Vol. 1 No. 3 (2026), Articles
Vol. 1 No. 3 (2026)

COMPARATIVE ANALYSIS OF MODERN METHODS AND TOOLS FOR BIG DATA VISUALIZATION

Articles
Published 2026-03-21
Fakhriddin Nuraliyev
Doctor of Technical Sciences, Professor, Tashkent University of Information Technologies named after Muhammad al-Khwarizmi, Department of “Television and Media Technologies”, Tashkent, Uzbekistan.
Farhod Hotamov
Doctoral Student, Tashkent University of Information Technologies named after Muhammad al-Khwarizmi, Department of “Television and Media Technologies”, Tashkent, Uzbekistan.
Zuxra Muxamedjonova
Master’s student, Tashkent University of Information Technologies named after Muhammad al-Khwarizmi, Department of “Television and Media Technologies”, Tashkent, Uzbekistan.

Keywords

Big Data, data visualization, Tableau, Power BI, Python, Apache Spark, R language, comparative analysis, interactive charts, analytics.

How to Cite

Nuraliyev , F., Hotamov , F., & Muxamedjonova , Z. (2026). COMPARATIVE ANALYSIS OF MODERN METHODS AND TOOLS FOR BIG DATA VISUALIZATION. INTERNATIONAL CONFERENCE ON SCIENCE, INNOVATION AND GLOBAL DEVELOPMENT, 1(3), 143-154. https://doi.org/10.5281/zenodo.19152168
ACM ACS APA ABNT Chicago Harvard IEEE MLA Turabian Vancouver AMA

Download Citation

Endnote/Zotero/Mendeley (RIS) BibTeX

Abstract

This article examines modern technologies and software tools used in the process of Big Data visualization. A comparative analysis of Tableau, Microsoft Power BI, Python visualization libraries, Google Data Studio, Apache Spark and R language is conducted. The research findings indicate that the selection of a visualization tool is directly dependent on data volume, processing speed, real-time analysis capability and the degree of integration with other systems.

References

1. Metodы vizualizatsii bol’shikh dannykh [Электронный ресурс] // Sbertech Platform V. — 2024. — URL: https://platformv.sbertech.ru/blog/metody-vizualizaczii-bolshikh-dannykh (murojaat sanasi: 01.03.2025).

2. Лучшие инструменты аналитики больших данных в 2025 году [Текст]. — 2025. — 6 с.

3. Методы визуализации больших данных: материалы научного сборника КазНУ [Текст]. — Алматы: КазНУ им. аль-Фараби, 2025. — 10 с.

4. Авербух В.Л., Манаков Д.В. Анализ и визуализация "больших данных" // Сборник научных трудов ИММ УрО РАН. — Екатеринбург, 2014. — С. 332–340.

5. Olshannikova E., Ometov A., Koucheryavy Y., Olsson T. Visualizing Big Data // Big Data Technologies and Applications. — Springer International Publishing, 2016. — P. 101–131. DOI: 10.1007/978-3-319-44550-2_4.

6. Beyer M.A., Laney D. The importance of "Big Data": a definition. — Stamford: Gartner, 2012.

7. Demchenko Y., De Laat C., Membrey P. Defining architecture components of the Big Data Ecosystem // Proceedings of International Conference on Collaboration Technologies and Systems (CTS), IEEE. — 2014. — P. 104–112.

8. Shneiderman B. The big picture for big data: Visualization // Science. — 2014. — Vol. 343. — P. 730.

9. Shneiderman B. The Eyes Have It: A Task by Data Type Taxonomy for Information Visualizations // Proceedings of the IEEE Conference on Visual Languages. — 1996. — P. 336–343.

10. Keim D., Qu H., Ma K.-L. Big-Data Visualization // IEEE Computer Graphics and Applications. — July/August 2013. — P. 50–51.

11. Лучшие инструменты аналитики больших данных в 2025 году: обзор платформ Apache Hadoop, Spark, Tableau, Power BI, Kafka, RapidMiner, KNIME, Splunk, Google BigQuery, SAS Viya. — 2025.

12. Кабаков Р.И. R в действии: анализ и визуализация данных в программе R / пер. с англ. — М.: ДМК Пресс, 2014. — 588 с.

13. Tableau Software. Tableau for Big Data [Электронный ресурс]. — URL: https://www.tableau.com (дата обращения: 05.03.2025).

14. Microsoft Corporation. Power BI — Microsoft [Электронный ресурс]. — URL: https://powerbi.microsoft.com (дата обращения: 05.03.2025).

15. Шикин Е.В., Боресков А.В. Компьютерная графика. Динамика, реалистические изображения. — М.: ДИАЛОГ-МИФИ, 1996. — 288 с.

16. Авербух В.Л., Байдалин А.Ю., Васев П.А., Исмагилов Д.Р., Зенков А.И., Манаков Д.В. Задачи визуализации параллельных вычислений // Вопросы атомной науки и техники. Сер. Математическое моделирование физических процессов. — 2002. — Вып. 3. — С. 40–52.

17. Assuncao M.D., Calheiros R.N., Bianchi S., Netto M.A.S., Buyya R. Big Data Computing and Clouds: Challenges, Solutions, and Future Directions // arXiv:1312.4722v2. — 2014.

18. O‘zbekiston Respublikasi Prezidentining 2020-yil 5-oktabrdagi PF-6079-son Farmoni "Raqamli O‘zbekiston — 2030" strategiyasi to‘g‘risida.

19. Husain S.S., Kalinin A., Truong A., Dinov I.D. SOCR data dashboard: an integrated Big Data archive // Journal of Big Data. — 2015. — Vol. 2(1). — P. 1–18.

20. Brodlie K., Brooke J., Chen M. et al. Visual Supercomputing — Technologies, Applications and Challenges // Eurographics 2004, STAR Reports. — P. 37–68.

21. Бахтерев М.О., Васёв П.А., Казанцев А.Ю., Манаков Д.В. Система удалённой визуализации для инженерных и суперкомпьютерных вычислений // Вестник ЮжУрГУ. — 2009. — № 17 (150). — Вып. 3. — С. 4–11.

22. Bartram L., Ware C. Filtering and brushing with motion // Information Visualization. — 2002. — Vol. 1, No. 1. — P. 66–79.

23. Friendly M. A brief history of data visualization // Handbook of Data Visualization. — Springer, 2008. — P. 15–56.

24. Miksch S., Aigner W. A matter of time: applying a data-users-tasks design triangle to visual analytics // Computers & Graphics. — 2014. — Vol. 38. — P. 286–290.

25. North Ch. Toward Measuring Visualization Insight // IEEE Computer Graphics and Applications. — 2006. — Vol. 26, No. 3. — P. 20–23.

26. Dasgupta A., Chen M., Kosara R. Conceptualizing Visual Uncertainty in Parallel Coordinates // Computer Graphics Forum. — 2012. — Vol. 31(3). — P. 1015–1024.

27. Steeda Ch.A., Ricciuto D.M., Shipman G. et al. Big data visual analytics for exploratory earth system simulation analysis // Computers & Geosciences. — 2013. — Vol. 61. — P. 71–82.

Downloads

Download data is not yet available.