如今

数据可视化

已经成为了各个行业竞相追逐的一个词汇

从阿里巴巴的阿里云

到百度的百度图说

项目的前期数据分析

已经成为了市场经济下不可或缺的一环

同样

互联网的大数据背景

也为景观设计带来了新的契机

如何能让你的分析图

通过数据的支持

变得更加具有说服力

这是我们本次课程所希望达到的目的

4 种网络数据获取

OSM+DEM+POI+WEB DATA

课程共涉及到四种数据类型，分别为OSM矢量数据，DEM高程数据，POI城市信息点数据和WEB DATA网页数据。

一、OSM矢量数据

OSM是开源地图（OpenStreetMap）的简称，通过OSM地图我们可以获取到城市的矢量数据信息，并通过Grasshopper编程将数据可视化为具有城市肌理的底图或者城市的三维建筑模型。

OSM格式数据爬取分析图

网络案例

北京国贸附近城市3建筑模型

讲师自绘

二、DEM高程数据

数字高程模型（Digital Elevation Model)，简称DEM，是通过有限的地形高程数据实现对地面地形的数字化模拟（即地形表面形态的数字化表达）。

一般认为，DTM是描述包括高程在内的各种地貌因子，如坡度、坡向、坡度变化率等因子在内的线性和非线性组合的空间分布，其中DEM是零阶单纯的单项数字地貌模型，其他如坡度、坡向及坡度变化率等地貌特性可在DEM的基础上派生。

课程中通过对DEM高程数据的爬取，并借助Grasshopper等软件平台将其转化为可视的三维地形模型，并对其可以进行各类分析。

DEM高程数据爬取分析图

网络案例

DEM高程数据爬取分析图

网络案例

三、POI信息点数据

POI是“Point of Interest”的缩写，中文可以翻译为“兴趣点”。在地理信息系统中，一个POI可以是一栋房子、一个商铺、一个邮筒、一个公交站等。

课程中的POI信息点主要包括网站采集和手动爬取两种方式，在后期的数据处理部分主要以Power Map为主，同时也会介绍些Grasshopper平台下和可视化网站中的处理方法。

POI数据信息爬取分析图

网络案例

四、WEB DATA网络数据

网络数据是现实世界中最常用的数据类型之一。人与人之间的关系、城市之间的道路连接、科研论文之间的引用都组成了网络。

课程中主要通过火车头采集器、八爪鱼采集器等软件对数据进行获取，并在Grasshopper平台下搭建分析图逻辑处理数据。同时在这个部分也会介绍一些比较有趣的可视化网站。

Echarts官网首页

网络案例

8 次经典直播课

数据获取+分析图逻辑构建

一、课程整体结构

二、课程内容 

一、基础内容讲解

1.课程整体介绍

对课程整体内容的概述，通过具体的视频案例来解释数据可视化对设计产生的指导性作用，并对课程所涉及软件进行简单说明。

2.GH入门（数据结构及基本操作）

对Grasshopper里数据结构部分进行详细讲解，并通过建模案例进行演示。最后会以视频案例的形式介绍数据可视化当今比较前沿的研究。

GH入门数据结构讲解

作者自绘

二、DEM高程数据及OSM矢量数据爬取

1.OSM开源地图数据爬取

OSM开源地图提供了丰富的数据资源，通过Grasshopper，GIS，QGIS等软件的使用可以获得大量的矢量格式城市数据。课程主要介绍三种方法——（1）ELK1 and ELK2 爬取（2）QGIS爬取 （3）GlobalMapper

2.DEM高程数据爬取

DEM高程爬取主要用到谷歌地球，GETools，地理空间数据云等软件和网站，用于获得全球的地形数据以方便对场地的分析理解。课程主要介绍三种方法以及后期的地形处理——（1）谷歌地球爬取 （2）GlobalMapper爬取 （3）全能电子地图下载器爬取 （4）地形整理

