的商店始終具有大量交易，而其他商店則在一個月的下半月的特定日期或周末交易量急劇增加。從圖4（a）中發(fā)現(xiàn)這種趨勢并不容易，但是由于離群值檢測和顏色重新計算，可以輕松發(fā)現(xiàn)它們。

布局維度是用來表示事件組之間的關系，決定時序數(shù)據(jù)以何種布局方式進行排布。如圖10第三行所示，包括統(tǒng)一布局、多面布局、分段布局和多面+分段布局。統(tǒng)一布局是單個時間線。多面布局是通過屬性分成多個時間線。分段布局是根據(jù)有意義的時間劃分時間線，例如按月、周、天進行分段。

2.2 時序特性

交互特性用以響應用戶的交互操作，交易數(shù)據(jù)可視化系統(tǒng)提供了一系列交互設計[12]，包括過濾（數(shù)據(jù)篩選）、編碼（顏色映射）、關聯(lián)（協(xié)調(diào)多視圖）、概述和詳細（時間切換）。

（1）過濾（數(shù)據(jù)篩選）：用于設置約束條件實現(xiàn)信息查詢。例如，在交易數(shù)據(jù)可視化系統(tǒng)中的數(shù)據(jù)篩選，使用預定義關鍵字和其他條件過濾數(shù)據(jù)，以提高系統(tǒng)的接受度。

（2）編碼（顏色映射）：用于改變數(shù)據(jù)元素的可視化編碼。例如，在交易數(shù)據(jù)可視化系統(tǒng)中的顏色控制，使用極值映射和規(guī)律映射兩種顏色映射方法，同時還可調(diào)節(jié)結(jié)點的透明度。

（3）關聯(lián)（協(xié)調(diào)多視圖）：用于顯示數(shù)據(jù)對象之間的聯(lián)系。例如，在交易數(shù)據(jù)可視化系統(tǒng)中的協(xié)調(diào)多視圖，單一視圖不能滿足所有要求，也不能顯示所有必要數(shù)據(jù)。協(xié)調(diào)多視圖系統(tǒng)允許用戶查看不同的數(shù)據(jù)，同時能夠輕松理解視圖之間的聯(lián)系。

（4）概述和詳細（時間切換）：用于有限條件下顯示總體和細節(jié)。例如，在交易數(shù)據(jù)可視化系統(tǒng)中的時間切換，在概述中查看一年、一月、一周和一天中所有交易數(shù)據(jù)的匯總視圖，詳細是選定單個交易數(shù)據(jù)信息。

3 總結(jié)及展望

網(wǎng)絡交易數(shù)據(jù)可視化是將電子商務數(shù)據(jù)分析和可視化技術有機結(jié)合起來，通過圖形化的交互工具，提高數(shù)據(jù)分析師的理解力，使分析師更深入地了解用戶的需求。從文本梳理可以發(fā)現(xiàn)，網(wǎng)絡交易數(shù)據(jù)可視化已經(jīng)取得了豐碩的研究成果，但是隨著網(wǎng)絡交易的多變性，研究者們還面臨著諸多的挑戰(zhàn)：

一是目前使用的網(wǎng)絡交易數(shù)據(jù)均來自于各個網(wǎng)絡交易公司的離線記錄數(shù)據(jù)。但實時數(shù)據(jù)對于數(shù)據(jù)分析更為重要，如何實時顯示網(wǎng)絡交易數(shù)據(jù)可視化對數(shù)據(jù)分析及圖形繪制提出新的要求。

二是目前使用的網(wǎng)絡交易數(shù)據(jù)均來自于PC端的傳統(tǒng)網(wǎng)站。隨著我國移動互聯(lián)網(wǎng)用戶數(shù)量的全面提升，網(wǎng)絡交易數(shù)據(jù)也來自于移動網(wǎng)絡。但移動網(wǎng)絡環(huán)境多變且移動設備屏幕有限，如何提高網(wǎng)絡交易數(shù)據(jù)的環(huán)境穩(wěn)定性，解決移動設備屏幕受限的問題，這將是研究人員所需要解決的關鍵問題。

三是目前網(wǎng)絡交易數(shù)據(jù)可視化系統(tǒng)都有交互設計，但為了能更好地分析交易數(shù)據(jù)，更加深入地理解用戶的需求，需要加強用戶實測模塊方面的深入研究。

參考文獻

陳為，沈則潛，陶煜波，等.數(shù)據(jù)可視化[M].北京：電子工業(yè)出版社，2019.

DANIEL K， MING H， JULIAN L， et al. Pixel Bar Charts： A new technique for visualizing large multi-attribute data sets without aggregation， Hewlett-Packard Laboratories Technical Report， HPL-2001-92， March 2001.

HAO M C， LADISCH J， DAYAL U， et al. Visual mining of e-customer behavior using pixel bar charts [C]. Proceedings of the ACM KDD. 2001： 1-7.

DANIEL K， MING H， UMESHWAR D， et al. Value-cell bar charts for visualizing large transaction data sets [J]. IEEE Transactions on visualization and computer graphics， 2007， 13（4）： 1-12.

HAYASHI A， ITOH T， NAKAMURA S. A visual analytics tool for system logs adopting variable recommendation and feature-based filtering [C]. Proceedings of the 17th International Conference of Information Visualization， 2013： 1-10.

HAYASHI A， KOHJIMA M， MATSUBAYASHI T， et al. Regularity measure and influence weight for analysis and visualization of consumers attitude [C]. Proceedings of the 19th International Conference on Information Visualization， 2015： 290-299.

CHANG R， GHONIEM M， KOSARA R， et al. WireVis： Visualization of categorical， time-varying data from financial transactions [C].Proceedings of the 2007 IEEE symposium on Visual Analytics Science and Technology， 2007：155-162.

LIU Z， STASKO J，SULLIVAN T. SellTrend： inter-attribute visual analysis of temporal transaction data [J]. IEEE Transactions on Visualization and Computer Graphics. 2009， 15（6）：1025-1032.

XIE C，CHEN W，HUANG X X， HU Y Q， et.al. VAET： a visual analytics approach for e-transactions time-series. IEEE Transactions on Visualization & Computer Graphics [J]. 2014，20（12）：1743-1752.

賈若雨，曾昂，朱敏，等.面向在線交易日志的用戶購買行為可視化分析[J].軟件學報，2017，28（9）：2450-2467.

BREHMER M， LEE B， BACH B， et al. Timelines Revisited： A design space and considerations for expressive storytelling [J].IEEE Transactions on Visualization and Computer Graphics.2017，23（9）： 2151-2164.

SHNEIDRMAN B，PLAISANT C.Designing the user interface： strategies for effective human-computer interaction[M].Boston：Addison-Wesley，2005：40-50.