Визуализация данных и аналитический сторителлинг
apps-contentУзнайте, чем похожи и отличаются визуализация данных и аналитический сторителлинг, а также как объединить их возможности, чтобы преобразовывать данные в понятную, наглядную и интерактивную информацию.
Что такое визуализация данных?
Визуализация данных представляет информацию в виде изображений — визуального представления собранных данных. Этот метод позволяет принимать взвешенные организационные решения благодаря числам и показателям в диаграммах, графиках, таблицах и картах.
При создании истории на основе данных можно использовать два типа визуализаций — пояснительные и исследовательские. Пояснительные или информативные визуализации объясняют определенные аспекты или всю историю аудитории. Они также используются, когда неизвестно, на какие вопросы должны ответить собранные данные.
Визуализация данных дополняет истории, благодаря чему ваша аудитория сможет находить взаимосвязи, распознавать тенденции, делать выводы и принимать решения.
Обязательно добавляйте контекстуальные комментарии к аналитике на визуализациях, иначе ваша аудитория будет принимать решения медленнее, а также может прийти к неправильным выводам или не сориентироваться в огромном объеме данных.
Что такое аналитический сторителлинг?
Аналитический сторителлинг — это концепция, которая помогает создавать истории на основе собранных данных и аналитики, чтобы подкрепить вашу гипотезу. В повествовательном формате вы можете донести до аудитории главную мысль и побудить ее к действиям исключительно с помощью данных.
Для создания убедительной истории вы можете использовать множество типов данных, включая точечные диаграммы, географические карты, временные шкалы, линейные графики, круговые диаграммы, линейчатые диаграммы, тепловые карты и древовидные диаграммы.
Создавая историю на основе данных, прежде всего ответьте на приведенные ниже вопросы.
- О чем вы хотите рассказать пользователям?
- Что пользователи должны сделать?
- Какая информация сподвигнет их к этому?
- Как ваши данные помогают принимать решения?
Основные преимущества аналитического сторителлинга:
- Добавляет контекстуальную информацию, необходимую для понимания истории.
- Укрепляет авторитет вашей организации и помогает завоевать доверие аудитории.
- Объединяет текст и визуальные элементы — пользователи могут читать и запоминать информацию.
- Улучшает понимание релевантных данных.
- Позволяет применять собственные данные для создания новых оригинальных историй.
- Обеспечивает гибкость встраивания в другие форматы цифровых ресурсов.
- Повышает узнаваемость бренда, помогая позиционировать организацию в качестве лидера отрасли.
Почему визуализация данных и аналитический сторителлинг так важны?
Чтобы создать убедительную историю, нужно представить гипотезу, ее обоснование и данные, которые ее подтверждают. Данные — это отличный инструмент, однако иногда они могут быть слишком сложными. Даже специалисты по визуализации данных не смогут объяснить свои материалы без контекстуальных комментариев.
Представление выбранных данных в визуальном формате — это лучший подход к аналитическому сторителлингу.
Если в вашей истории слишком много изображений, она становится инфографикой без необходимого для понимания контекста. Рассказывая историю, важно понимать, когда нужно добавлять комментарии, данные и цифры, а когда — просто письменное пояснение.
Хотя визуализации и обогащают историю, они не могут осветить все ее аспекты.
Как объединить возможности визуализации данных и аналитического сторителлинга?
Аналитический сторителлинг и визуализация данных в чем-то схожи, но их концепции сильно отличаются. Вы можете составить замечательную историю, но в нее будет трудно поверить без цифр. В то же время необработанные данные не дают аудитории полного понимания материала. Вы должны представлять данные в наглядном и понятном формате. Только включая данные в историю, вы превращаете информацию в эффективный инструмент для коммуникации.
Чтобы создать качественную историю на основе данных, необходимо использовать визуализации, которые дополняют картину и делают информацию более доступной.
Кроме того, визуализация данных предоставляет контекст и ценную аналитику, а также позволяет обратить внимание аудитории на детали и помочь ей принять нужное решение. Она помогает объяснить все представленные в истории показатели, а не только продемонстрировать цифры и диаграммы.