城市OSM肌理底图 ——上海市

网络案例（课上临摹）

城市OSM肌理底图 ——利物浦

网络案例（课上临摹）

城市OSM肌理底图 ——马德里

网络案例（课上临摹）

城市三维建筑模型 ——巴黎

课上案例

城市三维建筑模型 ——柏林

课上案例

城市三维建筑模型——伦敦

课上案例

DEM地形获取

课上案例

World Imagery Map

课上案例

Atlas Shader Map

课上案例

Color Ramp Shader Map

课上案例

Daylight Shader Map

课上案例

Global Shader Map

课上案例

Gradient Shader Map

课上案例

HSV Shader Map

课上案例

Slope Direction Shader Map

课上案例

Slope Shader Map

课上案例

VCF Tree Cover Worldwide Map

课上案例

三、POI信息点爬取及网页信息爬取

1.POI点数据爬取

POI点是“Point of Information”的缩写，是主要以名称，经度，纬度构成的信息点。通过对POI点信息的爬取我们可以获得诸如各城市餐饮、酒店、公共设施以及风景区等的坐标信息，进而通过数据清理，算法编写等过程进行数据可视化的展示。

2.火车头网页信息爬取

火车头采集器是目前较为常用的网页数据爬取软件，通过逻辑的编写对网页源代码进行信息筛选从而获得所需数据。火车头采集器这类软件扩大了信息获取的渠道，对于没有编程基础的人来说更易上手，也可以作为学习python爬虫等知识的前期铺垫。

上海房价可视化GL版

网络案例（pissang作品）

Taxi routes of CapeTown

网络案例（pissang作品）

四、既定逻辑（一）——Power Map

1.图表类可视化（既定逻辑）

既定逻辑第一部分主要以Excel的数据可视化插件PowerMap讲解为主，包括PowerMap基础操作、区域分布图表制作、海量SHP信息转换导入制图、时间轴动态图表、动态3d表格图表、使用自定义底图制作图表几个部分。

Power Map图表类可视化

网络案例（课上介绍）

Power Map图表类可视化

网络案例（课上介绍）

Power Map图表类可视化

网络案例（课上介绍）

全国学校POI位置信息

课上案例

动态3d图表

课上案例

五、既定逻辑（二）和可变逻辑

1.图表类可视化（既定逻辑）

百度图说、BDP、infor.am、Echarts以及chartwell参数化字体的简单使用介绍。（Echarts简单介绍，详细使用之后会单开相关课程）

2.图表类可视化（可变逻辑）

通过Grasshopper的逻辑算法介入，对数据进行可视化建构。

Echarts官网首页

网络案例

网络数据可视化

课上案例

六、地形可视化（一）

1.地形可视化（一）

地形可视化部分是利用前面爬取的DEM地形数据生成的地形进行进一步分析，第一部分具体包括CAD高程点地形创建、高程分析、坡度分析、坡向分析、日照分析和地形模拟。课程会通过案例讲解部分Grasshopper电池的常用方法。

地形类分析日照 2015 AA Beijing Visiting School

讲师自绘（案例临摹）

七、地形可视化（二）

1.地形可视化（二）

地形可视化部分是利用前面爬取的DEM地形数据生成的地形进行进一步分析，第二部分具体包括道路坡度分析、视域分析、雨水径流分析、天际线限高分析和GIS相关地形分析。本节课程除了通过案例讲解部分Grasshopper电池的常用方法外还会涉及GIS在分析地形时的简单用法。

地形类分析雨水径流 2015 AA Beijing Visiting School

讲师自绘（案例临摹）

八、空间可视化

1.城市空间可视化

城市空间可视化部分是利用前面爬取的OSM空间数据生成的城市空间信息进行进一步分析，具体包括城市日照分析、城市视域分析、城市排水分析、人口密度分析、容积率和最短路径分析。本节课程通过案例讲解部分Grasshopper电池的常用方法。

基于时间轴的分析 2015 AA Beijing Visiting School

讲师自绘（案例临摹）

基于时间轴的分析 2015 AA Beijing Visiting School

讲师自绘（案例临摹）

基于时间轴的分析 2015 AA Beijing Visiting School

讲师自绘（案例临摹）

城市空间类分析 2015 AA Beijing Visiting School

讲师自绘（案例临摹）

5 次犀牛+GH基础扫盲课

韩大大精心录制的扫盲视频

本次课程为了照顾没有太多犀牛和Grasshopper基础的同学，为大家准备了韩大大精心录制的扫盲视频及相关案例文件，大家可以在正式上课之前先看这个视频进行一些基础学习。

