數據可視化的先驅
——南丁格爾

管會生

（蘭州大學 信息科學與工程學院，甘肅 蘭州 730000）

0 引 言

因為疫情的緣故，今年的國際護士節顯得十分特別，中國在此次的抗疫中也展示了中國廣大醫護人員救死扶傷的勇氣與擔當。截至2019 年底，中國護士總數達到445 萬人；在4.26 萬名援鄂醫療隊員中，護士就有2.86 萬人，占援鄂人員總數的70%。

弗洛倫斯·南丁格爾（Florence Nightingale，1820.5.12—1910.8.13，享 年90 歲），1853 年 任倫敦慈善醫院的護士長，是護理專業的創始人和現代護理教育的奠基人。南丁格爾創辦的護士訓練學校開辦了30 年，共培養了1 005 名學生，她們活躍在歐美各國，弘揚著南丁格爾精神，國際上稱這個時期為“南丁格爾時代”（period of Nightingale）。1901 年，81 歲的南丁格爾因操勞過度，雙目失明，但仍繼續宣傳自己有關護理的思想和主張。1907 年，國際紅十字會設立南丁格爾獎（Nightingale Ward）。1912 年，國際護士會將南丁格爾的生日5 月12 日定為國際護士節，并首次頒發南丁格爾獎。截止2019 年，南丁格爾獎已頒發47 屆（兩年一屆），世界各國共有超過1 400 名卓越護理人員獲獎。中國自1983 年首次參加第29 屆南丁格爾獎評選以來，共參加了19 屆評選，82 人獎獲；福建醫科大學護理學院院長李紅（2017 年當選為美國護理科學院院士）就是中國的第82 位獲獎者。

通過數據研究規律、發現規律，貫穿了人類社會發展的始終。人類科學發展史上的不少進步都和數據的采集分析直接相關，如現代醫學流行病學的開端。

數據可視化是指將大型數據集或大型數據庫中的數據以圖形圖像形式表示，并利用數據分析和開發工具發現（挖掘）其中未知信息的處理過程。最初，可視化技術被大量應用于統計學領域，用來繪制統計圖表，如圓環圖、柱狀圖、餅圖、時間序列圖、等高線圖、散點圖等。20 世紀50 年代，隨著計算機的出現和計算機圖形學的發展，人們開始利用計算機技術在電腦屏幕上繪制各種圖形圖表，可視化技術開啟了全新的發展階段。進入21 世紀，數據可視化又被逐步應用于地理信息系統（GIS）、數據挖掘與數據分析、商務智能工具等平臺中，有效促進了人類對不同類型數據的分析與理解。隨著大數據時代的到來，每時每刻都有海量數據在不斷生成，需要我們對數據進行及時、全面、快速、準確的分析，以呈現數據背后的價值，這就更需要可視化技術協助我們更好地理解和分析數據。數據可視化已成為大數據分析最后的一環和對用戶而言最重要的一環。

1 數據可視化經典案例一（1854年）

數據可視化用于疫情監控，可追溯到1854年倫敦發生的大規?；魜y。這次霍亂長時間得不到控制。后來John Snow 醫師用標點地圖的方法，研究了當地水井分布和霍亂患者分布之間的關系（如圖1 所示），發現在一口水井周圍，霍亂患病率明顯較高，借此找到了霍亂暴發的原因——被污染的水井。關閉這些水井后，霍亂發病率明顯開始下降，霍亂終于得以控制。此例成為現代醫學流行病學初創時期的首個案例，也是數據可視化這一研究方向的首個案例。

圖1 反映當地水井分布和霍亂患者分布之間的關系圖

2 數據可視化經典案例二（1857年）

19 世紀計算機尚未出現，因此沒有現在的數據可視化軟件。1857 年，為說服維多利亞女王改善英國軍隊醫院的醫療條件，南丁格爾特地設計了一張極坐標下的圓形直方圖，也稱圓餅圖、玫瑰圖、“雞冠花圖”（Coxcomb diagram），用這張圖直觀傳達了1854 年4 月—1856 年3 月兩年間，每個月在克里米亞戰爭中死亡的士兵數量以及死亡原因，非常直觀簡潔地說明了在她管理的野戰醫院內，死亡率在不同季節的變化以及3 類死亡原因的占比，直觀明了、一目了然，如圖2[1]所示，以此揭示克里米亞戰地醫院真實的醫療環境與衛生條件[2]。