Разница между визуализацией данных и аналитическим сторителлингом
Постарайтесь не искать преимущества и недостатки этих стратегий, а попробуйте протестировать, как они дополняют друг друга. Обе стратегии помогут вам реализовать концепцию, гипотезу или теорию, но у них есть значительные отличия.
Аналитический сторителлинг отличается от визуализации данных тем, что при нем необходимо представить более сложный, доступный и комплексный взгляд на проблему.
Однако вы можете использовать визуализации для обогащения своих историй. Это стандартный инструмент для бизнес-коммуникаций, для которого требуются огромные объемы сложных и ценных данных. Он преобразовывает их в доступную для понимания аудитории информацию.
Чтобы привлечь внимание аудитории, визуализации должны быть:
- Информативными
- Понятными
- Однозначными
Объединяя возможности визуализации данных и аналитического сторителлинга, вы можете создавать качественные, точные и наглядные истории с помощью данных.
В чем состоит схожесть визуализации данных и аналитического сторителлинга?
Аналитический сторителлинг и визуализация данных служат для одной цели — создания привлекательной, информативной и контекстуальной истории. Они не взаимозаменяемы, но их возможности тесно связаны. Визуализации предоставляют подтверждения для вашей гипотезы, а сторителлинг делает ее подачу логической и последовательной.
Как создать план для аналитического сторителлинга?
Создавая историю на основе данных, выделите ее начало, середину и заключение. Вы должны понимать, о чем вы хотите рассказать и какие мысли для этого нужно осветить. Основу для истории будут составлять контекст и результаты аналитики.
Чтобы составить план убедительной истории, воспользуйтесь нашими рекомендациями. Мы собрали практические советы о том, как сделать визуализацию и сторителлинг максимально эффективными.
Определите цели.
Проанализируйте цель истории на основе данных, потребности аудитории и приоритеты.
Напишите интересную описательную часть.
Узнайте, о чем ваша аудитория хотела бы услышать.
Используйте ключевые элементы аналитического сторителлинга.
Сюда относятся:
- Сюжет. Типы вопросов, ответы на них и информация, которая поможет аудитории прийти к определенному заключению.
- Контекст. Как аудитория будет интерпретировать представленные данные.
- Подход. Тон и информация о том, как вы будете рассказывать историю.
- Окончание. Заключения и действия, которых вы хотите добиться с помощью истории: что аудитория должна узнать, как получить желаемые результаты или что нужно изменить, чтобы сделать работу эффективнее.
Будьте объективны.
Предоставляйте объективную и однозначную информацию и убедитесь в том, что визуализации не нарушают целостность данных или истории.
Выбирайте подходящие типы визуализаций.
Визуальные элементы помогут подать информацию должным образом.
Следуйте правилам графического дизайна.
Чтобы сделать информацию в презентации доступной для аудитории, объединяйте текстовые и графические элементы.
Используйте правильные инструменты для визуализации данных.
Правильный инструмент поможет эффективно представлять данные в визуализациях. Например, Microsoft Visio поможет вам продемонстрировать данные в виде понятных изображений.
Сделайте историю информативной, но не перегружайте ее.
Если ваша история понятная и интересная, а данные в ней разбиты на небольшие фрагменты, ваша аудитория с удовольствием ее выслушает.
Объединяйте описательную часть и визуальные элементы в своей истории.
Добавляйте графику, которая не нуждается в дополнительном пояснении, чтобы сделать историю более последовательной, интересной и увлекательной.
Примеры сторителлинга на основе визуализации данных:
Источник ИсточникРешения для визуализации данных и аналитического сторителлинга
Существует множество решений, которые помогут вам создавать детальные и информативные истории из данных. При выборе решения убедитесь, что оно подходит для работы с важными бизнес-данными из всех отделов вашей организации. Так вы сможете получать полное представление о процессах и извлекать более подробную аналитику.
Microsoft Power BI — это связующий элемент между историями и данными. Инструменты для визуализации и сторителлинга помогут вам находить нужные ресурсы, извлекать ценную бизнес-аналитику, совместно работать и обмениваться отчетами.
