CN109923568B - 用于数据分析的移动数据洞察平台 - Google Patents

Abstract

本文提供了用于移动数据可视化框架的系统、方法和软件。示例性方法包括：确定用于在移动计算设备上呈现的、描述对目标数据集的分析的数据洞察候选者，所述数据洞察候选者是至少基于与处理一个或多个过去数据集相关联的数据分析偏好来确定的，并且其中，所述数据洞察候选者中的每一者包括针对目标数据集的至少一个洞察对象并且由对象元数据描述，所述对象元数据至少指示用于产生至少一个洞察对象的处理沿袭。所述方法包括：至少基于移动计算设备的属性来选择用于在移动计算设备上显示数据洞察候选者的呈现细节级别，以及生成用于在移动计算设备上呈现的一个或多个洞察视图。

Description

用于数据分析的移动数据洞察平台

背景技术

各种用户生产力应用允许数据输入和分析。这些应用可以使用电子表格、演示文稿、文档、消息传递或其他用户活动来提供数据创建、编辑和分析。用户可以将与这些生产力应用的使用相关联的数据文件存储在各种分布式或云存储系统上，以便只要有合适的网络连接，就可以访问这些数据文件。通过这种方式，可以提供灵活且便携的用户生产力应用套件。

然而，信息技术行业不断增加信息量以及信息源的数量。由于庞大的数据量或者可用于管理和呈现数据和相关联的分析结论的选项数量，用户可能很快就会被数据分析所淹没。此外，组织内的用户很难利用同事的数据和分析，并在小形状因素设备(例如，智能手机和平板电脑)和大形状因素设备(例如，台式计算机)之间切换的同时利用数据分析。

发明内容

本文提供了用于移动数据可视化框架的系统、方法和软件。示例性方法包括：确定用于在移动计算设备上呈现的、描述对目标数据集的分析的数据洞察候选者，所述数据洞察候选者是至少基于与处理一个或多个过去数据集相关联的数据分析偏好来确定的，并且其中，所述数据洞察候选者中的每一者包括针对所述目标数据集的至少一个洞察对象并且由对象元数据描述，所述对象元数据至少指示用于产生所述至少一个洞察对象的处理沿袭(lineage)。所述方法包括至少基于所述移动计算设备的属性选择用于在所述移动计算设备上显示所述数据洞察候选者的呈现细节级别，以及生成用于在所述移动计算设备上呈现的一个或多个洞察视图。

提供本概述是为了以简化的形式介绍对将在下面的具体实施方式中进一步描述的构思的选择。可以理解，本概述不旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用于限制所要求保护的主题的范围。

附图说明

参考以下附图可以更好地理解本公开的许多方面。虽然结合这些附图描述了若干实施方式，但是本公开不限于本文公开的实施方式。相反，其目的是涵盖所有替代方案、修改和等同物。

图1示出了示例中的数据洞察环境。

图2示出了示例中的数据洞察环境的操作。

图3示出了示例中的数据洞察环境的操作。

图4示出了示例中的数据洞察环境的操作。

图5示出了示例中的数据洞察环境的操作。

图6示出了示例中的数据洞察环境的操作。

图7示出了示例中的数据洞察环境。

图8示出了示例中的数据洞察环境的操作。

图9示出了示例中的操作知识环境。

图10示出了适用于实现本文公开的任何架构、过程和操作场景的计算系统。

具体实施方式

用户生产力应用使用电子表格、幻灯片、文档、消息传递或其他应用活动来提供用户数据创建、编辑和分析。然而，部分由于不断增加的用户数据量以及不同信息源的数量，用户可能很快被与分析该数据相关的任务所淹没。在工作场所环境中，例如公司或其他组织，用户可能很难利用其他同事执行的数据和分析。此外，随着便携式和移动设备变得越来越流行，用户可能难以在小形状因素显示器上查看和分析数据。

数据分析中的这种增长水平增加了扩增用户理解能力和使用增加的数据源和数据量的需求。具体而言，与这些组织内部发生的数据分析相关的组织和部落(tribal)知识可以提供其他用户可以应用于进一步数据分析的信息。然而，在不需要昂贵且高度手动的操作的情况下，例如安排与许多人交流知识的会议，就很难使这些信息可用于其他用户。

如上文所提及的，理解和可视化电子表格或其他环境中的数据可能具有挑战性。此外，数据分析可能经常由用户或在组织内部执行，并且这些数据分析可以应用于新数据集，例如继续更新的产品销售数字。理解数据如何变化以及数据集中重要性发生了哪些变化非常重要。这些变化可以用于形成报告、控制板或摘要电子表格以及各种洞察对象。这些对象和其他洞察输出可以定期地并响应用户数据的变化和添加而更新，例如每天、每周或每月。随着数据集变得更加广泛并且包含更多数据源，分析可能会更加困难，并且这些洞察输出可能对用户有利。可以生成针对数据样式、使用模态以及用户或组织使用的特定数据“语言”定制的自动洞察。如下面将讨论的，洞察服务和活动信号服务可以采用来自过去文档、数据分析和应用遥测的信号来学习用于呈现洞察对象的用户或组织偏好。

本文的示例可以利用各种数据源和组织知识来提高用户在各种数据可视化环境内分析和消化数据的能力。例如，通过处理与用户通常如何执行数据分析以及用户在通信分析中使用哪些偏好相关的活动信号，本文的实施方式可以推断更高水平的知识并建立跨文档和跨组织的改进和效率。通过使这些推断可用于许多不同的用户，潜在地以知识图谱的形式，本文的示例可以使该知识对用户可用。优点很多，例如从现有分析中跳跃启动新分析，通过优先级排序加速迭代分析过程，帮助用户避免陷阱，以及改善/协调用户之间的通信。

此外，可以在各种数据可视化环境中利用该知识，以在数据分析阶段期间为用户创建洞察对象。洞察对象可以是分析对象的扩展，包括图表、数据透视表、表格、图形等。洞察对象可以包括代表洞察的更多内容，例如为用户生成的指示数据的关键要点的摘要措辞、段落、图形、图表、数据透视表、数据表或图片。洞察对象还可以包括与其相关联的丰富的处理沿袭数据集，其包括用于形成洞察对象和摘要措辞的数据处理步骤、变换或其他过程的活动记录。通过将处理沿袭包括在洞察对象中，可以增强跨各种形状因素和设备的可移植性。

现在转到用于数据可视化和洞察对象生成的第一示例系统，呈现了图1。图1示出了数据可视化环境100。环境100包括用户平台110、洞察平台120和洞察源130。环境100的每个元素可以通过一个或多个通信链路进行通信，所述通信链路可以包括物理和逻辑网络链路等。

用户平台110向应用111提供用户界面112。应用111可以包括用户生产力应用，以供最终用户在数据创建、分析和呈现中使用。例如，应用111可以包括电子表格、文字处理器、数据库或演示应用。用户平台110还包括洞察模块114。洞察模块114可以与洞察平台120对接以及在应用111内提供洞察服务。用户界面112可以包括图形用户界面、控制台界面、web界面、文本界面等。

洞察平台120提供洞察服务，例如洞察服务121。洞察服务121包括洞察呈现器122和洞察生成器123。洞察服务121可以处理一个或多个数据集以建立数据洞察对象(被称为洞察对象)，所述数据洞察对象可以包括图形可视化部分、数据描述或结论/摘要、对象元数据以及底层数据集。洞察对象可以包括用于呈现给用户的对象洞察部分以及至少指示用于产生数据洞察对象的处理沿袭的对象元数据部分。

洞察对象包括典型分析对象的扩展，例如图表、图形、表格、数据透视表、数据描述以及其他数据或文档呈现元素。洞察对象141可以包括表示洞察对象的其他内容，例如向用户提供附加信息的措辞或摘要陈述，例如数据洞察分析的关键要点，以及其他数据描述。此外，洞察对象可以具有洞察元数据142，其指示用于产生洞察对象的处理沿袭。这种洞察元数据提供对用于洞察产生的过程、分析和其他功能的便携和灵活的指示。可以根据需要应用处理沿袭以产生数据洞察对象以供洞察界面呈现，例如当新的或改变的数据集被建立时。改变的或新的数据可以具有应用于建立反映数据集内容中的变化或添加的洞察对象的相同的处理沿袭。

洞察源130可以包括各种本地和分布式数据存储元素，其包含用户数据、推导出的用户知识和活动信号以及其他信息。在图1中，数据存储库131包括各种数据存储元素，其可以包括分布式或云数据存储服务和元素、数据存储设备、数据存储接口，以及可以存储用户平台110的用户数据或与其他用户、平台和组织实体相关联的用户数据的其他数据源。

在操作中，用户平台110或应用111的用户可以指示期望数据分析的一组数据或目标数据集。该数据分析可以包括传统的数据分析，例如数学函数、数据的静态图形、数据透视表内的旋转(pivoting)、或其他分析。然而，在本文的示例中，执行增强形式的数据分析，即洞察分析。在用户应用级别，包括一个或多个洞察模块，不仅向用户呈现洞察分析选项，而且还与洞察平台120对接，所述洞察平台120执行洞察分析以及其他功能。在指定了一个或多个目标数据集时，用户可以采用洞察服务121来处理目标数据集并生成一个或多个候选洞察、洞察对象和相关联的洞察元数据。在图1中，使用由应用111提供的目标数据集143来示出该过程。然而，应当理解，可以从其他数据源提供目标数据集，所述数据源包括应用内数据源、数据文档、数据存储元素、分布式数据存储系统或其他数据源，例如数据存储库131。

用户上下文144还可以由应用111或用户平台110的其他元素提供。用户上下文144可以指示关于用户平台110、用户界面112或用户身份以及其他信息的各种属性。例如，用户上下文144可以指示用户当前在用户平台110上与之对接的应用类型或名称。用户上下文144可以指示用户当前正在用户平台110上或在应用111内经由用户界面112或洞察模块114执行的活动或动作。在其他示例中，用户上下文144可以指示用户平台110或用户平台110正在其上被提供或执行的一个或多个用户设备的属性，例如指示移动设备类型、台式或非移动设备类型、或其他属性——例如下面针对图3中的移动特性340所指示的那些属性。

洞察服务121至少根据至少部分地通过过去使用模态推导出的目标数据集和数据分析偏好来建立数据洞察候选者的内容，其中，每个数据洞察候选者的内容包括至少一个数据洞察对象，所述至少一个数据洞察对象是通过指示用于产生所述至少一个数据洞察对象的处理沿袭的对象元数据来描述的。至少基于接收到对在洞察界面中呈现的数据洞察候选者的列表中的第一数据洞察候选者的用户选择，洞察服务121产生第一数据洞察候选者以包括在用户应用的用户界面中，例如包括在电子表格应用的电子表格画布中。当至少一个数据洞察对象被嵌入到与来自从中识别目标数据集的用户应用的另一个用户应用相关联的文档中时，对象元数据被配置为伴随至少一个数据洞察对象。