写在最后

套用兽哥的话来说

数据可视化的魅力在于

你将可以用上帝的视角去理解这个世界

-这是一个用数据说话的时代-

  直播时间 

8月4日——8月26日，每周六、日晚上20：00—22：00+

授课：本页面直播+录播+课后辅导（2个月）

软件：犀牛5，GH+插件，ArcGIS，Global Mapper，Excel等

难度：不需要有犀牛和GH基础，即学即用。

 适合人群 

建筑、景观、规划设计专业学生 在职设计师

  课程费用  

课程原价899元/人

前10位报名学员699元/人

10-20位报名学员799元/人

（附赠：课程高清录屏 + 全套素材 + 课程相关配套辅导资料+2个月辅导期）

 报名方式 

报名前，欢迎咨询

下单时

请备注您的姓名和联系方式

（报名后，请加客服QQ：优优：2852357064   nini: 2852357065  知世：2852357063）

（PS：每个课程在电脑网页付完款后会有询问是否加教学群消息，请选择是，申请进教学群，此功能暂时只提供电脑网页，在APP与手机网页购买的用户请联系客服）

 联系我们 

为了优化工作效率、提供更好的服务，我们升级了用户咨询系统，取消原来的私号咨询方式，采用企业客服QQ统一咨询。

请加客服QQ号： 优优：2852357064   nini: 2852357065  知世：2852357063

课程入口大数据可视化分析

编辑 | AT

校对 | 堂哥

版权声明

本文由  &优优课 原创，禁止转载。

投稿邮箱

media@archcollege.com

大数据可视化第3期

（不限制专业︱建筑、景观、规划都可报名）

本期加量不加价

 讲师介绍 

小姨

大米营造studio创始人 

北京林业大学研究生毕业 

 课程定位 

如今，数据可视化已经成为了各个行业竞相追逐的一个词汇。从阿里巴巴的阿里云到百度的百度图说项目的前期数据分析已经成为了市场经济下不可或缺的一环，同样互联网的大数据背景也为景观设计带来了新的契机。如何能让你的分析图通过数据的支持变得更加具有说服力，这是我们本次课程所希望达到的目的。以此，设计数据可视化 | 大数据背景下的设计分析图课程。

 课程介绍 

课程旨在通过对数据的获取方式和应用实操的学习，能够使大家更好的利用网信息来为设计提供理论依据和指导。通过将多层信息整合为一个复杂系统的设计过程，将环境的，基础设施的，社会的，经济的因素纳入考虑，为最终设计的导向开拓思路。

