探查数据骨架
先做维度基数扫描,决定谁当坐标、谁当颜色。
- 基数 < 12:映射为空间轴
- 基数 12–200:映射为色相带
- 基数 > 1000:聚合为密度场
每个阶段都有明确交付物与验收阈值,避免「3D 很炫但没人用」。关键判断:先定交互问题,再选几何表达。
先做维度基数扫描,决定谁当坐标、谁当颜色。
用 InstancedMesh 承载重复几何,单批次提交绘制调用。
D3.js 负责比例尺与刻度,Three.js 负责空间呈现,两者共用一份数据源。
把旋转、下钻、框选三类交互各跑一遍性能基线。
硬边描边卡 + 偏移阴影,是这套引擎的视觉签名:像被压在台面上的数据切片。

几何形态本身承载语义:高度=量级,厚度=置信区间,透明度=采样密度。

支持流式分片加载,单次查询窗口默认 90 天,超出自动降采样至 1/8。

2D 概览与 3D 细节双向联动,框选概览区即可把细节层聚焦到对应子集。

手势与键鼠双通道:拖拽旋转、滚轮推进、双击聚焦,交互热区不小于 44 px。
价格按「场景数量 + 数据量级」计价,首年含两次性能调优,超量部分按 0.02 元/万点/月结算。
这些都是 3D 数据可视化项目里最常翻车的地方,每条都给了可验证的量化口径。

若参与映射的维度少于 3 个且基数 < 12,优先用 2D 图表;强行 3D 只会增加遮挡与误读,实测误读率上升约 23%。
重复几何一律走 InstancedMesh;每千个独立 Mesh 约增加 3–5 ms 帧耗时,超过 40 次绘制调用后中端设备开始掉到 45 fps 以下。
几何用 Draco 压缩(典型压缩比 5:1),纹理改 KTX2;把非首屏模型拆为按需加载,首帧可交互时间目标 ≤ 1.2 s。
把射线检测放到 pointermove 的 60 ms 节流里,或改用 GPU 拾取;逐帧全量检测在 20 万点场景下会吃掉 单帧 30% 以上预算。
按 navigator.hardwareConcurrency 与 WebGL2 能力分级:低端自动关闭阴影与后处理,粒子上限降到 3 万,保证 ≥ 30 fps。
色相用于分类、明度用于量级,两者不要混用;同屏色相控制在 6–8 个,并以图例固化,避免观众每次重新学习色义。
把视角、筛选、尺度类型序列化为可分享链接(URL 参数 ≤ 300 字符),让同事打开即回到同一观察点,协作沟通成本可下降约 35%。
同样的引擎,在不同业务里关注的问题完全不同:有人找异常,有人找结构,有人找趋势拐点。

把 3000+ 服务实例铺成力导向三维拓扑,异常节点以青色脉冲标记,平均故障定位从 26 分钟压到 9 分钟。

按客单价、复购率、坪效三维聚类,识别出 5 类门店画像,据此调整铺货结构的门店占比达 38%。

以时间轴回放整条产线的温度与振动场,提前 40 分钟预警轴承异常,非计划停机次数下降 2 次/季。
首次探查提供 90 分钟工作坊:现场完成维度基数扫描、场景草图与性能预估,输出一页可执行的落地方案,无需提前准备清洗后的数据。