为了确定包括数据洞察对象和其他洞察信息的数据洞察候选者，采用各种洞察源。这些洞察源可以用于建立从过去的用户活动、应用使用模态、关于数据分析的组织传统、个性化数据处理技术或其他活动信号推导出的数据分析偏好。例如，知识服务132可以基于过去的应用使用或过去的数据分析以及其他因素来开发用户或组织知识的存储库。可以采用知识图谱或图谱分析来识别可以在相关联的洞察分析中采用的关键过程或数据分析技术。可以建立知识存储库以存储这些数据分析偏好和组织知识，以供采用本文所讨论的洞察服务的用户以后使用。在一些示例中，数据存储库131可以包括知识存储库。对数据分析偏好推导的进一步讨论见图8。

现在转到洞察服务的示例性使用，呈现了图2。图2示出了示例中的数据可视化环境的操作200。图2包括应用于洞察过程210和211的来自图1的用户平台110。应当理解，除了图1的那些元素之外，可以采用其他用户平台和洞察平台。

在图2中，在过程210中呈现电子表格应用。该电子表格应用可以包括由用户界面112呈现的各种用户界面元素，例如窗口化对话框，可以通过其输入和操纵数据的用户画布，以及各种菜单、图标、控制元素和状态信息元素。此外，洞察模块114提供增强型用户界面元素，即包括候选洞察对象221-223的洞察对话框220。响应于用户选择洞察触发图标或输入洞察分析命令，可以生成这些洞察对象。尽管图2示出了已经生成的这些洞察对象，但是应当理解，可能需要各种时间延迟来处理关联的目标数据集以建立洞察对象。此外，后台服务可以监视用户数据或目标数据集，并且可以建立用于呈现给用户的预计算洞察。

通常，用户将具有输入到由应用111呈现的电子表格中的一组数据。该数据可以包括一个或多个结构化数据表以及非结构化数据，并且可以由用户输入或从其他数据源导入到电子表格中。用户可能想要对该目标数据执行数据分析，并且可以在用户界面112呈现的各种数据分析选项中进行选择。然而，由用户界面112和相关联应用111呈现的用于数据分析的典型选项可能只包括静态图形，或者可能只包含用户手动输入的内容。这种手动内容可以包括图形标题、图形轴、图形缩放、颜色或其他图形和文本内容或格式。

洞察模块114与图1的洞察平台120对接，以向应用111的用户提供增强型数据分析和可视化特征。洞察平台120提供洞察输出140以供洞察模块114使用。洞察模块114可以提供对数据的进一步个性化和数据分析，以及其他增强。可以生成针对数据样式、使用模态以及用户或组织使用的特定数据“语言”定制的洞察。

在图2中，过程260示出了可能在洞察服务121中发生的示例洞察生成操作。在操作261中，部分地基于针对洞察服务建立的洞察“知识”来选择要执行的分析过程。该洞察知识可以基于通过处理在数据文件、数据存储位置、消息传递信息或其他数据源中找到的过去使用活动、活动信号或使用模态而推导出的数据分析偏好。一旦建立了对分析过程的选择，就可以在操作262中使用所选择的分析过程来分析当前相关的用户数据，例如目标数据集。可以根据各种公式、方程、函数等来处理目标数据集，以确定目标数据集的模式、异常值、多数/少数、分段或其他属性，这些属性可以用于可视化数据或呈现与目标数据集相关的结论。许多不同的分析过程可以与用户触发洞察呈现过程并行地和在其之前执行，例如用预测背景处理技术。在操作263中，洞察结果被用户应用111内的洞察模块114确定并呈现给用户。洞察结果可以根据与用户的相关性，基于洞察知识，基于洞察结果置信度或根据其他评分或统计相关性选择来排序。在操作261中可以采用知识存储库，例如图8的知识存储库823。

洞察结果可以包括洞察对象和相关联的洞察对象元数据。在图2的示例中，洞察对话框220向用户呈现若干洞察对象221-223。这些可以以图形列表格式、分页格式或者其他显示格式呈现，其可以包括经由滚动用户界面操作或分页用户界面操作可用的进一步的洞察对象。用户可以选择期望的洞察对象，例如图形对象221和措辞225，以插入到电子表格或其他文档中。一旦插入，则可以向用户呈现进一步的选项，例如对话元素224，在操作265中可以从该对话元素224中选择进一步的洞察。每个洞察对象可以具有自动确定的对象类型、图形类型、数据范围、摘要措辞、支持措辞、标题、轴、缩放因素或颜色选择，或其他功能。这些功能可以使用本文讨论的洞察知识来确定，例如基于从使用模态或活动信号推导出的数据分析偏好。

可以基于与用户或目标数据集的相关性分数或相关性水平来建立每个洞察对象的顺序或排序。可以使用上述洞察知识来确定相关性水平，使得根据相关联的分数，与用户相关的关键洞察排序高于其他洞察。洞察知识应用数据分析偏好来确定哪些数据分析活动和洞察对象或可视化对用户或组织可能是重要的。这种洞察知识是从各种数据源合成的，并在生成洞察对象时使用。其他排序过程可以包括确定洞察对象对用户或数据集的影响的大小或幅度，例如基于由用户或与用户相关联的组织执行的数据分析的历史。例如，用户可能对某些数据洞察比其他人更感兴趣，并且这些洞察中的所选洞察可以在列表中呈现为比其他洞察更高。过去的数据分析活动的机器学习、所采用的过去的洞察以及与用户过去的选择相比的过去的排序以及其他活动可以用在排序级别或排序评分过程中。

操作211中的进一步洞察265可以包括用于用户选择的洞察的进一步选项或者允许进行二次操纵的进一步选项，例如图2中的对话框230中所呈现的。操作211提供当期望多于第一级数据分析(例如“洞察的洞察”或元洞察)时允许用户实现进一步分析的机制和工具。这些可以包括用户可以询问的关于当前呈现给用户的洞察对象的各种问题，例如问题231和240-243，以及其他问题，包括“发生了什么”，“为什么会这样”，“预报是什么”，“如果......将会怎样”，“下一步是什么”，“计划是什么”，“讲述这个故事”等等。此外，用户可以选择目标问题，例如问题231，并且具有提供给用户的进一步细节。

例如，问题231“这种洞察意味着什么？”可以发起用于生成洞察的各种细节，例如用于生成洞察的公式232、基本原理233和数据源234的描述。公式可以包括用于处理目标数据集以生成最终洞察对象或其中间步骤的数学或分析函数。基本原理可以包括关于洞察为何与用户相关或被选择的简要描述，以及为何建立洞察对象的各种公式、图形类型、数据范围或其他属性的原因。例如，从过去的数据分析推导出的数据分析偏好可以指示条形图类型对于前一季度的销售活动是优选的，然后基本原理可以指示关于洞察对象221为何包括这些相关联的特征的简要描述。数据源可以指示来自相关联的目标数据集或许多数据集的数据范围(即列、行、单元格)。

可以对所选择的洞察221执行预测性洞察，其可以包括基于当前数据集和洞察对象或洞察结论来确定预报或预测。用户可以查询预报问题，例如具有与更改数据点、数据集的部分、图形属性、时间属性或其他更改有关的“如果......将会怎样”问题形式的问题。而且，可以建立迭代和反馈生成的预报，用户可以选择数据结论或数据集的目标，以满足和检查达到所选择的目标所需的数据变化，例如销售目标或制造目标。这些“如果......将会怎样”情景也可以基于洞察知识自动生成，例如，当从过去的数据分析推导出的数据分析偏好或洞察知识中的循环指示符指示某些分析是优选的或合适的时候。此外，洞察对象可以充当“模型”，用户可以使用所述模型更改参数、输入和属性，以观看输出如何受到影响以及预测是如何更改的。

在这些示例中，图2中的操作210和211中的洞察对象被认为是“第一类对象”。第一类对象可以包括具有与之相关联的处理沿袭和/或分析摘要的动态对象。处理沿袭包括形成与洞察对象一起传播的丰富的洞察元数据集的相关联的定义、描述、分析沿袭和跨应用属性。处理沿袭还可以包括对数据变换、分析、相对术语、分析结论、数据维度或度量或与相关联元数据中的洞察对象一起传播的其他属性的指示。第一类对象可以提供对其他文档的增强型导出，例如演示文档或白皮书文档。与第一类对象相关联的元数据保持数据集之间的推断链以及用于确定相关联的洞察对象的数据分析。例如，推断链可以包括中间处理步骤、决策树、公式、推理、数据源以及洞察对象的生成和建立背后的其他基本原理或历史的存储。元数据可以被包括在一个或多个数据结构或数据文件中，这些数据结构或数据文件伴随着洞察对象或者洞察对象本身被包括在其中。

洞察对象的推断链可以包括可以在建立洞察对象的过程期间使用洞察服务自动生成的表格、意见、摘要和底层数据集。例如，对象元数据可以捕获并存储用于制定输出洞察对象的中间步骤和中间结果。可以基于在目标数据集的处理期间洞察服务所采用的实际步骤来建立处理“流程”。这些推断链可以用于为洞察对象构建图形和文本故事，使得可以为洞察对象自动生成演示文稿或白皮书，所述洞察对象详细说明了洞察服务执行的洞察对象创建过程。

洞察对象可以包括动态洞察摘要、措辞或数据结论。可以建立这些洞察摘要作为洞察对象，所述洞察对象解释另一个洞察对象的关键要点或关键结果。例如，操作211包括与图形221相关并且指示“在Q3中，模型2.0的销售增加了26％，超过模型1.0”的洞察摘要225。此摘要是动态的，并且与关联于洞察对象的元数据相关，使得当数据值或数据点针对洞察对象变化时，摘要可以相应地响应性地变化。摘要225和图形221可以包括在具有公共对象元数据的公共洞察对象中，或者可以替代地被处理为单独的洞察对象，每个洞察对象具有相关联的对象元数据。摘要可以包括标题、图形轴标签或洞察对象的其他文本描述。摘要还可以包括预测或预期陈述，例如预定时间范围内的数据预报，或动态的陈述以及随洞察对象而变化的其他陈述。