软件：犀牛5，GH+插件，ArcGIS，Global Mapper，Excel

难度：不需要有犀牛和GH基础，即学即用。

 本次线上课程主要分为两个模块：

一.数据获取基础技能

教学知识点：

1. 各类数据的特点

2. 互联网开源数据的获取方法

3. 数据的清洗和应用方式

教学内容：

1. OSM开源地图数据爬取

2. DEM高程数据爬取

3. 城市POI数据爬取

4. 火车头网页信息爬取

扩展应用：

发现互联网城市数据源，主动探索开放api，理解城市研究的api应用。 

二.可视化分析图

教学知识点：

1. 有关图表类的可视化分析

2. 有关地形的可视化分析

3. 有关城市空间的可视化分析

教学内容：

1. Excel插件Power map与POI等数据的结合应用

2. GIS与POI等数据的结合应用

3. 地形可视化：地形创建，高程，坡度，日照，道路坡度，可视区域，雨水径流等

4. 城市空间可视化：日照，排水，人口密度，城市容积率，城市用地价值，最短路径等

扩展应用：

通过动态数据获得动态的分析图，结合三维空间的矢量变化，对设计做出正向反馈。

 课程架构 

 课程日程 

第1节课

犀牛入门（基本操作），GH入门（数据结构及基本操作）

第2节课

数据爬取（一）：OSM开源地图数据，DEM高程数据

第3节课

数据爬取（二）：城市POI数据爬取，火车头网页信息爬取

第4节课

可视化分析（一）：图表类可视化——Power Map制作动态图表应用

第5节课

可视化分析（二）：地形可视化——地形创建，高程分析，坡度分析，日照分析

第6节课

可视化分析（三）：地形可视化——道路坡度分析，可视区域分析，雨水径流分析

第7节课

可视化分析（四）：城市空间可视化——日照分析，城市排水分析，人口密度

第8节课

可视化分析（五）：城市空间可视化——（空间句法）最短路径分析，城市容积率

第9节课（福利课）

由韩锐给大家讲解图表数据可视化经验分享及案例

 课程案例  

-POI数据信息爬取分析图-

 -火车头网页信息爬取数据分析图-

 -OSM格式数据爬取分析图-

- 天气数据可视化图表 -

 -DEM高程数据爬取分析图-

 -DEM高程数据爬取分析图-

 -DEM高程数据爬取分析图-

 -Power Map图表类可视化-

 -Power Map图表类可视化-

 -Power Map图表类可视化-

 -基于时间轴的分析-

2015 AA Bejing Visiting School

 -基于时间轴的分析-

2015 AA Bejing Visiting School

 -基于时间轴的分析-

2015 AA Bejing Visiting School

 -地形类分析-

2015 AA Bejing Visiting School

 -城市空间类分析-

2015 AA Bejing Visiting School

 另外，由我们嘉宾讲师带来额外的福利课 

韩锐

微课堂创办人，现就职于RSAA建筑事务所

致力于建筑图解及数据可视化的研究

本期福利课讲师

- 图表数据可视化案例（韩锐） -

 开课时间与授课方式 

时间：11月21日开课，每周二，周六晚上8：00—10：00+

授课：本页面直播+录播+课后辅导（2个月）

软件：犀牛5，GH+插件，ArcGIS，Global Mapper，Excel

难度：不需要有犀牛和GH基础，即学即用。

 课程目标 

如今，数据可视化已经成为了各个行业竞相追逐的一个词汇。从阿里巴巴的阿里云到百度的百度图说项目的前期数据分析已经成为了市场经济下不可或缺的一环，同样互联网的大数据背景也为设计带来了新的契机。如何能让你的分析图通过数据的支持变得更加具有说服力，这是我们本次课程所希望达到的目的。以此，设计数据可视化

 适合人群 

•  建筑、景观、规划设计专业学生 在职设计师

 课程费用 

课程原价899元/人

前20位报名学员699元/人

20-50位报名学员799元/人

（附赠：课程高清录屏 + 全套素材 + 课程相关配套辅导资料+2个月辅导期）

 报名方式 

（点击跳转报名页面）

欢迎咨询，咨询时请备注“大数据第3期”

下单时

请备注您的姓名和联系方式

付款后

客服会把你拉入专属课程教学QQ群以及微信交流群

 联系我们 

QQ在线咨询

【咨询QQ】

QQ：2354572203（ ）

【咨询微信】

jzxy-kf（堂哥）

jzxxt1314（学堂小姐姐）

（客服在线时间：工作日9：00-22:00，周六周日10:00-20:00）

在这个大数据时代，大数据其实跟我们没有什么关系。但是我们有一些小数据。

秘密的设计

向帆

谢谢大家来，我叫向帆。我们现在每天都听到人们在谈大数据，大家都觉得大数据特别地神奇。但你有没有想过，这个大数据跟你有什么关系？你可以买大数据吗？你家的硬盘可以放下大数据吗？你从来不能拥有大数据，大数据不是你的。

你可以说我不需要拥有大数据，我总可以用吧。但如果你不会写代码，其实你也不会用。那你说我是一个用户啊。对，我们共同拥有一个名字，叫用户。而用户有什么权利呢？用户只能是选择给钱或者不给钱，用收费的还是免费的。

给钱也行，但你不觉得是人家开发什么你就用什么吗？它能满足你的愿望吗？往往有时候我们还没有愿望的时候，它们就被开发出来了，然后我们就跟着有了愿望。比如说我们按照微信规定的方式开始游玩，因为那个游戏是他们发明的。

