A. 要做一个介绍大数据的PPT,求大神帮帮忙，感激不尽！
问题描述不清楚哟，不过还是提供点信息给你吧。
1.大数据是什么？怎么理解大数据？
数据就好比地球上的水，单个数据就是一滴水，小溪、河流、湖泊，对应不同的数据体量，所有的水最终汇到海洋，大数据就象地球上的海洋，它足够大，水滴足够多，多到用人工数不清楚，里面的资源超级丰富，那些资源也是数据。这么说，你明白大数据了吗？就是把超级多数据信息汇集到一起，然后在里面“钓大鱼”。
2.都说大数据有4V的特征，是什么意思？
大数据的4V，就是“容量大Volume”“多样性Variety”“价值高Value”“速度快Velocity”，同样以海洋为例：
A.容量大：地球表面有70%左右都是海洋，想想里面都有多少水滴？大数据时代，每一个人、每一件物品的信息、状态，都能够形成一系列随时更新的数据，数据量也呈现出指数级的增长；
B.多样性：海洋里面的物产非常多样化，就拿海鲜来说，小智一天吃一种，这辈子都可能吃不完一遍（所以小智不会纠结吃什么的问题），太平洋的海水和大西洋的海水是有区别的，不同地方海水里面蕴含的物质、生活的物种都有不同，海洋就是超级大宝藏，里面有原油、有萌宠、也有大白鲨之类的猎手……大数据也和海洋一样复杂，各种结构化、非结构化数据，汇成了数据海洋；
C.价值高：说到这个，资深吃货口水直流，海里好吃的有大龙虾、石斑鱼、三文鱼……更不用说其它宝贝啦，数据海洋里面各种资源同样丰富到极致，人们利用海洋，开发海洋中无穷的价值；
D.速度快，有两个层面的意思，一是海水流动快，二是随着技术的提升，我们对海水的利用也加快了速度（看看快艇、游轮的发展），毕竟嘛，先来吃肉、后来喝汤，这个道理，你懂的。
3.对大数据的处理，以海洋捕鱼为例：
通过技术手段，在茫茫大海中找到鱼群较集中的地点，这是数据挖掘；
捕到的鱼进行初步分类，把太小的鱼放回海中（养大了才好吃，原谅我是吃货），这是数据清洗；
然后把鱼运上岸，仔细分类，根据实际情况决定哪些鱼送到海鲜市场卖活的，哪些鱼用于做鱼干，这是数据分析；
鱼干、鱼罐头、鱼子酱、鱼肝油……目不暇接的海产品最终呈现在我们面前，此为数据可视化。
更多的，可进一步交流。
B. 大数据可视化大屏图表设计经验，教给你！
自从跟大家分享第一篇 《大数据可视化大屏设计经验，教给你！》 ，很多小伙伴都会问我一些相关的问题，看了小伙伴给我发的视觉稿，整体都还不错，但是发现图表的设计都有一些问题，大家可能对数据可视化的图表设计经验少一些，所以这篇文章就挖掘一下图表的细节表现，分享我曾经遇到过的坑和对图表设计的理解。
图表设计
图表设计概念
图表设计是数据可视化的一个分支领域，是对数据进行二次加工，用统计图表的方式进行呈现，也是数据可视化的核心表现，图表设计既要保证图表本身数据清晰准确、直观易懂，又要在找准用户关注的核心内容进行适当的突显，帮助用户通过数据进行决策。
下面分析三种常用的可视化图表设计：
折线图
折线图常用于表示数据的变化和趋势，坐标轴的不同对折线的变化幅度有很大的影响。
左图坐标轴设定的太低，折线变化过于陡峭，图中数值区间为（10-34）数据可视化的表现过于夸大了折线变化的趋势。
右图坐标轴的数值设定的太高，则折线变化过于平缓，无法清晰的表现折线的变化。
合理的折线图应当占据图表的三分之二的位置，图表的X轴数值范围应根据折线的数值增减变化而变化，这需要跟前端小哥哥小姐姐说明，做成动态计算。
折线图的折线粗细要合理，过细的折线会降低数据表现，过粗的折线会损失折线中的数据波动细节，视觉上较难精准找到折线点的相应数值！我通常用两个像素的线，看起来比较合适！
右图刻度线颜色过重，影响图表数据的表现，零基线跟图表内的刻度线对比不够明显，整体很乱。零基线是强调起始位置的，一般要比图表内的线颜色凸出一些。
条形图/柱状图
理想很丰满，现实很骨感。这个案例是我之前在工作中遇到的问题，数据进来后，被吓到了，问题的原因是没有跟前端小哥姐沟通好，他们把X轴写死，导致出现这种问题，其实应该情况要把这些图表的取值范围写成动态计算的。
例如，以现在数值范围为例，数据的最高值为18，X轴最高数值应该为25，当数据又上升一定的高度后，X轴再上升到相应的数值高度，这样避免了如右图的问题。
坐标轴的标签文字最好能水平排列， 当X轴标签文字过多时，不建议倾斜排列、上下排列、换行排列 文字多了这样的展示大大降低了阅读性！下图给出两个解决方案，大大提高标签文字的阅读性！
解决方案
柱子之间过于分散就会失去数据之间的关联性，过密就会变得数据之间没有独立性更不利于舒适阅读。
当柱子为n时，柱子直接的距离建议与n相差不要太大，柱子靠边的距离，最好是柱子之间的一半的距离，这样视觉上最为舒适。
饼图
左1图，不建议在饼图内与百分比数值一起显示，饼图本身的形状和大小，文字过多时容易溢出，如果出现一个2%一个1%，就很难辨别图形指向，这样也就失去了数据可视化的意义，PPT通常有这样的设计样式，因为是个死图。
左3图，人的阅读习惯是从左到右，从上到下，所以数据从大到小排列，更有助于阅读，图形也更具美感！
当饼图为检出率，或者一些重要信息检测的重点关注数据，就不建议大小数据顺时针排列，左1图这种情况一般很少出现，因为关注的是检出数值，展示未检出数据实为鸡肋，可能是极少情况的需要吧！
右图对于类似检出率的数据最为合适，直观清晰，没有无用数据干扰！
当饼图的标签维度过多时，就不适合把数据围绕饼图一周展示，会很乱，不易阅读，解决方案如右图！
图表分类图
分享一张图表分类大全，保存起来，设计数据可视化产品，会有重要参考价值！
这张图由设计师Abela对图表的各种特征进行了大致的概括总结。