此外，当底层数据集中的数据变化时，洞察对象的动态性质可能响应于数据变化而产生完全不同类型的洞察对象。相关联的摘要或预测也可以响应于数据变化和洞察对象变化而自动流动。可以向用户提供关于洞察对象的其他信息，例如关于为何选择特定洞察对象的原因，为何包括特定摘要，或者提供对洞察对象的进一步洞察的其他上下文信息的指示。还可以向用户指示对使用模态或活动信号的指示，其指示推动对输出洞察对象和相关联的摘要或结论的选择的推理或步骤。

数据集(例如，更新的数据、改进的预报或新数据)的变化可以提示已经生成的洞察对象的自动变化。例如，响应于识别与至少目标数据集相关的用户动作，洞察服务121可以处理用户动作、洞察对象元数据和目标数据集以产生至少一个不同的洞察对象以供洞察界面呈现。用户动作可以指示目标数据集的变化或对另一个洞察对象而不是当前洞察对象的选择。洞察服务121还可以响应于在文本上总结至少一个不同数据洞察对象的变化来确定新数据分析结论措辞。洞察服务121可以至少基于针对目标数据集中的数据模式分析目标数据集并且选择数据分析结论措辞以将数据模式体现给用户来确定针对每个数据洞察候选者的数据分析结论措辞。而且，洞察界面可以呈现每个数据洞察候选者的相关性基本原理，其至少基于目标数据集和使用模态来指示将数据洞察候选者包括在洞察界面所呈现的数据洞察候选者的列表中的解释。

因此，这些洞察对象相对于数据本身是动态的，并且数据集的变化可以被自动检测并触发洞察对象中的变化，而不仅仅是更新图形表示中的数据值。例如，可以利用新的或变化的数据来可视化过去数据的叠加。由于数据的变化，可以建立针对洞察对象类型或推断链内的途径的不同选择，从而将不同的结论/措辞递送给用户。可以在关于旧的/现有数据的变化中突出显示异常值。此外，可以基于数据集的变化来生成全新的报告或洞察对象。因此，代替基于静态数据的可能仅根据数据变化更新图形数据点的传统图形，动态洞察对象可以在底层数据变化时更改整个推断链和对象类型选择。

诸如本文讨论的洞察对象之类的第一类对象还提供增强型可移植性和跨平台使用。例如，用户可以在移动设备(例如智能手机或平板设备)上建立洞察对象，然后期望在非移动设备上使用洞察对象，所述非移动设备例如台式计算机、膝上型计算机，或经由在这些非移动设备之一上呈现的web界面，反之亦然。此外，用户可能期望在小格式屏幕可用的时间期间呈现可理解的界面。电子表格以及其他文档可能难以阅读，并且在具有小屏幕形状因素的移动设备(例如，智能手机和平板计算设备)上几乎不可能理解。有利地，通过提供电子表格的自动目录表以及数据表格的自动洞察视图的组合，可以使移动设备上的电子表格的主要用户界面可视化，可理解且高度交互——即使原始电子表格中不存在那些洞察和可视化。这些洞察帮助用户理解他们的电子表格和数据，尽管是小形状因素屏幕。

作为使用洞察对象的数据洞察移动性的第一示例，示出了图3。图3示出了示例中的数据可视化环境300的操作。在操作310中，用户界面313作为电子表格的移动界面呈现在移动计算设备301上，例如在具有触摸屏用户界面的智能手机或平板设备上。用户界面313呈现电子表格应用，其具有大量数据字段，这些数据字段可能难以在小形状因素屏幕上有效地查看和分析，如关于设备301所显示的。用户界面313还包括可以由用户选择以触发对电子表格中包括的数据集的处理的洞察界面311。该处理包括洞察处理，例如通过洞察服务121的洞察生成器123和洞察呈现器122。洞察服务121可以包括类似于图2的操作261、262、263的操作，但是变化是可能的。在洞察过程已经完成之后，可以指示洞察可用于在元素312中查看或呈现给用户。

如在操作320中所见，洞察视图321经由移动设备呈现给用户(为清楚起见而省略)。此洞察视图包括可以由用户滚动、轻扫或分页的若干候选洞察对象。例如，洞察对象322包括具有相关联的标注的条形图和与销售数字相关的摘要标题。洞察对象323包括条形图，其具有对与年龄组相关的数据集的不同方面的进一步数据分析。第三洞察对象被呈现，但是部分在屏幕外，并且可以由用户使用触摸屏操纵来滚动或分页。

用户可以选择洞察对象之一，例如对象322，以进一步查看和分析。洞察对象322在操作330中以洞察对象的聚焦视图呈现。进一步的洞察，或“洞察的洞察”也可以呈现，例如在部分332中指出的。这些进一步的洞察可以包括用户经由其他分析工具选择和进一步研究数据集的预定问题。这些洞察对象可以用于使用户更容易消化移动设备上的信息。

除了目标数据集和洞察知识元素之外，还可以根据各种用户上下文信息和推导出的数据分析偏好来选择呈现给用户的移动洞察对象。这些在图3中指示为移动特性340和偏好341。诸如智能电话、平板计算机和其他移动计算设备之类的不同设备可以具有不同的屏幕尺寸和分辨率以及不同的通信和处理能力。由于设备的小形状因素特性，屏幕尺寸通常较小，例如智能手机设备中的5英寸左右，以及平板形状因素中的8或10英寸等。通常，台式或膝上型计算机设备将具有更大的屏幕和分辨率，这使得电子表格呈现或其他数据呈现格式使用户更容易查看和分析。通信能力可以基于位置、无线覆盖区域、通信协议和信号强度、当前带宽或其他因素而变化。移动设备中采用的处理器通常具有比非移动设备更低的性能，并且针对典型情况下的功耗与性能进行了优化。因此，当开发用于移动设备的各种洞察对象时，洞察生成器123和洞察呈现器122可以考虑移动特征340。

在一个示例中，响应于移动设备上的用户选择指示一个或多个候选洞察对象中的洞察对象，洞察服务可以将所选择的洞察对象与目标数据集相关联，以便随后在另一计算设备上使用，例如非移动设备。所选择的洞察对象可以包括相关联的图形可视化部分和用于产生相关联的图形可视化部分的相关联的处理沿袭。洞察呈现器122可以通过至少在移动设备上提供分页或列表视图，在移动设备上呈现数据分析应用的洞察界面中的一个或多个洞察对象，其中，用户可以在轻扫通过一个或多个洞察对象中的每一个并通过点击移动计算设备的触摸屏部分从候选者中选择洞察对象。

分布式计算和存储系统，例如“云”计算和云存储系统，可以用于洞察服务和洞察数据存储和处理。通过使用云系统处理大量信息来扩增用户/客户端能力，洞察服务121可以降低移动设备中部署的这种复杂性，并且向移动设备递送更高水平的信息，但仍然具有生成的适合于当前移动客户端能力的视图。洞察服务121可以考虑用户上下文，例如移动特性340，所述用户上下文可以被传输给洞察服务121或者与洞察服务121的用户相关联地存储。考虑因素包括移动设备相比非移动设备的不同属性，包括屏幕尺寸、分辨率、屏幕数量、形状因素、电池使用情况、处理能力、通信链路能力/带宽、移动能力和视频输出能力，以及其他属性，包括其组合。

一个进一步的示例操作包括用户识别用于分析的数据集，例如通过将电子邮件中的数据文件作为附件或经由分布式文件共享和存储服务接收。该文件可以包括可以被打开以供移动设备的用户查看的目标数据集。然而，可以针对移动设备以不同的方式处理洞察对象的处理和渲染，使得本文讨论的洞察过程可以处理大量数据并创建适应于适当的客户端设备能力的交互模型。可以采用适合于移动客户端有效地消费和理解这些大量数据的交互模型和模式。

洞察服务121可以发起对存储在设备外(例如，在云中或在分布式存储或消息传递系统中)的数据集的洞察处理。洞察呈现器122可以向移动设备或平台呈现一个或多个适合于移动设备的洞察视图350，其包括基于目标数据集、知识/数据分析偏好和移动特性的洞察对象。以这种方式，可以建立适合于移动设备的交互模式，例如更适合于移动设备的菜单或用户界面元素、摘要的模态、针对设备属性定制的数据/洞察探索，以便用户与所呈现的洞察可视化对接。例如，代替下拉菜单或功能区驱动的洞察菜单或属性，可以采用更适合于移动触摸屏的洞察操作，例如手指/手写笔滚动、页面翻动或其他移动用户交互。

此外，洞察服务121可能不会将与洞察对象相关联的整个数据或元数据传输给移动设备，以避免在无线或带宽受限的接口上进行大量传输。洞察呈现器122可以在洞察服务121中远程渲染洞察对象，并且传输静态图像渲染或“可点击”渲染，其可以由用户探索或利用以在移动设备上创建进一步的洞察。该选择性渲染可以具有渲染谱，使得洞察对象的选定部分可以驻留在分布式存储服务中，而只有洞察对象的一部分(例如，图形图像)可以被传输给移动设备。洞察呈现器122可以智能地选择要在本地或远程呈现的元素，为更简单或更复杂的呈现省略哪些元素，以及部分地基于移动设备特性的其他特征。当用户选择特定的洞察对象时，可以将其他数据传输给移动设备，或者可以从移动设备远程执行进一步的洞察，以便稍后作为完全渲染的对象进行传输。在其他示例中，仅将各种数据洞察候选者的摘要或标题传输给移动设备，并且仅响应于用户交互是被渲染以传输给移动设备的洞察对象。

虽然可以将包括洞察对象或洞察候选者的精简(thin)或仅图像渲染的各种视图350传输给移动设备，但是洞察服务121与视图350相关联地保持洞察对象元数据。因此，视图可能仅包括洞察对象的精简渲染版本，不包括任何动态内容、交互式内容或相关联的元数据。替代地，通过洞察服务121远程地从移动设备保持至少指示处理沿袭的元数据。可以阻止洞察对象元数据传输给移动设备以节省无线带宽。然而，洞察对象元数据可以存储在远离移动设备的分布式或远程存储系统中以供以后使用。例如，元数据可以用于与台式设备或非移动设备上的相关联的洞察对象交互。即使移动设备可能仅呈现表示洞察对象的精简渲染或静态图像，洞察对象仍保持丰富的“第一类”处理沿袭，而元数据远离移动设备存储。可以将对移动设备上的数据或目标数据集的更改传送给洞察服务121，并且响应地，洞察服务121可以使用由元数据指示的处理沿袭来更改或创建与数据的更改相当的洞察对象。可以将其他静态图像或相关联的渲染/视图传输给移动设备，并且可以防止在移动设备上发生对元数据和处理沿袭的处理。