所以我一直在想，其实到现在为止，这些软件并没有解决我内心很多真正想解决的问题。社交软件最多解决的就是社交，无法改我变内心的焦虑。

我是清华大学的老师，我最焦虑的是什么？我最焦虑的就是我经常上课的时候，学生都看着我，就像你们现在都看着我一样，但我不知道他们是谁。我对他们一无所知。

这个事情我应该怎么办呢？在很多年前我就想了一个办法。那个时候他们都用QQ，我想QQ有可能是真实的他们。后来我指导2010年的毕业生王赢用QQ班群里的数据来做了一个毕业设计。

比如说你可以观察一个同学的在线时长，他有太阳、月亮、星星，如果他有很多太阳的话就是他经常在线；另外看看他们QQ有多少朋友、他在班群里面是不是经常发言。我让他帮我跟踪几个月，看看我们能看到什么。

我们获得这些班级的数据以后，就把它转化了一下形态。女生是粉红色的，男生是蓝色的。如果他的好友越多，他的身体就会越胖。如果他在线的时间越长，他的头发就越长。我们还做了一个圆圈的嘴，如果他特别爱发言，嘴巴就会越大。这样我们就可以组合出来班里有一些什么样的人物。

结果我们就看到这样一班小怪物。虽然大家看上去都是一样的同学，实际上人人都非常不一样。

尤其不一样的，比如说这三个同学。

左边第一个，是个美女，不上网也有很多朋友。中间那个男生他特别爱讲话，而且他特别爱上网，但没人跟他交朋友。然后右边这个女生，她又有朋友，又爱上网，但她就是不说话。你会觉得她很神秘，你会奇怪她这朋友怎么交的呢，不说话还能有这么多朋友。是不是很好玩？

这种方式让我们都觉得特别有趣，就是这样一个小游戏，可以让你看到眼前的人背后的性格，作为老师这对我来说是一个很好的观察方式。

同时我也有许多自己的烦恼。很久以前我就会在深夜里写博客，我坚持写了一段时间。有一次我的师兄跟我说，你知道吗？有一些网站，你去拷贝一段代码，你不用学代码，你拷贝一段然后把它埋进去，你就可以知道谁来看过你的博客。

我当时听完心里一惊。我想，真的吗？如果有那么好的话，那我也许可以看一看，有一个人他是不是来看过我的博客。这个代码非常神奇，只要拷贝粘贴就好了，就可以跟踪来看我博客的人。

我可以看他们看得非常清楚。比如说他是几点来的，从哪来的，他是什么电脑，他的浏览器是什么版本的，他使用了什么样的电信服务，还有他来了以后在我的网站上浏览了哪些页面。

这是一个等待的地方。我可以去观察，他是不是从我希望的那个城市来，从我希望的那台电脑来，他的工作性质可能决定他用什么样的系统。我希望他能出现。我大概等了一年多，确实等到了不少人。像有些人他会老来，但是我不知道他是谁。

后来我发现有一个人，也就是下面我标方框的那个人，她来自于成都，用一台比较旧的电脑，还在用Windows XP。这个系统已经早就被替换了，已经没什么人用了，并且她还在用IE的浏览器。这个人最稳定，是来得最勤的、最关心我的一个来访者。

这个人我可以大概猜到是谁，她应该就是我的妈妈。

这样一种希望看到来访者的心态，我不知道大家有没有，但有人一定有相同的感受，我估计他就是LinkedIn的开发者。

比如我登录LinkedIn的时候，它会告诉我，这段时间有7个人来看过你。这7个人是谁啊？你可能特别想知道。

然后它就给你看照片。这4个人是谁谁谁，我大概都认识。

但是右边你看有3个灰的人被隐藏了，他们是谁？它说对不起，他们已经付费了，他们不让你看见他是谁。那我觉得LinkedIn实在太聪明了，它了解人心。它知道你心里在想什么，它也许知道你在等，所以它为自己开发了一个很好的商业模式。

现在你再回想一下你正在使用的微信，微信会告诉你这些吗？你知道发出来一张照片有多少人在看吗？可能你没有概念，你一开心就发了。我前两天发了一条朋友圈，有6个人点赞。也就是说有6个人愿意告诉我，他们经过了我的窗前。

那我实际有多少好友呢？1366个。

如果微信能够向我们发出这样的信号的话，可能你会犹豫一下。只有6个人理我，我还该不该发呢？或者说有1366个人同时看着你，你可能路都不会走了。但是微信到目前为止都没有暗示过任何这样的信息，以至于我们所有的人都在盲用这个产品。

