“可视化”这一专业术语，首次讨论于1982年2月的美国国家科学基金会上（NationalScienceFoundation,NSF）[11]，紧接着，1987年2月，首届科学计算之中的视觉化研讨会的召开，定义了科学可视化的范围与未来需求，强调了在计算机基础上的可视化技术方法的重要性，其标志着科学计算可视化的成熟[12]。1989年斯图尔特·卡德(StuartK．Card)、约克·麦金利(JockD．Mackinlay)和乔治·罗伯逊(GeorgeG．Robertson)正式提出了信息可视化[13]。该时期的可视化主要通过视觉感知，将数据信息和知识以一种可视形式表示。

随着数据的激增，可视化也日益关注数据，包括来自经济、教育、商业、行政管理等方面的数据。数据可视化应运而生，其延伸了科学计算可视化和信息可视化的内容，研究边界也不断扩大。目前，数据可视化正处于时代的热潮，2013年，W3C数据可视化社区组正式成立，主要研究数据可视化的应用程序接口、核心模型、方法和分类、具体领域的数据可视化方法技术和交互式可视化分析。2016年6月，同济大学成立了智能大数据可视化实验室，主要研究数据分析、可视化及人机交互技术，并在信息安全、工业4.0，以及智慧城市等方面广泛应用。

本文从可视化目的、可视化方法、交互类型这几个方面对科学计算可视化、信息可视化与数据可视化进行比较，如表1.1所示：

（3）可视化应用如何将错综复杂的大数据集、晦涩难懂的数据报告变得轻松易读、易于理解，可视化无疑是最合适的选择。目前，数据可视化的应用范围十分的广泛，如商业智能、教育领域、公共服务、地理信息、政府决策等。就数据可视化的应用分类，在大数据领域拥有多年经验的数字冰雹公司CEO邓潇从数据可视化的展现形式角度，将大数据可视化应用领域分类为：宏观态势可视化、设备仿真运行可视化，以及数据统计分析可视化[14]。态势可视化是在特定环境中对随时间推移而不断动作并变化的目标实体进行觉察、认知、理解，最终展示整体态势，如网络安全势态可视化分析；设备仿真运行可视化通过图像、三维动画以及计算机程控技术与实体模型相融合，实现对设备的可视化表达，使管理者对其所管理的设备有形象具体的概念，对设备所处的位置、外形及所有参数一目了然，如航天器运行仿真；而数据统计分析可视化是目前媒体应用提及最多的可视化应用[14]，例如刘屹借助于现代信息技术尤其是信息可视化技术与方法的应用，梳理了成本信息的数据结构，还原成本信息真实的时空属性并以直观的方式动态显示，最终建立了一套面向可视化管理的煤炭企业管控方法[15]；张宏鑫提出了一种基于移动应用程序日志数据的人群特征分析，将移动设备用户按照不同应用主题的相关度进行聚类，得到不同特征的人群，从而进行基于层次气泡图和泰森多边形树状结构图的可视化展示与分析[16]；相关领域的可视分析人员对数据库可视化进行了研究，提出了Delaunay数据库可视化工具是一个可视搜索系统，支持用户使用基于约束的查询语言表述的面向对象数据可视化，该系统基于交互操作，通过图形图像的形式达到用户对数据库搜索的筛选查询、查看数据结构及其间关系等的需求[17]。本文的可视化分析就归属于数据统计分析可视化，通过对物贸采集相关数据进行处理、分析，从中提取具有商业价值的信息，实现数据信息的浏览、挖掘探索与交互式应用，指导集团管理层进行经营决策，真正意义上地实现商业智能。