图4示出了示例中的数据可视化环境400的操作。图4示出了移动设备和非移动设备之间的这些洞察对象和相关联的元数据的可移植性。例如，移动设备401可以包括具有对角线小于7英寸范围的小形状因素屏幕的基于触摸屏的智能手机，而台式计算机402包括具有对角线为7英寸或更大英寸范围的一个或多个大形状因素显示器的个人计算机。屏幕的尺寸可以变化，并且移动和非移动指定可以替代地基于操作系统类型或操作系统用户界面呈现模式。例如，手表、智能手机或平板计算设备可以被认为是小形状因素设备，而膝上型计算机、笔记本计算机或台式计算设备可以被认为是大形状因素设备。

如上文所讨论的，可以在创建各种洞察对象以及推导出的数据分析偏好341时考虑用户上下文信息，例如移动特性340。当用户在移动设备上选择一个或多个洞察对象时，可以存储这些洞察对象(以及相关联的对象元数据)以供以后在非移动设备上使用和操纵。移动洞察选择342可以被指示给洞察服务121，所述洞察服务121传送一个或多个选择的洞察对象。移动洞察选择342可以指示可以稍后指示以在非移动设备上使用的“固定”或移动选择的洞察。

一旦用户采用非移动或更大的形状因素设备，就可以将所选择的洞察对象连同其中包括的相关联的元数据呈现给用户。洞察对象的“第一类”对象性质允许处理沿袭遵循洞察对象，并且可以包括处理历史、推断链以及随洞察对象一起传播的洞察对象的其他属性。可以通过最初植根于移动设备界面的活动，在非移动设备上执行进一步的数据操纵、洞察处理和推测活动。有利地，用户可以使用洞察对象和相关联的元数据无缝地从移动设备移动到另一个设备。部分由于可能较大的可用屏幕空间可用和非移动设备的处理能力，在非移动设备上或者在比移动设备上具有更大的形状因素上可以具有更详细的视图和分析。

例如，在操作410中可以向用户呈现洞察对象420。这些洞察对象421-423可能已在移动设备401的使用期间产生。当用户迁移到使用非移动设备时，例如台式计算机402，这些洞察自动呈现在洞察对话框420中，例如针对移动设备洞察421和422所指示的。可以在操作430中执行进一步的洞察和数据分析，例如针对新洞察443所示。

在操作420中，用户可以使用先前生成的、从先前的移动洞察活动中产生的，或者从附加分析中产生的各种洞察中的关键字或其他搜索项来搜索441。除了其他结果之外，搜索结果442可以包括分析442、洞察443、推测444和附加数据源445。此外，可以使用元素447指示和列出先前在移动设备或移动界面上生成和/或选择的洞察。

图5示出了示例中的数据可视化环境500的操作。图5考虑了与用户在各种数据源中搜索数据集以包括在洞察分析操作中相关的操作，以及基于这些数据集的示例推测。在操作510中，用户可以输入一个或多个搜索项以在各种数据存储系统(例如，消息传递系统、分布式数据存储系统、本地存储系统等)中发现数据集源。洞察对话框511指示搜索框512，其具有由用户输入的示例搜索项“销售Q3”。结果可以在搜索框下方的对话框511中返回，并且可以从各种数据源获得，如先前所指示的。结果可以指示原始/未处理的数据集，或者可以包括先前为当前用户或当前用户具有可见性的其他用户确定的洞察对象。

用户可以具有包含在数据文件或其他数据源中的数据集、数据对象、数据可视化或其他数据相关项，并且用户可以在这些中进行搜索。还可以在其中搜索洞察对象，并且搜索结果可以返回与用户输入的关键字相关的各种洞察对象。例如，当前用户或其他用户可能已经为Q3销售结果建立了洞察分析，如通过洞察对象513所指示的。用户可以选择该洞察以进行进一步分析，并且该洞察对象或相关联的数据集可以被插入到电子表格的用户界面部分或用户画布部分。如果选择了数据集，例如在操作520中，则工作表的相关联字段可以包括插入后的数据。如果选择洞察对象进行插入，则可以将洞察对象与任何相关联的元数据一起包括在工作表中，所述元数据指示针对该洞察对象的处理沿袭信息。

在操作520中，已经将数据集521插入到关联的工作表中，并且可以包括数据集的数据值、标题和其他信息。用户可以选择与数据集相关联的单元格或数据字段的范围以对其执行洞察处理。选择522指示对所插入的数据集的字段子集的这种选择。用户可以选择洞察发起元素523以指示相关联的洞察平台或洞察服务对所选择的数据执行洞察处理。操作530指示可能由用户选择洞察发起元素523产生的一个可能的洞察对话框531。洞察对话框531指示用于洞察处理在选择522中选择的数据的各种选项。虽然可以呈现进一步的选项，但是在该示例中呈现预报选项532和一般洞察处理选项533供用户选择。

在操作530中，用户选择“预报是什么”532并且在操作540中将预报的洞察对象呈现给用户。预报的洞察对象549可以采用与洞察对象相关联的数据或最初选择的数据(例如，522)来确定一个或多个推测或预测。洞察知识信息可以用于预测，例如循环信息、季节性信息或者为数据集确定的以及根据过去的洞察分析或其他数据集确定的其他趋势。预报549包括关于“小部件1”和“小部件2”的摘要声明548，其基于现有销售数据和考虑过去数据中的循环趋势的推测销售数据。该推测可以由洞察服务自动生成，而无需用户指定循环指示符或季节性信息，这是因为在本文讨论的知识生成过程期间可以由洞察生成器收集该信息。可以至少基于从与用户应用的一个或多个用户相关联的分布式用户数据存储服务、分布式网络消息传递服务或分布式应用数据存储服务推导出的循环活动指示符来确定目标数据集的趋势或季节性，例如本文讨论的用于操作知识确定或使用模态确定。

还可以建立进一步的洞察547。进一步的洞察分析，例如在操作540中指示的，可以包括在对话框541中指示的进一步的推测分析或其他洞察选项。这些示例操作包括洞察542-546。

除了在电子表格应用或数据集和洞察对象分析本地的其他应用内工作之外，还可以采用其他应用。这些进一步的应用可以用于进一步的数据分析，也可以用于讲述有关数据和相关联的分析的故事或叙述。图6示出了使用图5中所示的元素的操作610，并且可以由洞察服务121的部分提供。图6中的用户可以使用指示“讲述这个故事”的动作546来选择洞察导出过程620。

可以采用各种其他链路或相关联的应用640-642来显示洞察对象和相关联的推断链631。推断链631可以包括洞察元数据632，其可以指示用于形成相关联的洞察对象的处理沿袭。例如，演示应用641可能被期望以示出洞察服务121用于建立洞察对象或洞察摘要/结论的数据处理沿袭。演示幻灯片可以由洞察导出过程620基于在推断的洞察链631中指示的处理沿袭来生成。数据处理、分析和计算的中间步骤可以被包括在演示文稿的各个幻灯片中，并且被生成以讲述底层数据、预报、洞察或其他信息的故事。还可以包括措辞，例如摘要信息、标题、标注等。

洞察导出过程620将与洞察对象549相关联的元数据保持为链接到洞察对象，因此洞察对象保持动态并响应于数据变化或洞察分析变化。此外，为洞察对象建立的处理沿袭指示洞察服务121用于生成所选择的洞察对象的计算、决策制定、对象选择、数据分析或其他活动的流程。处理沿袭包括针对洞察对象和相关联的元数据的各种“故事”信息，并通过中间步骤、公式、推理和其他分析选择来指示数据集处理的历史。驱动特定洞察分析的数据集、洞察知识、推导出的数据分析偏好、使用模态或活动信号可以被指示，或者可以驱动处理沿袭内容。该示例中的导出过程建立了洞察服务121在生成洞察对象时使用的过程的演示文稿、白皮书或其他长形式描述，所有这些都以用户友好的格式呈现以供查看。

图7示出了示例中的数据可视化环境700，并且呈现了一个示例数据可视化环境的详细示例系统视图。数据可视化环境700的元素可以用于实现本文所讨论的洞察服务、客户端设备以及知识生成和存储服务中的任何一者。

环境700包括推断服务710、元数据服务711、用户信号服务712、数据服务713、遥测分析服务714、洞察服务715、前端服务716、客户端720、云数据服务760、数据源761和应用762。通信链路730-745包括一个或多个逻辑或物理通信链路，用于在图7中的相关联元素之间携带数据和其他业务。例如，链路730-745可以包括存储器映射链路、网络链路、无线链路、有线链路、应用编程接口(API)或其他链路，包括其组合。在一些示例中，每个链路可以包括一个以上的通信路径或多个链路。

在图7中，用户信号服务712用于基于存储在云数据服务760中的数据来确定用户的应用信号和服务信号。这些云数据服务可以包括电子邮件/消息传递系统、组织数据存储服务、云/分布式存储系统、社交媒体系统或其他数据源。用户信号服务712包括可以从各种数据源提取活动信号的一个或多个“爬行器”。这些活动信号可以指示可以在以后生成洞察对象时采用的个人知识、组织知识或全局知识。用户信号服务712可以采用链路741上的来自云数据服务700的各种用户信号、链路743上的来自客户端720的各种客户端活动/反馈，链路724上的来自前端服务716的各种前端洞察活动作为输入。用户信号服务712可以在链路740上将从各种爬行器确定的用户遥测输出到遥测分析服务714，以进一步提取/确定来自用户遥测的活动信号。用户遥测和活动信号可以作为用户信息在链路730和731上提供给推断服务710。用户遥测可以包括针对用户采用的应用监视并且从在云数据服务760中爬行的数据中确定的动作或使用模式。在云数据服务760之间爬行的文件或数据内指示且由在云数据服务760之间爬行的文件或数据指示的其他活动中，活动信号可以包括优选的数据呈现对象、方法或分析。

推断服务710可以采用包括由元素712确定的活动信号和由元素714确定的应用遥测的用户信息来推断包括用户、租户/客户端、组织/域/公司、全球范围内的整个应用之间的，针对特定会话或其他区别的数据分层结构和优选的洞察分析过程的各种级别的“知识”或数据分析偏好。这些推断可以包括关于根据先前数据分析和当前数据分析的用户活动和用户数据的推断。在一个示例中，元数据服务711可以将在链路723上接收的用户/数据推断编目和组织成数据字典，以便根据用户信息索引数据并分析公共数据查询、变换和其他推断。然后，可以在链路733/734上将包括数据分析偏好的用户和数据推断提供给洞察服务715，以便确定当前目标数据集的洞察对象和元数据。