微信整个的开发其实是回到了原点，把最简单的给你用，但是在保护隐私、在培养你的数字产品修养上面，他们几乎没有负任何责任。当我发出这条朋友圈的时候，它不仅仅是一次表达，我们每个人应该要去了解，可以观看的受众的体量到底有多大。这样一种体量如果能让人意识到的话，那对于我们今天如何安全地使用网络，对于人的隐私保护就会特别有帮助。

在虚拟世界我们会不想遇到一些人。但在真实的世界里面我们其实想相遇很多人。我第一次去洛杉矶的时候非常激动，因为洛杉矶对我来说就是八卦新闻。

所有的明星都住在洛杉矶，一不小心你就会碰见谁在你旁边买菜，这实在是一个让人非常非常兴奋的事情。后来我在好莱坞附近住了三个月。

但我从来没有碰到过明星。我每天碰到很多游客，这些游客都好像来找恐龙一样。因为地上有明星在水泥上按的手印、签名什么的，他们像考古科学家一样发现一个个恐龙的遗迹。

而洛杉矶不应该是这样的，洛杉矶应该是有很多明星，甚至让你感受到那些明星就在身边，这座城市对我来说才有意思。

后来我就想，那我可以为洛杉矶做一点什么？也许我可以把所有八卦的消息收集起来，它终归是有时间、地点和人物的。有这三个信息，就可以形成一个时空矩阵。

这样沿着日落大道走来，我们就会知道谁从这儿经过，谁曾在这里跟谁在一起，在哪个年代。这是一个虚拟空间，带上手机，手机有GPS地理信号，随着你在空间移动，我们就可以虚拟地去相遇曾经这里的人，知道谁曾经也在这里。

于是我就设计了这样一个软件，当你在洛杉矶开启它，走到有些地方手机就会告诉你，嘿，谁正在离你越来越近。

比如此刻你在手机上看到赫本，就说明她曾经在附近发表过演讲。你说你太老了，我跟你不是一代的，那你可以滑动右边的时间滑条，选择前往另一个时代。

通过这样的方式，我们可以跟物理的空间更加亲近，虽然实际上非常地陌生。我总觉得这样一种探索世界的方式会更有意思。

在美国生活的时候，我最喜欢做的就是开车出去旅行。我最想去的城市之一就是西雅图。西雅图被称为音乐之城，这个城市发生了很多乐队的故事。很多乐队在这里诞生，很多歌手在这里成名或者死亡。

但是当你开车走在城市里，你拥有的只是一张无声的地图。于是我在想，为什么一个音乐的城市只给每个游客一张相同的地图？地图可以听见声音吗？

那我怎么样解决呢？我想我可以把曾经发生在西雅图的音乐事件、在这里诞生的音乐，定点标记在这个城市不同的角落，让每一首音乐占有一个空间。

就像我现在站在这块圆的地毯上一样，我只要站在这里，这首歌就归我，这个圆的大小取决于歌曲的长度。

当每首歌拥有了自己的空间，我们根据历史记录赋予它地点，整个城市的街道就成为了一个可以穿越的音乐长廊。而且声音会互相叠加，互相有机会转换。随着你一边开车，你就像在实体空间里面做DJ一样，可以自己混响音乐。

然后我做了一个原型，自己开车去体验了一把。左边是我在开车，右边是我所在的位置。

每个人开车穿越这些街道，由于他的路线不同，都会由自己的路线组合而成不同的西雅图音乐。 

回到中国以后，我们国家有很多让我作为中国人都非常困惑的东西。比如说，中药、太极，比如广东人会说这个东西热气，那个东西有凉气，你经常不知道这个气到底何在。面对中国这种很悬的、古老的文化，我经常会手足无措、不能理解。我希望用我的方式去解读它。

然后我就针对太极，去收集了一个打陈式太极拳的人的手脚的移动数据，我希望可以看见那个看不见的文化的形状。开始的时候我们把数据放到软件里面去，它就只能画几个线，我自己也没看懂。