Узнать больше о Power BI
Часто задаваемые вопросы
В чем суть визуализации данных и аналитического сторителлинга?
С помощью визуализации данных вы можете представлять информацию в виде изображений, а с помощью аналитического сторителлинга — создавать истории на основе данных.
Почему так важно создавать истории с помощью визуализации данных?
Благодаря возможностям аналитического сторителлинга вы можете создавать наглядные визуализации и истории из необработанных данных, а затем принимать бизнес-решения на их основе.
Как визуализация данных помогает создавать истории?
Собранные данные помогают добавлять комментарии, предоставлять вспомогательную информацию и доказывать гипотезы.
Какие типы визуализаций используются для аналитического сторителлинга?
Вы можете использовать точечные диаграммы, географические карты, временные шкалы, линейные графики, круговые диаграммы, линейчатые диаграммы, тепловые карты и древовидные диаграммы.
В чем заключается разница между визуализацией данных и аналитическим сторителлингом?
Аналитический сторителлинг — это способ рассказать историю, а визуализация данных — способ ее дополнить.
9 ценных советов по повышению качества ваших графиков — Machine learning на vc.
ru466 просмотров
Как незначительные изменения могут существенно повлиять на коммуникативную силу ваших визуализаций (data visualization)?
Посмотрите на этого беднягу сверху. Он несколько дней работал над тем, чтобы извлечь из своих данных какую-то значимую информацию, но теперь не может эффективно донести её до своего начальства. Хотя до крайнего срока его большой презентации осталось всего несколько часов и она быстро приближается, он по-прежнему не осознает, что подготовленные им диаграммы скорее сбивают с толку, чем приносят пользу. Круговая диаграмма была неудачным выбором, поскольку она требует от читателя визуального оценивания долей, что дано далеко не всем людям. И эта красочная столбчатая диаграмма также не принесёт ему никакой пользы, поскольку он явно использует атрибут color ненадлежащим образом.
Давайте поможем ему! Ознакомившись с данной статьёй, мы сможем посоветовать ему, как создать более убедительные визуальные эффекты, которые обеспечат недвусмысленную передачу его выводов и заслуженное признание его тяжелой работы.
Вступление
Визуализация данных — это важный метод, который специалисты по обработке данных могут использовать для получения исследовательской информации, визуализации тенденций и закономерностей или доведения результатов до заинтересованных сторон. Однако часто этим диаграммам не хватает чёткости, их трудно читать и интерпретировать или они просто слишком перегружены информацией, чтобы извлечь из них какие-либо значимые выводы.
Часто верно и обратное. Визуальное представление, содержащее минимум информации, может быть полностью устаревшим, и лучшей альтернативой было бы простое числовое представление или таблица.
В этой статье приведены 9 ценных советов о том, как избежать подобных сценариев и повысить ясность и эффективность информации, которую вы хотели бы донести в виде диаграмм.
1. Определите, уместно ли использование диаграммы.
Вы когда-нибудь видели подобные диаграммы?
Да, я тоже. Если бы Эдвард Туфте увидел это, он бы назвал это chartjunk.
Представление двух значений в виде диаграммы не добавляет никакой ценности или понимания данным. На самом деле, это неоправданно затрудняет считывание точных цифр с графика. Можете ли вы сказать, сколько инженеров по обработке данных работает в этом отделе? Это 33 или 34?
На самом деле, это 32. Видите? Простое сообщение о конкретных значениях в письменном описании было бы здесь гораздо эффективнее. Что-то вроде:
В настоящее время наш отдел состоит из 24 специалистов по Data Science и 32 специалистов по Data Engineering.
Итак, в какой момент целесообразно использовать диаграммы вместо необработанных чисел? Технически не существует жёстких правил, и часто это действительно зависит от таких факторов, как сложность ваших данных, ваша целевая аудитория и сообщение, которое вы хотели бы донести. Однако, в качестве общего руководства, если ваши данные состоят более чем из трёх значений, возможно, стоит рассмотреть диаграмму и представить всё визуально, особенно если это позволяет вам выявить тенденции и закономерности в ваших данных.
