所謂大數據可視化，也被稱為大數據看板，是由運行系統的數據+統計、分析、預測最后統一表達在軟件界面的結果。 從概念上來看： 數據可視化這一概念自1987年正式提出，經過30余年的發展，逐漸形成3個分支： 科學計算可視化（scientific visualization） 信息可視化（information visualization） 可視分析（visual analytics） 近些年來，這3 個子領域出現了逐漸融合的趨勢。通常統稱為“大數據可視化”。

所謂大數據可視化，也被稱為大數據看板，是由運行系統的數據+統計、分析、預測最后統一表達在軟件界面的結果。
從概念上來看：
數據可視化這一概念自1987年正式提出，經過30余年的發展，逐漸形成3個分支：
科學計算可視化（scientific visualization）
信息可視化（information visualization）
可視分析（visual analytics）
近些年來，這3 個子領域出現了逐漸融合的趨勢。通常統稱為“大數據可視化”。
從技術上來說，大數據可視化分析的實施步驟主要有四項：需求分析，建設數據倉庫/數據集市模型，數據抽取、清洗、轉換、加載(ETL)，建立可視化分析場景。
1)需求分析
需求分析是大數據可視化項目開展的前提，要描述項目背景與目的、業務目標、業務范圍、業務需求和功能需求等內容，明確實施單位對可視化的期望和需求。包括需要分析的主題、各主題可能查看的角度、需要發泄企業各方面的規律、用戶的需求等內容。
2)建設數據倉庫/數據集市的模型
數據倉庫/數據集市的模型是在需求分析的基礎上建立起來的。數據倉庫/數據集市建模除了數據庫的ER建模和關系建模，還包括專門針對數據倉庫的維度建模技術。維度建模的關鍵在于明確下面四個問題：
哪些維度對主題分析有用?
如何使用現有數據生成維表?
用什么指標來"度量"主題?
如何使用現有數據生成事實表?
3)數據抽取、清洗、轉換、加載(ETL)
數據抽取是指將數據倉庫/集市需要的數據從各個業務系統中抽離出來，因為每個業務系統的數據質量不同，所以要對每個數據源建立不同的抽取程序，每個數據抽取流程都需要使用接口將元數據傳送到清洗和轉換階段。
數據清洗的目的是保證抽取的原數據的質量符合數據倉庫/集市的要求并保持數據的一致性。
數據轉換是整個ETL過程的核心部分，主要是對原數據進行計算和放大。數據加載是按照數據倉庫/集市模型中各個實體之間的關系將數據加載到目標表中。
4)建立可視化場景
建立可視化場景是對數據倉庫/集市中的數據進行分析處理的成果，用戶能夠借此從多個角度查看企業/單位的運營狀況，按照不同的主題和方式探查企業/單位業務內容的核心數據，從而作出更精準的預測和判斷。

億信華辰大數據可視化分析平臺-億信ABI
億信華辰成立于2006年10月，基于核心大數據分析和數據治理產品，覆蓋200多個細分行業，包括政務、銀行、租賃、制造、能源、衛生、教育等，覆蓋全國90%省市財稅局，金融租賃市場占有率85%，覆蓋全國90%的省市衛健委。
主要產品為億信ABI，億信ABI技術自主可控，它打通從數據源接入，到數據采集、數據處理，再到數據分析和挖掘，覆蓋數據分析完整流程，實現數據填報、處理、分析一體化，可滿足企業經營中各類復雜的分析需求。在可視化分析方面支持復雜報表、Dashboard、3D可視化、大屏分析、GIS地圖、預測挖掘等，在自助式分析方面支持敏捷看板、即席報告、幻燈片、移動分析等分析方式。