這種極坐標下的圓形直方圖，是1801 年威廉普萊費爾發明的，在200 多年前這是一種非常新穎的數據展示形式，但由于繪制較難而沒有流行起來，直到1857 年南丁格爾繪制出這張“雞冠花圖”之后，才逐漸被人們熟知和接受。這張圖替代了原英國軍方準備用幾萬文字描述的統計分析報告，結論就是：由于醫療衛生條件太差，戰地醫院死于可預防傳染病的人數遠遠高于戰爭期間戰場上的直接傷亡人數。這是“雞冠花圖”在數據可視化領域最經典、最實際的應用案例，也是護理學科與數字學科相結合在發展初期的首個案例[2]。

圖2 南丁格爾繪制的“雞冠花圖”

1854 年—1856 年，英國、法國、土耳其等國與沙皇俄國爆發了克里米亞戰爭。當時由于沒有護士護理傷病員，且戰地救護條件十分惡劣，英軍負傷士兵的死亡率竟高達42%。1854 年10月21 日，南丁格爾主動申請參加戰地救護工作，率領38 名優秀護士奔赴克里米亞戰地醫院，并成為該院的護士長，由此開創了現代戰地護理事業。參戰士兵傷病員由于得到了及時認真的醫療護理，在短短的半年時間內，傷病員的死亡率降至2.2%。南丁格爾在分析了大量傷亡資料檔案后，得出的驚人結論就是：“士兵死亡原因大多是因為感染疾病以及重傷員得不到及時救護所致”[3]。這就是南丁格爾設計“雞冠花圖”的背景。

僅僅使用了一張圖，就充分展示并說明了所收集到的所有數據資料！一張圖的可視性、直觀性遠遠勝過了長篇大論的文字報告。后來世人稱南丁格爾為“數據可視化的先驅”，她被譽為“在統計的圖形顯示方法上，是一個真正的先驅”。1859 年，南丁格爾被選為英國皇家統計學會的第一個女成員，后來她還成為美國統計協會的名譽會員[3]。

3 數據可視化經典案例三（2020年）

2020 年疫情突發以來，央視新聞每天報道“多個省市區確診病例連續多日零新增”時（如圖3 所示），以及《人民日報》新媒體每天報道“新冠肺炎全球疫情形勢”時（如圖4 所示），數據統計結果的展示均采用的是我們久違了的“雞冠花圖”。

圖3 央視新聞每天報道“多個省市區確診病例連續多日零新增”數據

圖4 《人民日報》新媒體每天報道“新冠肺炎全球疫情形勢”數據

4 數據可視化經典案例四（Excel軟件）

目前已有各類圖表軟件可以完成數據可視化的工作，效果很好。以2009—2019 年淘寶天貓雙十一11 年交易額對比表[1]為例，借助我們最熟悉的Excel 數字圖表功能，對同一組數據可繪制出瀑布圖、柱形圖和旭日圖3 種不同類型的數據圖表，如圖5 所示。從圖中可看到，雖然圖表類型不同，但是它們所揭示的“交易額發展趨勢”卻是相同的，直觀清晰、一目了然。圖表的繪制工作也非常簡單，從數據到圖表的展示，只需一鍵便可完成。有興趣的讀者可以試試Excel“插入”圖表的“推薦圖表”功能。

再以4 月27 日—5 月10 日兩周14 天來全球214 個國家與地區以及美國、中國疫情統計數據為例（見表1），采用Excel 中類型為“堆積面積圖”的數字圖表進行數據可視化，數據分析的結果如圖6 所示。

圖5 2009—2019 年淘寶天貓雙十一交易額對比表及Excel 下的3 種數字圖表

表1 14 天全球214 個國家與地區以及美國、中國疫情數據統計對照表

圖6 4 月27 日—5 月10 日兩周內全球214 個國家和地區與美國的疫情數據統計

從表1 可知，4 月27 日—5 月10 日兩周14天內，全球累計確診由300.28 萬升至405.14 萬，新增105 萬例；累計死亡新增73 575 例。美國累計確診由96.59 萬升至130.97 萬，新增34.38 萬例；累計死亡新增23 923 例。這14 天內，中國累計確診由84 341 例升至84 435 例，新增94 例；累計死亡新增“0”例。其實，3 月10 日，武漢16 家方艙醫院就全部休艙了；3 月13 日，湖北新增疑似病例為“0”例；4 月26 日，武漢在院新冠肺炎患者清“0”。第一次感覺“關門大吉”這個詞是如此真切，第一次知道數字“0”是如此美好，歷此坎坷，記憶永存！