一旦用户指示用于分析的当前数据集或目标数据集，则洞察服务715可以采用这些数据分析偏好来通过根据数据分析偏好生成洞察对象来建立洞察对象/元数据。在生成的许多洞察对象之中进行排序可以由洞察服务715处理。可以生成洞察对象的可视化的预览，以便递送给前端服务716。此外，可以在链路737上向前端服务716提供洞察对象、建议、推荐和相关联的元数据。当前数据集或目标数据集可以由数据服务713识别并在链路735上传输给洞察服务715。目标数据可以包括上传的数据、用户输入的数据、云存储的数据、数据模型，或者来自各种数据源761。数据源761可以包括各种用户数据存储元素，包括本地的、分布式的、公司的、组织的或公共的数据源等。洞察服务715可以存储经处理的数据、洞察对象和洞察对象元数据，以供稍后使用并通过链路736在数据服务713中引用。

前端服务716提供用户界面活动和应用界面活动。这些活动可以用作反馈信号，以供用户信号服务712进一步细化和考虑。前端服务716提供响应于用户体验(UX)活动和在应用内呈现的用户界面内接收的更新的动作。前端服务716可以基于当前采用的终端用户设备的形状因素来提供各种便携式接口。例如，可以确定针对大形状因素设备的创作用户界面717，所述大形状因素设备包括台式计算机和膝上型计算机。可以确定针对小形状因素设备的移动用户界面718，所述小形状因素设备包括移动设备、智能电话和平板计算设备。可以在链路744上发送各种视图，以供客户端720呈现。

客户端720可以包括一个或多个终端用户设备，其可以包括台式客户端721、移动客户端722或基于web的客户端723以及其他客户端。这些客户端可以由客户端主机724执行，以呈现一个或多个应用762。可以通过用户界面元素和洞察元素745向用户提供文档变化，包括数据输入/变化或洞察可视化。

当用户经由应用和相关联的用户界面或洞察界面进行交互时，采用反馈机制来进一步改进和丰富洞察生成体验，以及进一步确定活动信号或应用遥测以用于稍后的洞察对象生成。

图8示出了示例中的数据可视化环境的操作800。讨论环境700的元素与图8中的操作有关。然而，应当理解，可以采用其他元素、环境和系统。在图8中，环境700提供数据源的智能发现(810)。该智能发现可以包括发现现有用户数据、组织数据、应用数据或其他数据，例如在云数据服务760或数据源761等其它源中找到的数据。可以处理用户活动信号和用户遥测以确定可以从中推导出数据分析偏好的使用模态，以及洞察可以以其为基础的其他信息。可以通过在应用中手动输入数据或从用户数据源发现用于洞察分析的新用户数据。

可以基于洞察处理以及被识别用于分析的目标数据集来推荐(811)洞察对象，例如图表、图形或其他对象，所述洞察处理考虑从活动信号和使用模态推导出的数据分析偏好。然后，可以进一步使用这些服务支持推荐来确定用于小形状因素设备的移动洞察(812)，确定用于伴随应用的洞察对象或者用于保持/保留元数据和推断链、以及用于应用内有洞察力的推荐(813)的导出洞察对象(814)，用户可以通过所述应用内有洞察力的推荐进行进一步的数据分析和推测。

本文中的各种示例采用操作“知识”，其包括从活动信号、使用模态、过去数据分析活动或其他信息推导或推断的数据分析偏好，其中，可以从所述其他信息推导或推断针对目标数据集的洞察。从应用使用活动中推断数据分析偏好可以基于针对一个或多个用户或在组织内的活动信号或使用模态的频率排序。为了说明一个示例知识生成架构，呈现了图9。图9示出了在一个示例中的操作知识环境900，其可以用于操作知识发现和生成，以用于本文的各种洞察处理示例。

使用图9的元素的示例过程可以包括(1)部分地基于过去/现有数据集分析、应用遥测、活动信号、组织偏好或与先前数据集分析相关的其他信息来确定操作知识；以及(2)将该操作知识从数据字典或知识存储库应用于新识别的目标数据集，以自动生成多个相关的洞察对象、洞察结论或洞察元数据。

在图9中，使用针对用户、应用、服务、组织和其他用户信号源确定的各种用户活动信号来确定知识图谱940。组织信号951包括与组织通常如何使用数据，什么数据洞察对象是优选的或经常使用的，并且过去对组织的各种用户和成员进行了什么分析有关的度量和数据。可以使用信号服务950来推导用户信号。服务950包括从各种数据源(包括文件、电子邮件、消息、社交媒体和其他源)提取与使用模态和应用使用相关的相关活动或信息的各种爬行器和遥测确定系统。

例如，各种爬行器服务可以爬行使用活动源930，以从各种数据存储库931中查找文件、元数据、先前分析、先前数据集、用户通信、用户偏好或其他信息。数据存储库931可以包括本地或远程数据源，其可以是分布式或基于云的数据存储服务和系统、电子邮件或消息传递系统、以及其他数据系统。这些爬行器处理多个数据源、来自基于云或本地存储内的文档/文件、以及电子邮件系统，以识别用户和组织的特性、属性、数据分析选择。这被处理以确定活动信号或使用模态，所述活动信号或使用模态然后用于基于对用户活动的推断和在过去数据分析上采用的用户偏好来推导数据分析偏好或“知识”，以应用于未来的数据分析。可以对模块910-912收集的信息执行特征提取以确定“根”动作或活动信号并概括活动信号，以用于知识图谱处理。在一些示例中，可以执行个人/用户信息的移除或剥离以增强隐私或使来自实际数据、数据集或用户/组织身份的活动信号匿名化。

组织分析器910、数据分析器911和元数据分析器912提供可以由知识服务921的知识生成器922采用的相关用户活动、先前分析、使用模态和用户活动信号的提取和确定。活动信号平台920提供知识服务921，其包括知识生成器922和知识存储库923。

在另一操作示例中，数据存储库931和其他使用活动源930可以被识别为与一个或多个用户的应用使用活动相关的数据源。知识服务921采用知识生成器922的元素来确定与由应用使用活动中的一个或多个用户进行的至少数据分析相关的各种活动信号。包括由用户活动信号服务950和组织信号951提供的信息的活动信号可以使用模块910、911和912中的相关联模块来确定，所述模块910、911和912分析、爬行和以其他方式处理数据、文件、活动日志、遥测、电子邮件、社交媒体数据或其他信号和信息，以确定用户和与那些用户相关联的组织的应用使用活动。例如，数据分析器911可以处理数据集、数据文件以及各种数据源和数据文件的内容，以确定供知识生成器922使用的活动信号。同样，元数据分析器912可以处理与数据源有关的元数据和其他上下文信息，以提供活动信号有关的进一步信息供知识生成器922使用。组织分析器910可以处理组织的各种活动信息，例如组织策略和相关数据、组织简档、安全属性、使用权信息以及其他信息。

知识服务921的知识生成器922应用活动信号以从活动信号中推断数据分析偏好。知识图谱940是基于从各种数据源确定的活动信号的一个示例知识图谱输出。知识服务921提供数据分析偏好的部分以供数据洞察服务使用，所述数据洞察服务至少基于一些数据分析偏好建立可视化和描述目标数据集的数据洞察对象。知识存储库923可以存储数据分析偏好以供稍后在洞察处理中使用。知识存储库923可以根据包括用户范围、组织范围和应用范围中的至少一项的一个或多个范围分类来存储数据分析偏好。

知识服务921确定为洞察处理提供的数据分析偏好和知识。知识生成器可以分析各种活动、操作、偏好或其他用户/组织信息，以确定由活动中枢指示的一个或多个关键活动。知识图谱940可以用于映射或绘制用户/组织信息以识别活动节点的集群或分析类型的集群以及其他信息。例如，活动中枢941-941可以表示许多活动节点1-14中的纽带，所述活动节点1-14表示由用户或组织内的用户执行的活动操作。活动中枢941-941可以通过连接分数来识别，所述连接分数指示知识图谱940的节点之间的边或连接的阈值数量。活动信号之间的频率排序也可以用于确定用户或者组织通常使用或通常采用的活动，并且知识图谱940可以经由连接属性或连接分数来指示该频率排序。

知识图谱940可以是动态变化的实体，其利用来自数据存储库941和相关联的爬行器以及来自洞察服务或洞察平台提供的正在进行的用户活动之间的新使用活动信息来进行扩增。知识生成器922在图9中使用知识绘图过程来确定用户/组织活动或动作的图形表示940内的关键活动和动作中枢。关键中枢被分配置信水平，或基于相关性或知识置信水平进行排序，并且可以随时间变化。置信水平可以转化为后来通过新目标数据集的洞察服务从知识存储库开发的洞察对象的排序。中枢排序还可以考虑新近度/时间考虑因素、数据共享重要性、与其分享数据或分析的人员/用户数量、分析使用量、分析或洞察对象访问量、或文档/报告中的突出点，以及其他因素。

知识图谱940识别与用户或组织相关的操作知识。该操作知识可以存储在包括一个或多个存储设备的知识存储库923中。可以采用各种图形分析服务或程序来确定操作知识，例如Graph或其他软件。知识存储库923可以包括以活动信号或使用模态的形式记录操作知识的数据字典。随后由洞察服务引用或搜索知识存储库923，以确定相关联的洞察对象、洞察摘要/结论、洞察推测和洞察对象元数据，以及与洞察相关的其他信息。

例如由知识存储库923提供的数据字典允许用户以“语言”或根据更接近地映射到用户通常如何利用或讨论相关联数据集的习惯来分析数据。知识存储库923可以将用户可能用来描述与所描述的术语相关联的数据的术语映射到实际数据。通过利用表示先前或过去用户分析的图表、表格、数据透视表和公式，以及作为共享那些分析的上下文的电子表格、报告、控制板、演示文稿、电子邮件和文档，知识生成器922可以获得有关用户如何将数据映射到实际使用情况的强烈信号。知识推断还可以包括用户为创建文档或分析数据而采取的动作，包括基于文件属性、文档类型、文档内容和其他文档或文件属性和内容的“谁、什么、何地、何时”推断。可以采用机器智能和各种图形分析工具通过观察从活动信号中抽取的用户活动或模态来生成数据字典。

作为来自知识服务921的输出，数据分析偏好960被提供给洞察平台，例如洞察平台120。可以采用对活动、数据集或其他信息的指示来从洞察平台120查询961知识服务921以检索与当前用户活动或当前洞察处理活动相关或可以应用于当前用户活动或当前洞察处理活动的数据分析偏好960。例如，响应于由洞察服务进行的查询，可以提供一个或多个“知识结果”。知识服务921可以至少基于使用知识图谱940识别的用于表示活动信号的至少一部分的活动节点的连接水平来从活动信号中推断数据分析偏好。如在知识图谱940中可以看到的，两个活动中枢941-942可以指示活动信号的两个纽带，其可以用于推断呈现、分析或描述数据集的优选方式。知识服务921可以选择这些数据分析偏好中的一些数据分析偏好，以至少基于由知识图谱940确定的由一些数据分析偏好与数据洞察服务所发布的查询961包括的数据之间的图形关系提供给进行请求的数据洞察服务。查询961包括的数据可以指示一个或多个用户的当前数据分析活动，以及其他信息，包括用户身份、组织身份、应用身份、数据集信息或其他信息。

