随着国内信息化系统的不断建设，相关的数据量级已从TB级别跃升到PB级别，形成了名副其实的大数据。但是这些以往的海量数据大多只存在于垂直业务和单一应用中，数据过于分散且信息内容单一，而且缺乏有效的数据分析方法，数据处理效率低下，致使海量的数据无法被共享利用，严重制约信息化建设整体发展的速度。因此，需要通过信息化手段对已有各系统的海量数据进行整合、分类、归纳，搭建数据仓库，实现有效的数据存储与管理。

利用各种分析方法，对已有数据进行统计和分析，提供历史数据的分析结果。帮助决策者能快速有效的从大量资料中，获得有价值的分析结果，做出科学的决策，帮助建构商业智能(BI)。

近年来，数据挖掘理论及其技术研究和开发取得了较为快速的发展，其在各个领域应用有着非常广阔的空间和潜力。数据挖掘成为解决数据处理难题的有效武器，并显示出强大的生命力。数据挖掘主要依赖两项技术：一是对某个领域各部门产生的各种业务数据进行整理和集成，搭建支持决策的数据分析环境，即数据仓库；二是发现隐藏在各种监测数据之中的有用知识，即数据挖掘。

大数据可视化平台通过直观、生动、可交互、可个性化定制的数据可视化图表，展示数据潜在的趋势和内在的特性，赋予用户极好的数据体验。进入大数据时代，将海量数据以可视化平台方式展示给用户，例如动画、视频、动态交互式页面、手机APP等，将数据以展示、推送、提醒、互动等模式提供给用户。

大数据可视化常见数据分析可视化、趋势可视化、工业生产可视化等形式。(1)趋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， 展示整体态势。 (2)数据分析可视化广泛用于政府、企业经营分析，包括企业的财务分析、供应链分析、销售生产分析、客户关系分析等。(3)工业企业中生产线处于高速运转，由工业设备所产生、采集和处理的数据量远大于企业中计算机和人工产生的数据，生产线的高速运转则对数据的实时性要求也更高。破解这些大数据就是企业在新一轮制造革命中赢得竞争力的钥匙。因此，工业生产可视化系统是工业制造业的选择。

基于沃达德大数据平台，通过对海量数据采集、处理、存储、分析和数据挖掘，根据数据的特性，采用合适的可视化方式，将数据直观地展现出来，以帮助人们认识数据、理解数据，同时找出包含在海量数据中的规律或者信息，预测未来发展趋势，进行智能化决策分析，使得数据资产成为核心竞争力。