從圖6 中可以看出，全球214 個國家和地區的“新冠肺炎疫情形勢”與美國的疫情發展趨于一致。數據可以證明，美國作為超級大國，由于防控不當，這次確實“引領”了世界疫情蔓延的趨勢！

5 數據可視化經典案例五（霍普金斯大學全球疫情數據可視化平臺）

關注國際疫情的讀者一定對“據美國霍普金斯大學最新統計數據顯示......”這句話不陌生，因為這個風靡全球的疫情數據可視化平臺——霍普金斯大學新冠病毒病例數據，日訪問量平均為10 億次，最高曾達20 億次，在時效性、直觀性等方面超越了美國疾控中心（CDC），已成為全球權威信源。

霍普金斯大學的全球疫情數據可視化平臺如圖7 所示，除了各類統計數據的實時播報之外，還有依據214 個國家/地區的行政區劃圖，按確診病例人數標注地圖（Map）并二維平面顯示的功能。該平臺的成功，一方面在于其數據更新及時，另一方面也因為其優秀的數據展示形式——交互式“儀表盤”（dashboard）。事實證明，這一數據可視化方式非常適合疫情監控。不僅如此，目前該研究團隊更重要的目標是通過建立完善的數據，進而“模擬疫情動態、科學指導防疫”，讓我們看到了大數據應用于疫情防控的真正曙光！

圖7 霍普金斯大學全球疫情數據可視化平臺

圖8 所示為新冠病毒感染人數超過30 000 例的國家排名，數據來源仍為美國約翰斯霍普金斯大學。

圖8 新冠病毒感染人數超過30 000 例國家排名

全球最具影響力的霍普金斯大學全球疫情數據可視化平臺——實時追蹤COVID-19 的交互式網絡儀表盤，實質上是第三方數據整合的項目，最初由霍普金斯大學系統科學與工程中心兩名中國博士生董恩盛和杜鴻儒主導。從1 月22 日“儀表盤”項目上線開始，平臺經過不斷升級，兩個多月后成為今天的權威信源。“儀表盤”也可視為GIS 系統的典型應用，其研發采用了ESRI 公司的ArcGIS 系列開發工具。ESRI 公司是業內知名的地理信息系統（Geographical Information System，GIS）提供商。中國疾控中心就曾聯合ESRI 推出“新型冠狀病毒感染的肺炎疫情分布系統”，其功能與霍普金斯大學的“儀表盤”近似。眾所周知，GIS 可將地圖獨特的視覺效果和數據庫操作、地理分析功能集成在一起，已經在城市規劃設計、地理水文、交通測繪、移動通訊、公共衛生等很多行業得到了成功應用，特別是結合病例統計數、時間和地理信息形成的疫情地圖，是GIS 系統非常生動的應用。

6 結 語

靜態的Excel 圖表已使用近30 年了，社會現實中我們詮釋數據的方式和數據本身之間存在著巨大的鴻溝。想像閱讀書本一樣閱讀數據流，目前還只是IT 人追求的夢想，但使用數據可視化工具讀取識別和分析處理原始數據，一定會成為未來信息技術和互聯網技術的發展趨勢和工具模式。數據可視化領域未來將會融入更多更大的信息平臺，甚至完全建立在AI+VR+AR+Web3D（人工智能、虛擬現實、增強現實、3D 網頁和全息技術）之上！

目前國內外流行的大數據可視化工具和系統平臺很多，大多是既開源又專有的，并具有這些特征：能夠連接到其他軟件接收輸入數據，能夠處理不同類型的傳入數據，能夠在分析過程中與數據集進行交互、應用不同種類的過濾器調整結果，能夠為其他軟件提供輸入數據，如大數據可視化的一站式商店Jupyter、大數據和機器學習應用可視化平臺Tableau AI 等。受篇幅所限，這里僅列舉普遍受到用戶認可和歡迎的可視化工具軟件和系統平臺如下：

以上18 種可視化工具是大量在線或獨立的系統平臺和實用工具的一部分。使用這些工具可以幫助我們以更加優雅的方式呈現數據，將數據轉化為一系列清晰易懂的圖像圖表，甚至轉化為一段動漫演繹。原始數據本身可能看不出具有什么價值，但借助可視化所做的決策，幫助這些數據實現了其本身蘊含的驅動價值！這，就是數據可視化的應有之義。