在特定示例中，在用户的应用使用(例如，电子表格应用)期间，用户可能期望接收加载到电子表格应用中的数据集的一个或多个数据洞察。诸如洞察服务121之类的相关联洞察服务可以在查询961中向知识存储库923提供各种输入。这些输入可以包括在知识查询961中，并且包括用户信息、用户身份、数据集、数据源、应用身份和信息、以及用户活动信息。基于该信息，知识服务921可以选择指示与查询相关的数据分析偏好960的一个或多个知识结果。数据分析偏好可以包括图形或对象类型、字段聚合偏好、列/行/标题命名偏好、格式化偏好或其他数据分析偏好。数据分析偏好可以包括计算或数据处理偏好二者以及数据可视化或描述偏好。

知识存储库923可以根据一个或多个范围属性或类别来存储数据分析偏好。例如，可以基于每用户、每组织、每租户、每应用或全局/一般来存储数据分析偏好。知识查询961可以指示与当前洞察处理相关联的与用户、组织、租户、应用或其他范围相关的属性，并且查询中提供的该范围可以由知识存储库932用于返回与该范围和相关联的安全权限(如果有)相当的适当数据分析偏好。还可以执行从知识生成器922确定的关联子类别和范围的根数据分析偏好的存储扇出，以确保每个受影响的范围与相关联的推断数据分析偏好相关。知识存储库923可以以表格格式或图形格式以及其他数据存储格式存储数据分析偏好。

活动信号从使用活动源930以及其他源确定，并且可以指示用户如何执行分析以及用户采用哪些语言或传统来传送分析。可以基于这些活动信号和语言/传统来确定对数据分析偏好和操作知识的推断，并且这些推断可以用于洞察生成。洞察生成可以横跨跨越整个应用或平台的各种用户、客户端、组织或全局。有利地，用户对各种数据集执行更高效的数据分析，并且可以通过从用于过去数据分析的现有传统或部落知识的快速启动数据分析来执行分析。用于处理大型和复杂数据集的数据分析、合成和可视化过程可以被加速并使得与用户更相关。可以实现用于数据分析的对处理资源的更高效使用，并且还可以确定针对特定设备形状因素的分析。

现在转到图10，呈现了计算系统1001。计算系统1001表示其中可以实现本文公开的各种操作架构、场景和过程的任何系统或系统集合。例如，计算系统1001可以用于实现图1的任何用户平台110或洞察平台120，或图8的平台820。计算系统1001的示例包括但不限于服务器计算机、云计算系统、分布式计算系统、软件定义网络系统、计算机、台式计算机、混合计算机、机架服务器、web服务器、云计算平台和数据中心设备，以及任何其他类型的物理或虚拟服务器机器，以及其他计算系统和设备，以及它们的任何变化或组合。当计算系统1001的部分在用户设备上实现时，示例设备包括智能电话、膝上型计算机、平板计算机、台式计算机、游戏系统、娱乐系统等。

计算系统1001可以实现为单个装置、系统或设备，或者可以以分布式方式实现为多个装置、系统或设备。计算系统1001包括但不限于处理系统1002、存储系统1003、软件1005、通信接口系统1007和用户接口系统1008。处理系统1002操作性地与存储系统1003、通信接口系统1007和用户接口系统1008耦合。

处理系统1002从存储系统1003加载并执行软件1005。软件1005包括洞察环境1006和/或信号环境1009，其表示关于前述附图所讨论的过程。当由处理系统1002执行以增强数据洞察可视化和活动知识推断时，软件1005指导处理系统1002如本文所述至少针对前述实施方式中讨论的各种过程、操作场景和环境进行操作。计算系统1001可以可选地包括为简洁起见未讨论的附加设备、特征或功能。

仍然参考图10，处理系统1002可以包括从存储系统1003取回和执行软件1005的微处理器和处理电路。处理系统1002可以在单个处理设备内实现，但也可以跨越在执行程序指令时协作的多个处理设备或子系统分布。处理系统1002的示例包括通用中央处理单元、专用处理器和逻辑设备，以及任何其他类型的处理设备、其组合或变型。

存储系统1003可以包括可由处理系统1002读取并且能够存储软件1005的任何计算机可读存储介质。存储系统1003可以包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据之类的信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。存储介质的示例包括随机存取存储器、只读存储器、磁盘、电阻存储器、光盘、闪存、虚拟存储器和非虚拟存储器、磁带盒、磁带、磁盘存储设备或其他磁存储设备、或任何其他合适的存储介质。在任何情况下，计算机可读存储介质都不是传播信号。

除了计算机可读存储介质之外，在一些实施方式中，存储系统1003还可以包括计算机可读通信介质，至少一些软件1005可以通过所述计算机可读通信介质在内部或外部进行通信。存储系统1003可以实现为单个存储设备，但是也可以跨相对于彼此共址或分布式的多个存储设备或子系统实现。存储系统1003可以包括能够与处理系统1002或可能的其他系统通信的附加元素，例如控制器。

软件1005可以用程序指令实现，并且当由处理系统1002执行时，可以指导处理系统1002以如关于本文所示的各种操作场景、序列和过程所描述的那样操作，以及其他功能。例如，软件1005可以包括用于实现本文讨论的数据集处理环境和平台的程序指令。

特别地，程序指令可以包括协作或以其他方式交互以执行本文描述的各种过程和操作场景的各种组件或模块。各种组件或模块可以体现在编译或解释的指令中，或者体现在一些其他变型或指令的组合中。各种组件或模块可以以同步或异步方式，串行或并行，在单线程环境或多线程中，或根据任何其他合适的执行范例、变型或其组合来执行。除了洞察环境1006或信号环境1009之外或包括洞察环境1006或信号环境1009，软件1005可以包括附加的过程、程序或组件，例如操作系统软件或其他应用软件。软件1005还可以包括固件或处理系统1002可执行的一些其他形式的机器可读处理指令。

通常，软件1005当被加载到处理系统1002中并且被执行时，可以将合适的装置、系统或设备(其中计算系统1001是代表性的)从通用计算系统整体转换为定制以促进增强型数据洞察可视化和活动知识推断的专用计算系统。实际上，在存储系统1003上编码软件1005可以变换存储系统1003的物理结构。物理结构的特定变换可以取决于本说明书的不同实施方式中的各种因素。这些因素的示例可以包括但不限于用于实现存储系统1003的存储介质的技术以及计算机存储介质是否被表征为主存储或二级存储，以及其他因素。

例如如果计算机可读存储介质被实现为基于半导体的存储器，则软件1005可以在程序指令被编码在其中时变换半导体存储器的物理状态，例如通过变换晶体管、电容器或构成半导体存储器的其他分立电路元素的状态。可以对磁性或光学介质进行类似的变换。在不脱离本说明书的范围的情况下，物理介质的其他变换是可能的，前述示例仅被提供用于促进本讨论。

洞察环境1006或信号环境1009均包括一个或多个软件元素，例如OS 1021/1031和应用1022/1032。这些元素可以描述计算系统1001的各个部分，用户、数据集源、遥测元素、机器学习环境或其他元素与这些部分交互。例如，OS 1021/1031可以提供在其上执行应用1022/1032的软件平台，并允许处理数据集以获得洞察和可视化，处理来自各种源的数据文件以开发活动知识和使用模态，并建立用于洞察对象的移动设备的可移植性，以及其他功能。

在一个示例中，洞察处理器1023包括数据集处理器1024和可视化生成器1025。数据集处理器1024识别与用户新输入并且先前由用户存储的用户数据相关联的数据集。数据集处理器1024可以处理数据集以识别与数据集相关联的洞察和洞察对象。可视化生成器1025产生针对目标数据集的数据洞察对象，所述数据洞察对象包括图形可视化部分、数据描述、用于呈现给用户的对象洞察部分，以及至少指示用于产生数据洞察对象的处理沿袭的对象元数据部分。洞察处理器1032可以提供数据洞察对象以供用户应用的洞察界面呈现，例如通过界面系统1007或界面系统1008。可视化生成器1025至少基于与处理一个或多个过去的数据集相关联的使用模态来确定目标数据集的数据洞察候选者，并根据目标数据集和使用模态建立数据洞察候选者的内容。可视化生成器1025还可以将选择的数据洞察对象和沿袭元数据与目标数据集相关联，以便随后在诸如移动设备或非移动设备之类的替代计算设备上使用。

在另一示例中，活动信号处理器1033包括使用处理器1034和知识生成器1035。使用处理器1034将数据存储服务识别为与一个或多个用户的应用使用活动相关的使用数据的源，并提取使用数据中的至少指示所述一个或多个用户的应用使用活动的部分。知识生成器1035将应用使用活动应用于知识图谱服务，所述知识图谱服务被配置为从应用使用活动中确定一个或多个用户的活动信号，并且将从活动信号推导出的数据分析偏好存储在知识存储库中。知识生成器1035与洞察服务(例如，洞察处理器1023)对接，以产生数据洞察对象，每个数据洞察对象包括用于呈现给用户的对象洞察部分和至少指示用于产生数据洞察对象的处理沿袭的对象元数据部分。

通信接口系统1007可以包括通信连接和设备，其允许通过通信网络(未示出)与其他计算系统(未示出)通信。一起允许系统间通信的连接和设备的示例可以包括网络接口卡、天线、功率放大器、RF电路、收发器和其他通信电路。连接和设备可以通过通信介质(例如，金属、玻璃、空气或任何其他合适的通信介质)进行通信，以与其他计算系统或系统网络交换通信。通信接口系统1007的物理或逻辑元素可以从遥测源接收数据集，在一个或多个分布式数据存储元素之间传输数据集和控制信息，并且与用户对接以接收数据选择并提供可视化数据集以及其他特征。