2. Используйте таблицы вместо диаграмм, если важна точность.
В то время как диаграммы являются отличным выбором для визуализации числовых взаимосвязей, тенденций, распределений или данных временных рядов, они, в конце концов, являются абстракцией и обычно не отображают лежащие в их основе точные цифры. Однако, например, в определённых областях, таких как медицина и финансы, точность имеет значение. В таких случаях предпочтительным выбором являются таблицы.
Взгляните на следующие два представления:
Хотя оба основаны на одних и тех же данных, конвертация валют гораздо лучше представлена в виде таблицы, показывающей точные цифры, а не диаграммы, которая заставляет читателя гадать об этих десятичных дробях.
3. Используйте соответствующие метки осей и убедитесь в их разборчивости.
Насколько полезна диаграмма, если вы не знаете, на что смотреть? Чтобы избежать путаницы и гарантировать, что читатель получит максимальную отдачу от вашего изображения, всегда следите за тем, чтобы оси были правильно обозначены — с указанием как представленных размеров, так и их единиц измерения — и чтобы они были разборчивыми.
Ниже приведён пример точечной диаграммы, показывающей взаимосвязь мощности в лошадиных силах и топливной экономичности в милях на галлон, на основе подмножества общедоступного набора данных Auto MPG [1].
Обратите внимание, что оси разборчивы и чётко обозначены в общепринятом стиле измерения [Единица измерения], что облегчает чтение этой диаграммы и устраняет любые двусмысленности в интерпретации.
4. Используйте цвета соответствующим образом.
Не так давно я наткнулся на столбчатую диаграмму, которая выглядела примерно так:
Хотя это может выглядеть красиво, цветовая палитра вносит больше путаницы, чем ясности. При визуализации данных разные цвета обычно ассоциируются с разными измерениями или категориями. Вот пример того же графика, что и выше, но атрибут цвета используется для выделения страны происхождения каждого автопроизводителя:
Чтобы ещё больше подчеркнуть важность правильного использования цвета, вот ещё один пример:
Это тот же график, что и представленный в предыдущем разделе, но здесь атрибут color используется для добавления дополнительного измерения информации о количестве цилиндров для каждого автомобиля.
Возвращаясь к красочной столбчатой диаграмме, показанной в начале этого раздела, — здесь представлена единственная величина — топливная экономичность. Однако подобный красочный сюжет может заставить читателя задуматься, имеют ли эти цвета какое-либо значение, которого в данном случае у них нет.
Если единственная цель визуализации — сообщить среднюю топливную экономичность для каждого автопроизводителя, то гораздо более чётким решением было бы отобразить все столбцы в едином цвете, чтобы избежать какой-либо двусмысленности. Чтобы ещё больше улучшить визуальный вид, столбцы можно было бы отсортировать, чтобы помочь читателю определить любые потенциальные тенденции. Теперь диаграмма выглядит следующим образом:
Разве вы не согласны с тем, что это гораздо более ясный способ донести суть дела?
Если вам интересно узнать больше об использовании цвета в визуализации данных, обязательно ознакомьтесь с книгой ColorWise автора Kate Strachnyi.
5. Избегайте круговых диаграмм.
Давайте теперь представим приведённую выше столбчатую диаграмму средней топливной экономичности для каждого автопроизводителя в виде круговой диаграммы:
Ну, нужно ли мне что-то говорить?
Круговые диаграммы чрезвычайно сложны для интерпретации, поскольку они требуют от нас умения точно определять доли, а мы, люди, как правило, довольно плохо справляемся с этим. Например, можете ли вы сказать, у Audi или у Toyota средняя топливная экономичность выше? Как насчет BMW против Peugeot?
Столбчатая диаграмма, подобная приведённой в предыдущем разделе, почти всегда является лучшей альтернативой. Или, как выразился бы Эдвард Тафти:
… что может быть хуже круговой диаграммы? — Несколько круговых диаграмм…
6. Используйте логарифмические шкалы для визуализации больших различий и относительных изменений.
Иногда вы можете наткнуться на некоторые данные, которые содержат огромные различия.