现在很多人在谈数据的可视化、视觉化，这些东西都能看见，但你看得懂吗？其实你看不懂。我们想了很久怎么样才能够看得懂，这件事我们研究了很久，换颜色换线条。

所以有时候可见的东西，反而会让人越看越不明白。最后我们发现，手和脚在有些点上面停留的时间比较长。也就是说太极不仅仅关乎移动，可能还和停顿、韵律有关系。

我们把这个韵律就转向了深浅的变化。有了这样一个深浅的变化，它就有了一点国画的感觉。那我们就让太极来画一幅国画吧。

这幅国画画好以后我其实认为它没什么用，我就把它上传到优酷上面，也没管它。到昨天给一席的工作人员看的时候，发现竟然有这么多人看。那很奇怪，这个东西连我自己都不看，有3000多人看。谁在看它呢？仔细一看发现，都是搞太极的人在看。

为什么自己搞太极的人，还要看我这个不懂太极的人做的东西呢？我想这段视频可能让熟悉太极拳的人，看到了没有见过的太极拳的风景。

我是一个在中国教书的人，我身在大学中，但是我也想知道我所熟悉的大学到底是什么样子的。我常常通过上网去了解我的学校究竟发生了什么。但如果你去看中国各大艺术院校的网页的话，你基本是看不到学生的，看到的都是领导，领导在开会。

换一所学校，还是领导在开会。

通过这种方式，我确实很难理解我所身处的这所学校在发生着什么。

于是我就把各个大学的网站，中国的美术学院，还有美国的和英国的艺术院校的机构图谱，以及公布的机构信息下载下来，我想看一下这些学校的院系结构有什么不同。

分完以后你就看到各个学校真的长得挺奇怪的。从结构来说，它们就像是不同的生物一样。对比一下，左边是中国的一所美术学院，右边是两所美国的美术院校。这三所学校一比较，你看一下咱中国有多少院长。

我们把所有的院系拉出来看一看，每个学校就有了自己的样子。你可以看到左边都是中国的学校，右边都是英国的和美国的学校。

整体比较而言，你会发现，美国的学校都很“小”，左边的中国院校都很“大”，那为什么我们这么“大”，为什么我们有这么多层级呢。作为一个专业老师来说，这个图也能够帮我明白，我自己在什么位置上。我们还做了一个动态的效果，希望你们能看到每个大学就像一个活体一样，可以看到它在怎样的变化。

后来我就把这样一个景观放在了一次中国设计教育的展览上面。我想提供大家另外一种去观察中国和国际艺术教育的角度。

回到国内经常可以跟父母在一起，跟父母在一起有一个头疼的事情，就是过春节你一定要回去，而且你得陪他吃年夜饭，你得陪他看电视，一看看5个小时，并且每年你都觉得看的是一样的。

每年春节晚会，大家都觉得是一样的。我就在想它是不是真的一样？我希望以一种更鸟瞰的方式看春晚。我们可以先把这个朱军都缩小，获得一个宏观的景观再来看。

然后我就用一段段代码把每秒钟的春晚视频吃进了我的电脑里面。

这是2012年的春晚的开头15分钟。

这个是中国春晚的30年，最右边是2012年，最左边是1983年，左上角那大片蓝紫色是一段当年的手工动画。你会看到春晚整体越来越红了。

如果你再仔细看会看到更多的信息，你会看到春晚的变化其实也是中国电视技术的变化。比如剪辑速度、屏幕、现场灯光等等都在变化。这背后隐藏了非常多的因素。我想这应该是你人生第一次这样看电视。

当我们把年份打破，把每一秒按照颜色来排列的时候，这就是整个春晚的色彩。

那我们最后再改变这个时间线会是什么样子呢？如果你这样去看的话，你会看到一个宇宙，像一个瞳孔一样。

如果把每年的春晚都像蚊香一样卷起来的话，它就是这样的。你会看到每年春晚是不是很不一样？但你总觉得它是一样的。我觉得这对春晚来说是一个很好的话题，你们为什么每年都那么努力，做的都那么不一样，大家觉得还是一样？

这是我小时候。我回到中国以后，非常希望能够努力地工作，让我父母开心。我爸爸是一个画家，他一直都想在全国美展获奖。我很小的时候就跟他去看美展，但我爸爸没有获过奖，所以我想我应该去获得一次，让他开心。

