資料視覺化對GIS的衝擊與差異
隨著Big Data在各項領域的應用成功，在Big Data的應用中，目前把過去較難整理資料視覺化，便成現在方興未艾的流行了，在眾多資料視覺化的案例中，我們常常會看到面量圖或地圖的使用，當然熟知這方面技術或已經使用很習慣，但當自己操作時往往卻發現常用的工具跟實際能將資料視覺化的工具差距甚遠，所以在一頭熱去鑽研時我們必須先透過觀察來瞭解目前資料視覺化與傳統地理資訊系統，甚至統計地圖製作差異在那邊。
過去我們在操作地理資訊系統上往往很關注不同圖資的套疊和組合，而在現在的資料視覺化的應用來說，精準無誤差的套疊不在是重要的關注，但相關資料整合、組合甚至重組，並且透過資訊技術手段處理，才是最大的關注項目，因此屬性資料的完整、可分析便是再把傳統GIS資料整合和視覺化的一大優勢，此外透過相關屬性資料的完整，不同資料間的交互分析，乃至於資料屬性中時序資料的使用則便成是我們現在常看到的資料視覺化的成果應用。另外雖說資料視覺化大家常看到容易閱讀的面量圖或統計地圖，但這些在傳統的地圖繪製上，往往不太合乎規範或慣例，反倒更以凸顯視覺效果為主，所以我們很常看見方便閱讀但長得很奇怪的密度圖、點子圖，實際上這也是現在相關資料視覺化技術的一大特性，畢竟目前發展技術的人多半不是從傳統地圖設計領域來的，所以在設計呈現方式就會以比較容易閱讀、傳達資訊為主，而一些地圖要有的必要條件或項目就不會太過要求，也常常發現地圖裡面常必須存在的比例尺、指北等往往也都沒有一定存在。
上面說了那麼多衝擊內容，那是否GIS和資料視覺化、Big Data是否就脫節或無關呢？當然不是，反倒現在這領域雖然實務的應用還沒很多，但國內這幾年相關技術與API的發展，實際上已經奠定了未來這些資料轉換成視覺化的一定基礎，例如：門牌定址服務與統計區概念的應用，都是將資料視覺化的好用工具。
首先介紹「門牌定址服務」，這是將文字資料轉換成空間資訊的基礎工具，過去我們有很多大量的文字資料，而只要資料中含有地址或其他空間描述（當然有經過整理或完整的地址是比較容易處理），便可以把純文字資料轉換為空間資料，或許這邊會有人問為何一樣的資料，國外在Big data這樣的處理不是很方便？事實上在這邊要說明一件事，就是我們地址填報的習慣和原始的地址資料庫太過不規範，所以往往只有人才找的到門牌，電腦需要透過大量的規則、演算才能將一般資料的門牌和系統去比對，阿！電腦不是會挑土豆？找門牌有啥困難，但若實際處理資料過後你就知道，我們過去各個需要填寫門牌的場合，所填的資料有多混亂了，可以參考民政司全國公職人員資料庫，你就知道為何我會說混亂了。
再來就是統計區的導入，這也是目前在資料視覺化技術統計地圖和面量圖的一個很好的工具，當然這邊不是要說明怎樣找合適的統計區尺度，而是說當資料透過統計區的整理後，就會便成統計區中的統計數據資料，而之後若要以空間視覺化呈現，便會更容易了，這邊補充說明一下，目前常見的資料視覺化的API也是透過google的相關內容，或是原本內建的可以量化的統計區圖形去進行資料視覺化的面量圖操作。
留言