Взгляните на следующую диаграмму, показывающую в линейном масштабе годовые оклады по иерархии компании:
Хотя подсчитать заработную плату руководителей высокого уровня несложно, чем ниже вы продвигаетесь по иерархии, тем сложнее это становится сделать. Как только вы достигаете уровня индивидуального участника (IC), это, по сути, превращается в угадайку. Компенсация стажёру вообще не видна. Чтобы обойти эту проблему, данные о заработной плате можно отобразить в логарифмическом масштабе (или log), что даст следующий результат:
Обратите внимание, насколько теперь стало проще читать данные о зарплатах по всей иерархии компании.
Другой сценарий, в котором логарифмические шкалы пригодятся, — это когда ваша цель состоит в том, чтобы визуализировать относительные изменения с течением времени. Допустим, 30 лет назад вы решили инвестировать 10 000 долларов в индексный фонд, и с тех пор он неуклонно растёт со скоростью 9% в год. Построение графика этого роста в линейном масштабе выглядело бы следующим образом:
Хотя это хороший способ показать, что ваши инвестиции растут, он не идеален, если ваша цель — продемонстрировать их устойчивый темп роста в 9% в год.
Теперь эта диаграмма ясно показывает постоянные темпы роста, которые наблюдались в этих инвестициях в течение последних 30 лет.
7. Дважды подумайте, прежде чем переходить к 3D-графикам.
Я понимаю это, действительно понимаю. 3D-графики, кажется, обладают той дополнительной пышностью — глубиной, тенями, причудливыми углами, — которая делает их визуально очень привлекательными на первый взгляд.
Однако в большинстве случаев это дополнительное приукрашивание искажает исходные данные. Это связано с тем, что 3D-график всё ещё проецируется на двумерное пространство, и в результате на плоской поверхности создаётся иллюзия глубины. Это, в свою очередь, очень затрудняет нашему мозгу обработку информации и создание из неё окончательных выводов.
Например, на приведённом выше графике множество точек данных скрыто за другими. Хотя некоторые меры могут быть приняты для устранения этой проблемы (использование прозрачности или уменьшение размера кругов), это не решает основную проблему искажения.
Вы, наверное, уже не удивлены, что Тафти тоже есть что сказать по этому поводу:
Косметическое оформление, которое часто искажает данные, никогда не исправит лежащий в основе недостаток контента
Конечно, из этого правила есть исключения. Иногда вы можете столкнуться с вариантом использования, который выиграет от 3D-визуализации. Например, графики поверхности или красивые диаграммы плотности населения. Если ваша визуализация интерактивна и позволяет пользователю должным образом изучить её, это тоже прекрасно. Но в качестве общего руководства следует, по возможности, избегать 3D-диаграммы.
8. Обеспечьте доступность.
Что хорошего в диаграммах, если только небольшая часть людей может их прочитать?
Создание доступных диаграмм гарантирует, что все люди, независимо от их способностей, имеют равный доступ к данным и могут использовать эти данные для принятия более обоснованных решений. К сожалению, доступность часто имеет меньший приоритет в мире визуализации данных, хотя осведомлённость об этой проблеме, похоже, растёт.
Некоторые рекомендации в этой области включают использование высокой контрастности между текстом и фоном, цветами и фоном, а также между самими цветами. По возможности также следует избегать совместного использования красного и зелёного цветов на графиках, чтобы сделать диаграммы более удобными для дальтоников. Кроме того, предоставление альтернативного текста, а также более описательных заголовков и меток может помочь людям, использующим вспомогательные технологии, такие как программы чтения с экрана.
Например, взгляните на следующий график:
Мы можем смоделировать, как это выглядело бы для человека, скажем, с неспособностью воспринимать любой красный свет или протанопией:
На этой диаграмме услуги A и B практически неотличимы друг от друга. Это подчёркивает важность того, чтобы сделать использование инструментов обеспечения доступности обычной практикой для специалистов по визуализации данных.
9. Будьте внимательны к предубеждениям.
Если вы следили за финансовыми рынками, то, возможно, заметили одну особенность: по сравнению с большинством других рынков, когда акции в Китае растут, они отображаются красным цветом, тогда как когда они падают, они отображаются зелёным.
