Heatmap (bản đồ nhiệt) là hiển thị đồ họa của dữ liệu số nơi màu sắc được dùng để biểu thị giá trị. Trong bối cảnh khai thác dữ liệu, heatmap đặc biệt hữu ích cho hai mục đích – trực quan hóa bảng tương quan và trực quan hóa giá trị thiếu trong dữ liệu. Trong cả hai trường hợp, thông tin được truyền đạt trong bảng hai chiều.
Heatmap là mô tả đồ họa của dữ liệu cần một hệ thống mã hóa màu để định nghĩa nhiều giá trị. Heatmap được dùng trong nhiều dạng phân tích nhưng thường dùng nhất để hiển thị hành vi người dùng trên các trang web hoặc mẫu trang web cụ thể. Heatmap có thể dùng để hiển thị nơi người dùng đã nhấp trên trang, họ đã cuộn xuống bao xa, hoặc dùng để hiển thị kết quả test theo dõi mắt (eye-tracking).
Bảng tương quan cho p biến có p hàng và p cột. Bảng dữ liệu bao gồm p cột (biến) và n hàng (quan sát). Nếu nhiều hàng lớn, tập con có thể được dùng. Trong cả hai trường hợp, đơn giản và nhanh hơn để quét mã hóa màu thay vì các giá trị.
Heatmap hữu ích khi xác định số lượng lớn giá trị, nhưng chúng không phải là sự thay thế cho hiển thị đồ họa chính xác hơn, bao gồm biểu đồ cột, vì sự khác biệt màu sắc không thể được nhận diện chính xác.
Trong heatmap giá trị thiếu, hàng tương quan với dữ liệu và cột với biến. Cần mã hóa nhị phân của tập dữ liệu gốc nơi 1 chỉ ra giá trị thiếu và 0 ngược lại. Bảng nhị phân mới này được tô màu chỉ các ô giá trị thiếu (với giá trị 1) được tô màu.
Dữ liệu liên quan đến kinh tế, xã hội, chính trị, và "hạnh phúc" (well-being) về nhiều quốc gia trên toàn cầu (mỗi hàng là một quốc gia). Các biến được hợp nhất từ nhiều nguồn, và đối với mỗi nguồn, thông tin không luôn có sẵn trong mọi quốc gia.
Heatmap dữ liệu thiếu hỗ trợ trực quan hóa mức độ và số lượng "thiếu hụt" (missingness) trong tệp dữ liệu kết hợp. Một số mẫu "thiếu hụt" đơn giản nổi lên biến thiếu cho hầu như tất cả quan sát, và cụm hàng (quốc gia) thiếu nhiều giá trị.
Biến với ít missingness cũng rõ ràng. Dữ liệu này có thể dùng để quyết định cách xử lý missingness (ví dụ: loại bỏ một số biến, loại bỏ một số dữ liệu, khử khuyết (imputing), v.v.).
Công cụ phân tích như Google Analytics hoặc Site Catalyst tuyệt vời ở việc hỗ trợ chỉ số hiển thị trang nào người dùng truy cập, nhưng chúng có thể thiếu chi tiết khi đến việc hiểu người dùng sử dụng những trang đó như thế nào. Heatmap có thể cung cấp cái nhìn tổng quan toàn diện hơn về cách người dùng hành xử.
Heatmap trực quan hơn báo cáo phân tích tiêu chuẩn, làm cho chúng dễ phân tích hơn chỉ bằng một cái nhìn. Điều này làm cho chúng dễ truy cập hơn, đặc biệt đối với người không quen phân tích lượng lớn dữ liệu.
Công cụ heat mapping tốt, như CrazyEgg, cho phép nhà phân tích phân đoạn (segment) và lọc (filter) dữ liệu. Điều này nghĩa là có thể dễ dàng xem cách nhiều loại người dùng khác nhau tương tác với một trang cụ thể.