刚好2014年我在中国美院开会，全国美展的油画获奖作品就在杭州举办展览，我就专门去看了一下。我们总要看一下隔壁家小明到底有多优秀是吧？刚进展厅的时候，我旁边同行的人就跟我说，你知道吗，这个是有规律的，今年沙发上的女人特别多。

我一看，这个人还说得挺准的。

走两步，我又发现一个女人在沙发上。

再走两步，还有。

实际还不止这些。那天我看完以后就有点懵了，难道这是一个新的趋势吗？

而且我知道一个被我证实了的老的趋势，就是只要画丰收，比如少数民族在丰收，或者说是老大娘、老大伯在捡麦子什么的，也容易获奖。

后来我在想那到底是不是有规律呢？我和我的学生，还有包括我的同事们一起努力，在图书馆里一本一本去找当年每一届全国美展的获奖作品资料。最后历经半个月的搜集和扫描，一共整理了2276张获奖作品。

我们首先最好奇的是，什么颜色的作品最容易获奖呢？我们把作品进行了颜色的分类。最后发现，如果说下面这个画面是立体的，在黄红色的那个区应该可以堆起来非常非常厚的作品，它们都集中在这个颜色。这是第一个发现。

那应该画什么题材呢？应该画多大呢？这就是按照每一张画的大小进行分类的。当你这样一分类的话，你会感叹，画大的画有那么大，画小的画那么小，小到只有一张A4纸大。然后你会发现右下角画得特别大的，都是革命题材。

看到这张图的时候我们以为是数据出错了，因为有两张特别像。一查发现，看着很像，实际上是两张画。也就是说这个艺术家他在十年里面画了两张非常相似的画，都获得了国家艺术的奖项。这个人为什么会这样呢？因为我们是做设计的，我们不可能用同一个设计稿在同一个奖项去评两次奖。

这种情况是不是少见呢？我们发现他不是唯一的。这个人拿了三次奖。

于是我们就把多次获奖者的作品全部都找出来，现在你看到一纵列就是一个人的作品。像不像？大家可以自己去判断。

还有一个问题也很重要，什么样的年龄更容易获奖？看完这个结果我很欣慰，我离最高峰的获奖年龄还有十年时间。同时你也会看到，全国美展正在成为一个接近退休的人的展览。

那天我们做完这些数据分析以后，就发布在公众号上。后来来自全国美院的同事都跟我说，你刷屏了。既然大家都喜欢，而这个数据又是我们从公共空间获得的公共的数据，就应该把它分享给所有人。而且我们得到的结论也是有限的，有人还可以从这个数据中发现更多的秘密。

所以我们把它发布到了网上。这个交互的网站叫做Award Puzzle，找到这个网站以后你可以自己去探索更多的秘密。总的来说，这个平台是这样玩的。

结论就是，统计性地来说，如果你这样画肯定能赢：一个少数民族妇女坐在窗前的沙发上，旁边最好还有一头牛。

这个网站的设计帮助我们赢得了 Science 杂志去年主办的数据故事比赛，跟我们一起获奖的是美国国家实验室NASA、拉莫斯国家实验室，还有Climate.gov国家气象实验室。

我们当时看到他们公布结果的时候非常地震惊。因为我开启这件事情仅仅是想得一个奖，结果最后我们跟科学家一起获奖。他们用的是航天的数据、太空的数据，而我用的仅仅是网上和书里搜集的一些图片的数据而已。我没有大数据，我的数据非常小。

在这个大数据时代，大数据其实跟我们没有什么关系。但是我们有一些小数据。我们做的事情让我想到了日本一个当代艺术家关根伸夫的作品。

他就是在地上挖个坑，把坑里面的土再堆起来给你看。实际上他让你看到什么呢？这个草地表象背后的本质。这可以让你看很久，它看起来好像比草地还要丰富。

而我们做的事情，其实就是把你靠肉眼观察，无论多么辛苦都看不到的东西，想办法转化为你能看到的，并且愿意看的东西。

谢谢大家。

 感谢 一席 授权分享

欢迎关注他们的微信公众号

微信号：yixiclub