Это потому, что в Китае красный считается счастливым цветом.
Это лишь один из многих примеров культурных ассоциаций, который подчёркивает важность адаптации ваших визуализаций к вашей аудитории и обеспечения того, чтобы такие атрибуты, как цвета или символы, использовались последовательно и продуманно.
Есть много других предубеждений, на которые следует обратить внимание при подготовке ваших визуализаций. Наиболее распространёнными из них являются:
- Предвзятость подтверждения: тенденция отображать данные таким образом, чтобы они подтверждали чьи-то ранее существовавшие убеждения.
- Предвзятость предубеждения: искажение того, как предубеждения воспринимаются аудиторией. Например, навешивание ярлыка на группу “преступники” вместо “люди, которые были арестованы” может привести к серьёзным заблуждениям и преждевременным суждениям.
Помня об этих предубеждениях, вы можете быть уверены, что представленные данные не приведут к каким-либо неправильным толкованиям в том, как они будут восприниматься вашей аудиторией.
Заключение
Визуализация данных необходима для эффективной передачи информации чётким и недвусмысленным способом. Следуя нескольким простым советам и рекомендациям, таким как определение того, нужна ли диаграмма в первую очередь, правильное использование цветов, обеспечение доступности или учёт предубеждений, которые могут проявляться в графиках, можно создать высококачественные визуализации, которые эффективно передают задуманное сообщение нашей целевой аудитории.
Итак, после прочтения этой статьи, как вы думаете, сможете ли вы помочь нашему другу наверху?
Статья была взята из этого источника:
Что такое визуализация данных? | IBM
Визуализация данных — это представление данных с помощью обычной графики, такой как диаграммы, графики, инфографика и даже анимация. Эти визуальные отображения информации передают сложные отношения данных и основанные на данных идеи в простой для понимания форме.
Визуализация данных может использоваться для различных целей, и важно отметить, что она предназначена не только для использования группами обработки данных.
Руководство также использует его для передачи организационной структуры и иерархии, в то время как аналитики данных и специалисты по данным используют его для обнаружения и объяснения закономерностей и тенденций. Harvard Business Review (ссылка находится за пределами IBM) разделяет визуализацию данных на четыре основные цели: генерация идей, иллюстрация идей, визуальное обнаружение и повседневная визуализация данных. Мы углубимся в них ниже:
Генерация идей
Визуализация данных обычно используется для стимулирования генерации идей в командах. Они часто используются во время мозгового штурма или сессий дизайнерского мышления в начале проекта, поддерживая сбор различных точек зрения и подчеркивая общие проблемы коллектива. Хотя эти визуализации обычно несовершенны и несовершенны, они помогают заложить основу в рамках проекта, чтобы убедиться, что команда согласована с проблемой, которую они хотят решить для ключевых заинтересованных сторон.
Иллюстрация идеи
Визуализация данных для иллюстрации идеи помогает передать идею, такую как тактика или процесс.
Он обычно используется в учебных заведениях, таких как учебные пособия, сертификационные курсы, центры передового опыта, но его также можно использовать для представления организационных структур или процессов, облегчая общение между нужными людьми для решения конкретных задач. Менеджеры проектов часто используют диаграммы Ганта и каскадные диаграммы для иллюстрации рабочих процессов. Моделирование данных также использует абстракцию для представления и лучшего понимания потока данных в информационной системе предприятия, что упрощает понимание взаимосвязей в базе данных или хранилище данных для разработчиков, бизнес-аналитиков, архитекторов данных и других лиц.
Визуальное обнаружение
Визуальное обнаружение и ежедневные данные, а именно, более тесно связаны с группами данных. В то время как визуальное обнаружение помогает аналитикам данных, специалистам по данным и другим специалистам по данным выявлять закономерности и тенденции в наборе данных, повседневная визуализация данных поддерживает последующее повествование после того, как будет найдено новое понимание.
