隨著國內信息化系統的不斷建設，相關的數據量級已從TB級別躍升到PB級別，形成了名副其實的大數據。但是這些以往的海量數據大多只存在于垂直業務和單一應用中，數據過于分散且信息內容單一，而且缺乏有效的數據分析方法，數據處理效率低下，致使海量的數據無法被共享利用，嚴重制約信息化建設整體發展的速度。因此，需要通過信息化手段對已有各系統的海量數據進行整合、分類、歸納，搭建數據倉庫，實現有效的數據存儲與管理。

利用各種分析方法，對已有數據進行統計和分析，提供歷史數據的分析結果。幫助決策者能快速有效的從大量資料中，獲得有價值的分析結果，做出科學的決策，幫助建構商業智能(BI)。

近年來，數據挖掘理論及其技術研究和開發取得了較為快速的發展，其在各個領域應用有著非常廣闊的空間和潛力。數據挖掘成為解決數據處理難題的有效武器，并顯示出強大的生命力。數據挖掘主要依賴兩項技術：一是對某個領域各部門產生的各種業務數據進行整理和集成，搭建支持決策的數據分析環境，即數據倉庫；二是發現隱藏在各種監測數據之中的有用知識，即數據挖掘。

大數據可視化平臺通過直觀、生動、可交互、可個性化定制的數據可視化圖表，展示數據潛在的趨勢和內在的特性，賦予用戶極好的數據體驗。進入大數據時代，將海量數據以可視化平臺方式展示給用戶，例如動畫、視頻、動態交互式頁面、手機APP等，將數據以展示、推送、提醒、互動等模式提供給用戶。

大數據可視化常見數據分析可視化、趨勢可視化、工業生產可視化等形式。(1)趨勢可視化是在特定環境中，對隨時間推移而不斷動作并變化的目標實體進行覺察、認知、理解， 展示整體態勢。 (2)數據分析可視化廣泛用于政府、企業經營分析，包括企業的財務分析、供應鏈分析、銷售生產分析、客戶關系分析等。(3)工業企業中生產線處于高速運轉，由工業設備所產生、采集和處理的數據量遠大于企業中計算機和人工產生的數據，生產線的高速運轉則對數據的實時性要求也更高。破解這些大數據就是企業在新一輪制造革命中贏得競爭力的鑰匙。因此，工業生產可視化系統是工業制造業的選擇。

基于沃達德大數據平臺，通過對海量數據采集、處理、存儲、分析和數據挖掘，根據數據的特性，采用合適的可視化方式，將數據直觀地展現出來，以幫助人們認識數據、理解數據，同時找出包含在海量數據中的規律或者信息，預測未來發展趨勢，進行智能化決策分析，使得數據資產成為核心競爭力。