A. 要做一個介紹大數據的PPT,求大神幫幫忙，感激不盡！
問題描述不清楚喲，不過還是提供點信息給你吧。
1.大數據是什麼？怎麼理解大數據？
數據就好比地球上的水，單個數據就是一滴水，小溪、河流、湖泊，對應不同的數據體量，所有的水最終匯到海洋，大數據就象地球上的海洋，它足夠大，水滴足夠多，多到用人工數不清楚，裡面的資源超級豐富，那些資源也是數據。這么說，你明白大數據了嗎？就是把超級多數據信息匯集到一起，然後在裡面「釣大魚」。
2.都說大數據有4V的特徵，是什麼意思？
大數據的4V，就是「容量大Volume」「多樣性Variety」「價值高Value」「速度快Velocity」，同樣以海洋為例：
A.容量大：地球表面有70%左右都是海洋，想想裡面都有多少水滴？大數據時代，每一個人、每一件物品的信息、狀態，都能夠形成一系列隨時更新的數據，數據量也呈現出指數級的增長；
B.多樣性：海洋裡面的物產非常多樣化，就拿海鮮來說，小智一天吃一種，這輩子都可能吃不完一遍（所以小智不會糾結吃什麼的問題），太平洋的海水和大西洋的海水是有區別的，不同地方海水裡面蘊含的物質、生活的物種都有不同，海洋就是超級大寶藏，裡面有原油、有萌寵、也有大白鯊之類的獵手……大數據也和海洋一樣復雜，各種結構化、非結構化數據，匯成了數據海洋；
C.價值高：說到這個，資深吃貨口水直流，海里好吃的有大龍蝦、石斑魚、三文魚……更不用說其它寶貝啦，數據海洋裡面各種資源同樣豐富到極致，人們利用海洋，開發海洋中無窮的價值；
D.速度快，有兩個層面的意思，一是海水流動快，二是隨著技術的提升，我們對海水的利用也加快了速度（看看快艇、游輪的發展），畢竟嘛，先來吃肉、後來喝湯，這個道理，你懂的。
3.對大數據的處理，以海洋捕魚為例：
通過技術手段，在茫茫大海中找到魚群較集中的地點，這是數據挖掘；
捕到的魚進行初步分類，把太小的魚放回海中（養大了才好吃，原諒我是吃貨），這是數據清洗；
然後把魚運上岸，仔細分類，根據實際情況決定哪些魚送到海鮮市場賣活的，哪些魚用於做魚干，這是數據分析；
魚干、魚罐頭、魚子醬、魚肝油……目不暇接的海產品最終呈現在我們面前，此為數據可視化。
更多的，可進一步交流。
B. 大數據可視化大屏圖表設計經驗，教給你！
自從跟大家分享第一篇 《大數據可視化大屏設計經驗，教給你！》 ，很多小夥伴都會問我一些相關的問題，看了小夥伴給我發的視覺稿，整體都還不錯，但是發現圖表的設計都有一些問題，大家可能對數據可視化的圖表設計經驗少一些，所以這篇文章就挖掘一下圖表的細節表現，分享我曾經遇到過的坑和對圖表設計的理解。
圖表設計
圖表設計概念
圖表設計是數據可視化的一個分支領域，是對數據進行二次加工，用統計圖表的方式進行呈現，也是數據可視化的核心表現，圖表設計既要保證圖表本身數據清晰准確、直觀易懂，又要在找准用戶關注的核心內容進行適當的突顯，幫助用戶通過數據進行決策。
下面分析三種常用的可視化圖表設計：
折線圖
折線圖常用於表示數據的變化和趨勢，坐標軸的不同對折線的變化幅度有很大的影響。
左圖坐標軸設定的太低，折線變化過於陡峭，圖中數值區間為（10-34）數據可視化的表現過於誇大了折線變化的趨勢。
右圖坐標軸的數值設定的太高，則折線變化過於平緩，無法清晰的表現折線的變化。
合理的折線圖應當占據圖表的三分之二的位置，圖表的X軸數值范圍應根據折線的數值增減變化而變化，這需要跟前端小哥哥小姐姐說明，做成動態計算。
折線圖的折線粗細要合理，過細的折線會降低數據表現，過粗的折線會損失折線中的數據波動細節，視覺上較難精準找到折線點的相應數值！我通常用兩個像素的線，看起來比較合適！
右圖刻度線顏色過重，影響圖表數據的表現，零基線跟圖表內的刻度線對比不夠明顯，整體很亂。零基線是強調起始位置的，一般要比圖表內的線顏色凸出一些。
條形圖/柱狀圖
理想很豐滿，現實很骨感。這個案例是我之前在工作中遇到的問題，數據進來後，被嚇到了，問題的原因是沒有跟前端小哥姐溝通好，他們把X軸寫死，導致出現這種問題，其實應該情況要把這些圖表的取值范圍寫成動態計算的。
例如，以現在數值范圍為例，數據的最高值為18，X軸最高數值應該為25，當數據又上升一定的高度後，X軸再上升到相應的數值高度，這樣避免了如右圖的問題。
坐標軸的標簽文字最好能水平排列， 當X軸標簽文字過多時，不建議傾斜排列、上下排列、換行排列 文字多了這樣的展示大大降低了閱讀性！下圖給出兩個解決方案，大大提高標簽文字的閱讀性！
解決方案
柱子之間過於分散就會失去數據之間的關聯性，過密就會變得數據之間沒有獨立性更不利於舒適閱讀。
當柱子為n時，柱子直接的距離建議與n相差不要太大，柱子靠邊的距離，最好是柱子之間的一半的距離，這樣視覺上最為舒適。
餅圖
左1圖，不建議在餅圖內與百分比數值一起顯示，餅圖本身的形狀和大小，文字過多時容易溢出，如果出現一個2%一個1%，就很難辨別圖形指向，這樣也就失去了數據可視化的意義，PPT通常有這樣的設計樣式，因為是個死圖。
左3圖，人的閱讀習慣是從左到右，從上到下，所以數據從大到小排列，更有助於閱讀，圖形也更具美感！
當餅圖為檢出率，或者一些重要信息檢測的重點關注數據，就不建議大小數據順時針排列，左1圖這種情況一般很少出現，因為關注的是檢出數值，展示未檢出數據實為雞肋，可能是極少情況的需要吧！
右圖對於類似檢出率的數據最為合適，直觀清晰，沒有無用數據干擾！
當餅圖的標簽維度過多時，就不適合把數據圍繞餅圖一周展示，會很亂，不易閱讀，解決方案如右圖！
圖表分類圖
分享一張圖表分類大全，保存起來，設計數據可視化產品，會有重要參考價值！
這張圖由設計師Abela對圖表的各種特徵進行了大致的概括總結。