Визуализация данных
Визуализация данных является важным шагом в процессе обработки данных, помогая командам и отдельным лицам более эффективно передавать данные коллегам и лицам, принимающим решения. Команды, которые управляют системами отчетности, обычно используют определенные представления шаблонов для мониторинга производительности. Однако визуализация данных не ограничивается панелями мониторинга производительности. Например, при анализе текста аналитик может использовать облако слов, чтобы зафиксировать ключевые концепции, тенденции и скрытые отношения в этих неструктурированных данных. В качестве альтернативы они могут использовать структуру графа для иллюстрации взаимосвязей между объектами в графе знаний. Существует несколько способов представления различных типов данных, и важно помнить, что это набор навыков, который должен выходить за рамки вашей основной аналитической группы.
Что такое визуализация данных? Определение, примеры и ресурсы
Визуализация данных — это графическое представление информации и данных.
Используя визуальные элементы, такие как диаграммы, графики и карты, инструменты визуализации данных предоставляют доступный способ увидеть и понять тенденции, выбросы и закономерности в данных.
В мире больших данных инструменты и технологии визуализации данных необходимы для анализа больших объемов информации и принятия решений на основе данных.
Преимущества и преимущества хорошей визуализации данных
Наши глаза притягиваются к цветам и узорам. Мы можем быстро отличить красный от синего, квадрат от круга. Наша культура визуальная, включая все, от искусства и рекламы до телевидения и фильмов.
Визуализация данных — это еще одна форма изобразительного искусства, которая привлекает наш интерес и удерживает наше внимание на сообщении. Когда мы видим диаграмму, мы быстро видим тенденции и выбросы. Если мы можем что-то увидеть, мы быстро усваиваем это. Это рассказывание историй с определенной целью. Если вы когда-либо смотрели на огромную электронную таблицу данных и не могли увидеть тенденцию, вы знаете, насколько эффективнее может быть визуализация.
Большие данные уже здесь, и нам нужно знать, о чем они говорят.
По мере того, как «Эпоха больших данных» набирает обороты, визуализация становится все более важным инструментом для осмысления триллионов строк данных, генерируемых каждый день. Визуализация данных помогает рассказывать истории, преобразовывая данные в более удобную для понимания форму, выделяя тенденции и отклонения. Хорошая визуализация рассказывает историю, удаляя шум из данных и выделяя полезную информацию.
Однако это не так просто, как просто перекрасить график, чтобы он выглядел лучше, или добавить информационную часть инфографики. Эффективная визуализация данных — это тонкий баланс между формой и функцией. Самый простой график может быть слишком скучным, чтобы привлечь к нему внимание, или же он может стать убедительным аргументом; самая ошеломляющая визуализация может совершенно не передать правильное сообщение или может говорить о многом. Данные и визуальные эффекты должны работать вместе, и есть искусство сочетать отличный анализ с отличным повествованием.
Почему визуализация данных важна для любой карьеры
Трудно представить себе профессиональную отрасль, которая не получает выгоды от того, что делает данные более понятными. Каждая область STEM выигрывает от понимания данных — так же, как и области управления, финансов, маркетинга, истории, потребительских товаров, сферы услуг, образования, спорта и так далее.
В то время как мы всегда будем поэтично относиться к визуализации данных (в конце концов, вы находитесь на веб-сайте Tableau), существуют практические, реальные приложения, которые неоспоримы. И, поскольку визуализация настолько распространена, это также один из самых полезных профессиональных навыков для развития. Чем лучше вы можете передать свои мысли визуально, будь то на панели инструментов или в виде слайдов, тем лучше вы сможете использовать эту информацию.
Концепция гражданского специалиста по данным находится на подъеме. Наборы навыков меняются, чтобы приспособиться к миру, управляемому данными.
Для профессионалов становится все более ценным иметь возможность использовать данные для принятия решений и использовать визуальные эффекты, чтобы рассказывать истории о том, когда данные информируют о том, кто, что, когда, где и как. В то время как традиционное образование обычно проводит четкую грань между творческим рассказыванием историй и техническим анализом, современный профессиональный мир также ценит тех, кто может совмещать эти два понятия: визуализация данных находится прямо посередине анализа и визуального рассказывания историй.