用户接口系统1008是可选的，并且可以包括用于接收来自用户的输入的键盘、鼠标、语音输入设备、触摸输入设备。诸如显示器、扬声器、web接口、终端接口和其他类型的输出设备之类的输出设备也可以包括在用户接口系统1008中。用户接口系统1008可以通过网络接口(例如，通信接口系统1007)提供输出和接收输入。在网络示例中，用户接口系统1008可以通过在一个或多个网络接口上耦合的显示系统或计算系统来对显示或图形数据进行分包以供远程显示。用户接口系统1008的物理或逻辑元素可以从用户或其他运营商接收数据集或洞察选择信息，并向用户或其他运营商提供经处理的数据集、洞察对象、活动知识或其他信息。用户接口系统1008还可以包括可由处理系统1002执行的相关联用户界面软件，以支持上面讨论的各种用户输入和输出设备。单独地或与彼此和其他硬件和软件元素相结合地，用户界面软件和用户界面设备可以支持图形用户界面、自然用户界面或任何其他类型的用户界面。

计算系统1001与其他计算系统(未示出)之间的通信可以在一种通信网络或多种通信网络上并且根据各种通信协议、协议组合或其变型发生。示例包括内联网、互联网、因特网、局域网、广域网、无线网络、有线网络、虚拟网络、软件定义网络、数据中心总线、计算背板或任何其他类型的网络、网络组合或其变型。上述通信网络和协议是众所周知的，这里不需要详细讨论。然而，可以使用的一些通信协议，包括但不限于互联网协议(IP，IPv4，IPv6等)、传输控制协议(TCP)和用户数据报协议(UDP)，以及任何其他合适的通信协议、变型或其组合。

通过前述公开内容可以领会某些发明性方面，以下是其各种示例。

示例1：一种提供用于移动计算设备的数据可视化框架的方法，所述方法包括：在远离所述移动计算设备的洞察服务中，确定用于在所述移动计算设备上呈现的、描述对目标数据集的分析的数据洞察候选者，其中，所述数据洞察候选者是至少基于与处理一个或多个过去数据集相关联的数据分析偏好来确定的，其中，所述数据洞察候选者中的每一者包括针对所述目标数据集并且由对象元数据描述的至少一个洞察对象，所述对象元数据至少指示用于产生所述至少一个洞察对象的处理沿袭。所述方法包括：在所述洞察服务中，至少基于所述移动计算设备的属性，选择用于在所述移动计算设备上显示所述数据洞察候选者的呈现细节级别；至少基于所述呈现细节级别，生成用于在所述移动计算设备上呈现的一个或多个洞察视图；以及传输所述一个或多个洞察视图，以便递送给所述移动计算设备。

示例2：示例1的方法，还包括：在所述洞察服务中，传输指示所述数据洞察候选者的列表以在所述移动计算设备上显示，以及接收对所述数据洞察候选者中的选择的一者的用户选择；以及响应于所述用户选择，传输与所述数据洞察候选者中的所述选择的一者相关联的所述一个或多个洞察视图，以便递送给所述移动计算设备。

示例3：示例1-2的方法，还包括：响应于所述用户选择，在所述洞察服务中，保持与所述数据洞察候选者中的所述选择的一者相关联的所述对象元数据，同时在无需与所述数据洞察候选者中的所述选择的一者相关联的所述对象元数据的情况下渲染所述数据洞察候选者中的所述选择的一者的视图以便传输给所述移动计算设备。

示例4：示例1-3的方法，还包括：响应于所述用户选择，在所述洞察服务中，将所述对象元数据与所述数据洞察候选者中的所述选择的一者相关联地存储，以便在与所述移动计算设备不同的计算设备上显示所述数据洞察候选者中的所述选择的一者。

示例5：示例1-4的方法，还包括，在所述洞察服务中，接收所述移动计算设备的所述属性，所述属性向所述洞察服务指示包括所述移动计算设备的显示屏的大小和分辨率的显示形状因素；以及至少基于所述显示形状因素，选择用于在所述移动计算设备上显示所述数据洞察候选者的所述呈现细节级别，其中，所述呈现细节级别包括基于所述移动计算设备的所述显示形状因素来选择用于所述一个或多个数据洞察候选者的相关联图形部分的渲染过程。

示例6：示例1-5的方法，还包括：在所述洞察服务中，接收所述移动计算设备的所述属性，所述属性向所述洞察服务指示所述移动计算设备的网络带宽状态；以及至少基于所述移动计算设备的所述网络带宽状态，选择用于在所述移动计算设备上显示所述数据洞察候选者的所述呈现细节级别，其中，所述呈现细节级别包括基于所述移动计算设备的所述网络带宽状态来选择用于所述一个或多个数据洞察候选者的相关联图形部分的渲染过程。

示例7：示例1-6的方法，其中，生成用于在所述移动计算设备上呈现的所述一个或多个洞察视图包括：在所述移动计算设备上提供所述数据洞察候选者的分页视图，通过所述分页视图，用户能够经由所述移动计算设备的触摸屏部分轻扫通过所述数据洞察候选者中的每一者并选择所述数据洞察候选者中的至少一者。

示例8：示例1-7的方法，还包括：在所述洞察服务中，响应于对所述移动计算设备上的所述目标数据集的用户更改，利用所述数据洞察候选者中的至少一者的处理沿袭来处理对所述目标数据集的所述更改，以产生至少一个更新的数据洞察候选者；以及传输所述至少一个更新的数据洞察候选者的视图，以便递送给所述移动计算设备。

示例9：一种用于移动计算平台的数据可视化框架，包括：一个或多个计算机可读存储介质；操作性地与所述一个或多个计算机可读存储介质耦合的处理系统；以及存储在所述一个或多个计算机可读存储介质上的程序指令。基于由所述处理系统读取和执行，所述程序指令指导所述处理系统至少执行以下操作：确定用于经由所述移动计算平台呈现的、描述对目标数据集的分析的数据洞察候选者，其中，所述数据洞察候选者是至少基于与处理一个或多个过去数据集相关联的数据分析偏好来确定的，其中，所述数据洞察候选者中的每一者包括针对所述目标数据集并由对象元数据描述的至少一个洞察对象，所述对象元数据至少指示用于产生所述至少一个洞察对象的处理沿袭；至少基于所述移动计算平台的属性，选择用于在所述移动计算平台上显示所述数据洞察候选者的呈现细节级别。至少基于所述呈现细节级别，所述程序指令指导所述处理系统生成用于在所述移动计算平台上呈现的一个或多个洞察视图；以及传输所述一个或多个洞察视图，以便递送给所述移动计算平台。

示例10：示例9的数据可视化框架，包括基于由所述处理系统执行，指导所述处理系统至少执行以下操作的其他程序指令：传输指示所述数据洞察候选者的列表以在所述移动计算平台上显示，以及接收对所述数据洞察候选者中的选择的一者的用户选择；以及响应于所述用户选择，传输与所述数据洞察候选者中的所述选择的一者相关联的所述一个或多个洞察视图，以便递送给所述移动计算平台。

示例11：示例9-10的数据可视化框架，包括基于由所述处理系统执行，指导所述处理系统至少执行以下操作的其他程序指令：响应于所述用户选择，保持与所述数据洞察候选者中的所述选择的一者相关联的所述对象元数据，同时在无需与所述数据洞察候选者中的所述选择的一者相关联的所述对象元数据的情况下渲染所述数据洞察候选者中的所述选择的一者的视图以便传输给所述移动计算平台。

示例12：示例9-11的数据可视化框架，包括基于由所述处理系统执行，指导所述处理系统至少执行以下操作的其他程序指令：响应于所述用户选择，将所述对象元数据与所述数据洞察候选者中的所述选择的一者相关联地存储，以便在与所述移动计算平台不同的计算设备上显示所述数据洞察候选者中的所述选择的一者。

示例13：示例9-12的数据可视化框架，包括基于由所述处理系统执行，指导所述处理系统至少执行以下操作的其他程序指令：接收所述移动计算平台的所述属性，所述属性向所述洞察服务指示包括所述移动计算平台的显示屏的大小和分辨率的显示形状因素；以及至少基于所述显示形状因素，选择用于在所述移动计算平台上显示所述数据洞察候选者的所述呈现细节级别，其中，所述呈现细节级别包括基于所述移动计算平台的所述显示形状因素来选择用于所述一个或多个数据洞察候选者的相关联图形部分的渲染过程。

示例14：示例9-13的数据可视化框架，包括基于由所述处理系统执行，指导所述处理系统至少执行以下操作的其他程序指令：接收所述移动计算平台的所述属性，所述属性向所述洞察服务指示所述移动计算平台的网络带宽状态；以及至少基于所述移动计算平台的所述网络带宽状态，选择用于在所述移动计算平台上显示所述数据洞察候选者的所述呈现细节级别，其中，所述呈现细节级别包括基于所述移动计算平台的所述网络带宽状态来选择用于所述一个或多个数据洞察候选者的相关联图形部分的渲染过程。

示例15：示例9-14的数据可视化框架，其中，生成用于在所述移动计算平台上呈现的所述一个或多个洞察视图包括：在所述移动计算平台上提供所述数据洞察候选者的分页视图，通过所述分页视图，用户能够经由所述移动计算平台的触摸屏部分轻扫通过所述数据洞察候选者中的每一者并选择所述数据洞察候选者中的至少一者。

示例16：示例9-15的数据可视化框架，包括基于由所述处理系统执行，指导所述处理系统至少执行以下操作的其他程序指令：响应于对所述移动计算平台上的所述目标数据集的用户更改，利用所述数据洞察候选者中的至少一者的处理沿袭来处理对所述目标数据集的所述更改，以产生至少一个更新的数据洞察候选者；以及传输所述至少一个更新的数据洞察候选者的视图，以便递送给所述移动计算平台。

示例17：一种在移动计算设备上操作电子表格应用的方法，所述方法包括：呈现所述电子表格应用的洞察界面，所述洞察界面指示针对在所述电子表格应用的用户界面中呈现的目标数据集的一个或多个数据分析选项。响应于指示针对所述目标数据集请求洞察分析的用户选择，所述方法包括：与远离所述移动计算设备的、产生与所述目标数据集相关的一个或多个数据可视化对象的洞察服务对接，所述数据可视化对象中的每一者包括图形可视化部分和指示用于产生所述图形可视化部分的处理沿袭的对象元数据部分；以及在所述电子表格应用的所述洞察界面中呈现所述一个或多个数据可视化对象。响应于指示所述一个或多个数据可视化对象中的选择的数据可视化对象的进一步用户选择，所述方法包括：在所述洞察服务中，将所述选择的数据可视化对象与所述目标数据集相关联，以便随后在另一计算设备上使用，所述选择的数据可视化对象包括相关联的图形可视化部分和用于产生所述相关联的图形可视化部分的相关联的处理沿袭。