Примеры визуализации данных в действии
Конечно, один из лучших способов понять визуализацию данных — это увидеть ее. Какая сумасшедшая концепция!
При наличии общедоступных галерей визуализации данных и данных, находящихся повсюду в Интернете, может быть сложно понять, с чего начать. Мы собрали 10 лучших примеров визуализации данных всех времен, включая примеры, которые отображают исторические завоевания, анализируют сценарии фильмов, раскрывают скрытые причины смертности и многое другое.
В собственной общедоступной галерее Tableau представлено множество визуализаций, созданных с помощью бесплатного инструмента Tableau Public. В качестве полезных шаблонов мы представляем несколько общих начальных бизнес-панелей, а Viz of the Day собирает некоторые из лучших творений сообщества. Кроме того, существует множество отличных блогов и книг о визуализации данных, содержащих отличные примеры, пояснения и информацию о лучших практиках.
Различные типы визуализации
Когда вы думаете о визуализации данных, ваша первая мысль, вероятно, сразу же приходит к простым гистограммам или круговым диаграммам. Хотя они могут быть неотъемлемой частью визуализации данных и общей основой для многих графиков данных, правильная визуализация должна сочетаться с правильным набором информации. Простые графики — это только верхушка айсберга. Существует целый набор методов визуализации для эффективного и интересного представления данных.
Общие общие типы визуализации данных:
- Диаграммы
- Таблицы
- Графики
- Карты
- Инфографика
- Приборные панели
Более конкретные примеры методов визуализации данных:
- Диаграмма с областями
- Гистограмма
- Коробчатые графики
- Пузырьковое облако
- Пулевой график
- Картограмма
- Круговой вид
- Карта распределения точек
- Диаграмма Ганта
- Тепловая карта
- Таблица подсветки
- Гистограмма
- Матрица
- Сеть
- Заполярье
- Радиальное дерево
- Точечная диаграмма (2D или 3D)
- Потоковый граф
- Текстовые таблицы
- Хронология
- Древовидная карта
- Диаграмма стека клиньев
- Облако слов
- И любые сочетания на приборной панели!
Узнайте больше о визуализации данных (и о том, как создать свою собственную)
Если вы чувствуете вдохновение или хотите узнать больше, вы можете воспользоваться множеством ресурсов.
Визуализация данных и журналистика данных полны энтузиастов-практиков, готовых поделиться своими советами, приемами, теорией и многим другим.
Блоги о визуализации данных — идеальное место для начала
Посмотрите наш список отличных блогов о визуализации данных, полных примеров, вдохновения и образовательных ресурсов.
Эксперты, которые пишут книги и проводят занятия по теории визуализации данных, также склонны вести блоги, где анализируют последние тенденции в этой области и обсуждают новые визуальные эффекты. Многие будут критиковать современную графику или писать руководства по созданию эффективных визуализаций.
Другие будут собирать множество различных визуализаций данных со всего Интернета, чтобы выделить самые интригующие. Блоги — отличный способ узнать больше о конкретных подмножествах визуализации данных или найти вдохновение в хорошо выполненных проектах.
Узнайте об исторических примерах и теории из книг
Прочтите наш список замечательных книг по теории и практике визуализации данных.
В то время как блоги могут идти в ногу с меняющейся областью визуализации данных, книги сосредоточены на том, где теория остается неизменной. Люди пытались представить данные в визуальной форме на протяжении всего своего существования. Одна из первых книг о визуализации данных, первоначально опубликованная в 1983, заложил основу для визуализации данных и остается актуальным по сей день.
Более современные книги по-прежнему посвящены теории и методам, предлагая вневременные примеры и практические советы. Некоторые даже берут завершенные проекты и представляют визуальную графику в виде книги как архивный экспонат.
Существует множество бесплатных курсов и платных обучающих программ
Существует множество отличных платных и бесплатных курсов и ресурсов по визуализации данных, в том числе прямо здесь, на веб-сайте Tableau. Здесь есть видео, статьи и официальные документы для всех, от новичка до рок-звезды данных. Однако, когда дело доходит до сторонних курсов, мы пока не будем давать конкретных предложений в этой статье.