示例18：示例17的方法，还包括：向所述洞察服务指示所述移动计算设备的显示形状因素；以及至少通过基于所述移动计算设备的所述显示形状因素来选择用于所述一个或多个数据可视化对象的所述相关联的图形可视化部分，并产生所述一个或多个数据可视化对象的所述对象元数据部分以至少支持所述移动计算设备的所述显示形状因素和所述另一计算设备的另一显示形状因素，来与所述洞察服务对接以产生与所述目标数据集相关的所述一个或多个数据可视化对象，其中，所述移动计算设备的所述显示形状因素包括不同于所述另一计算设备的显示屏的大小和分辨率的、所述移动计算设备的显示屏的大小和分辨率。

示例19：示例17-18的方法，还包括：向所述洞察服务指示所述移动计算设备的网络带宽状态；以及与所述洞察服务对接，以至少通过基于所述移动计算设备的所述网络带宽状态选择用于所述一个或多个数据可视化对象的相关联的图形可视化部分的渲染过程来产生与所述目标数据集相关的所述一个或多个数据可视化对象。

示例20：示例17-19的方法，还包括：与所述洞察服务对接，以至少通过向所述洞察服务指示所述目标数据集在分布式存储系统中的存储位置来产生与所述目标数据集相关的所述一个或多个数据可视化对象；以及利用所述洞察服务发起所述洞察分析，其中，所述洞察分析至少基于针对与存储在至少分布式存储系统上的数据相关联的过去使用模态推导出的活动信号处理所述目标数据集而产生所述一个或多个数据可视化对象。

附图中提供的功能框图、操作场景和序列、以及流程图表示用于执行本公开的新颖方面的示例性系统、环境和方法。虽然出于简化解释的目的，本文包括的方法可以是功能图、操作场景或序列、或者流程图的形式，并且可以被描述为一系列动作，但是应当理解和领会，方法不受动作顺序的限制，这是因为据此，一些动作可以以不同的顺序发生和/或与本文所示和所述的其他动作同时发生。例如，本领域技术人员将理解并领会，方法可以替代地表示为一系列相互关联的状态或事件，例如在状态图中。此外，并非方法中所示的所有动作都可能是新颖实施方式所必需的。

本文包括的说明书和附图描述了教导本领域技术人员如何制作和使用最佳选项的具体实施方式。出于教导发明原理的目的，已经简化或省略了一些传统方面。本领域技术人员将领会落入本公开范围内的这些实施方式的变型。本领域技术人员还将领会，上述特征可以以各种方式组合以形成多个实施方式。因此，本发明不限于上述具体实施方式，而是仅由权利要求及其等同物限制。

Claims (15)

1.一种操作数据洞察系统的方法，所述方法包括：

至少基于针对用户或与所述用户相关联的组织的过去数据分析活动的使用模态来确定导出的数据分析偏好；

基于所述导出的数据分析偏好来确定针对目标数据集的数据洞察对象，其中，所述数据洞察对象包括：

对象部分，其将第一内容表示为数据洞察，

一个或多个元数据部分，其指示处理沿袭，所述处理沿袭提供指示被施加以生成所述第一内容的包括处理操作、函数和公式中的一个或多个的数据处理步骤的活动记录的数据，以及

图形用户界面(GUI)元素，其提出关于所述数据洞察的第一内容的问题；

至少基于针对用于显示所述数据洞察对象的表示的用户计算设备识别的设备属性的评估，在不同的呈现级别生成所述数据洞察对象，其中，所述不同的呈现级别包括：

第一呈现级别，其包括所述对象部分和所述GUI元素，以及

第二呈现级别，其包括所述一个或多个元数据部分中的元数据部分作为第二内容，所述第二内容指示在选择提出关于所述数据洞察的第一内容的所述问题的所述GUI元素后能够显示的所述处理沿袭；

向所述用户计算设备传输用于在所述第一呈现级别渲染所述数据洞察对象的数据；

从所述用户计算设备接收对提出关于所述数据洞察的内容的所述问题的所述GUI元素的选择的指示；以及

响应于接收到对所述GUI元素的所述选择的所述指示，向所述用户计算设备传输用于在所述第二呈现级别渲染所述数据洞察对象的数据。

2.如权利要求1所述的方法，还包括：

在远离所述用户计算设备的分布式存储装置中维护指示所述处理沿袭的所述一个或多个元数据部分，并且其中，传输各自分别用于在所述第一呈现级别和所述第二呈现级别渲染所述数据洞察对象的数据包括：从所述分布式存储装置取回用于在所述第一呈现级别渲染所述数据洞察对象的数据和用于在所述第二呈现级别渲染所述数据洞察的数据。

3.如权利要求1所述的方法，其中，用于在所述第二呈现级别渲染所述数据洞察对象的数据包括用于生成所述数据洞察的第一内容的函数的虚拟表示。

4.如权利要求1所述的方法，其中，用于在所述第二呈现级别渲染所述数据洞察对象的数据包括用于生成所述数据洞察的第一内容的公式的虚拟表示。

5.如权利要求1所述的方法，其中，用于在所述第二呈现级别渲染所述数据洞察对象的数据包括用于生成所述数据洞察的第一内容的处理操作的虚拟表示。

6.如权利要求1所述的方法，其中，用于在所述不同的呈现级别生成所述数据洞察对象的针对所述用户计算设备识别的设备属性的所述评估包括评估所述用户计算设备的显示器配置；并且

其中，在所述不同的呈现级别生成所述数据洞察对象包括确定基于所述用户计算设备的显示器大小的评估在所述不同的呈现级别生成所述数据洞察对象。

7.一种数据可视化装置，包括：

一个或多个计算机可读存储介质；

操作性地与所述一个或多个计算机可读存储介质耦合的处理系统；以及

存储在所述一个或多个计算机可读存储介质上的程序指令，所述程序指令基于由所述处理系统读取和执行，指导所述处理系统至少执行以下操作：

至少基于针对用户或与所述用户相关联的组织的过去数据分析活动的使用模态来确定导出的数据分析偏好；

基于所述导出的数据分析偏好来确定针对目标数据集的数据洞察对象，其中，所述数据洞察对象包括：

对象部分，其将第一内容表示为数据洞察，

一个或多个元数据部分，其指示处理沿袭，所述处理沿袭提供指示被施加以生成所述第一内容的包括处理操作、函数和公式中的一个或多个的数据处理步骤的活动记录的数据，以及

图形用户界面(GUI)元素，其提出关于所述数据洞察的第一内容的问题；

至少基于针对用于显示所述数据洞察对象的表示的用户计算设备识别的设备属性的评估，在不同的呈现级别生成所述数据洞察对象，其中，所述不同的呈现级别包括：

第一呈现级别，其包括所述对象部分和所述GUI元素，以及

第二呈现级别，其包括所述一个或多个元数据部分中的元数据部分作为第二内容，所述第二内容指示在选择提出关于所述数据洞察的第一内容的所述问题的所述GUI元素后能够显示的所述处理沿袭；

向所述用户计算设备传输用于在所述第一呈现级别渲染所述数据洞察对象的数据；

从所述用户计算设备接收对提出关于所述数据洞察的内容的所述问题的所述GUI元素的选择的指示；以及

响应于接收到对所述GUI元素的所述选择的所述指示，向所述用户计算设备传输用于在所述第二呈现级别渲染所述数据洞察对象的数据。

8.如权利要求7所述的数据可视化装置，包括基于由所述处理系统执行，指导所述处理系统至少执行以下操作的其他程序指令：

在远离所述用户计算设备的分布式存储装置中维护指示所述处理沿袭的所述一个或多个元数据部分，并且其中，传输各自分别用于在所述第一呈现级别和所述第二呈现级别渲染所述数据洞察对象的数据包括：从所述分布式存储装置取回用于在所述第一呈现级别渲染所述数据洞察对象的数据和用于在所述第二呈现级别渲染所述数据洞察的数据。

9.如权利要求7所述的数据可视化装置，其中，用于在所述第二呈现级别渲染所述数据洞察对象的数据包括用于生成所述数据洞察的第一内容的函数的虚拟表示。

10.如权利要求7所述的数据可视化装置，其中，用于在所述第二呈现级别渲染所述数据洞察对象的数据包括用于生成所述数据洞察的第一内容的公式的虚拟表示。

11.如权利要求7所述的数据可视化装置，其中，用于在所述第二呈现级别渲染所述数据洞察对象的数据包括用于生成所述数据洞察的第一内容的处理操作的虚拟表示。

12.如权利要求7所述的数据可视化装置，其中，用于在所述不同的呈现级别生成所述数据洞察对象的针对所述用户计算设备识别的设备属性的所述评估包括评估所述用户计算设备的显示器配置。

13.如权利要求12所述的数据可视化装置，其中，在所述不同的呈现级别生成所述数据洞察对象包括确定基于所述用户计算设备的显示器大小的评估在所述不同的呈现级别生成所述数据洞察对象。

14.一种操作数据洞察系统的方法，所述方法包括：

至少基于针对用户或与所述用户相关联的组织的过去数据分析活动的使用模态来确定导出的数据分析偏好；

基于所述导出的数据分析偏好来确定针对目标数据集的数据洞察对象，其中，所述数据洞察对象包括：

对象部分，其将第一内容表示为数据洞察，

一个或多个元数据部分，其指示处理沿袭，所述处理沿袭提供指示被施加以生成所述第一内容的包括处理操作、函数和公式中的一个或多个的数据处理步骤的活动记录的数据，以及

图形用户界面(GUI)元素，其提出关于所述数据洞察的第一内容的问题；

至少基于针对用于显示所述数据洞察对象的表示的用户计算设备识别的设备属性的评估，在不同的呈现级别生成所述数据洞察对象，其中，所述不同的呈现级别包括：

第一呈现级别，其包括所述对象部分和所述GUI元素，以及

第二呈现级别，其包括所述一个或多个元数据部分中的元数据部分作为第二内容，所述第二内容指示在选择提出关于所述数据洞察的第一内容的所述问题的所述GUI元素后能够显示的所述处理沿袭；

在所述第一呈现级别渲染所述数据洞察对象以用于呈现；

接收对提出关于所述数据洞察的内容的所述问题的所述GUI元素的选择；以及

响应于接收到对所述GUI元素的所述选择，在所述第二呈现级别渲染所述数据洞察对象。

15.如权利要求14所述的方法，其中：

用于在所述第二呈现级别渲染所述数据洞察对象的数据包括用于生成所述数据洞察的第一内容的函数、公式或处理操作的虚拟表示；

用于在所述不同的呈现级别生成所述数据洞察对象的针对所述用户计算设备识别的设备属性的所述评估包括评估所述用户计算设备的显示器配置；并且

在所述不同的呈现级别生成所述数据洞察对象包括确定基于所述用户计算设备的显示器大小的评估在所述不同的呈现级别生成所述数据洞察对象。