Визуализация данных

Визуализация данных — это представление данных в виде, который обеспечивает наиболее эффективную работу человека по их изучению.[1] Визуализация данных находит широкое применение в научных и статистических исследованиях (в частности, в прогнозировании, интеллектуальном анализе данных, бизнес-анализе), в педагогическом дизайне для обучения и тестирования, в новостных сводках и аналитических обзорах. Визуализация данных связана с визуализацией информации, инфографикой, визуализацией научных данных, разведочным анализом данных и статистической графикой.

Связь с инфографикой

Термины «визуализация данных» (ВД) и «инфографика» часто считаются синонимами, однако специалисты в области представления информации проводят между ними различие.[2] В одном из подходов ВД считается частью инфографики, которая, согласно этой точке зрения, представляет собой комбинацию ВД, иллюстраций, рисунков и текста, служащую для подачи целостного сообщения.[3]

Другой подход условно проводит разграничение между этими понятиями по методу создания, эстетическим качествам и количеству данных. Согласно этому подходу, инфографика относится к представлениям данных, которые: созданы при участии человека, специфичны по отношению к представляемой информации, высокоэстетичны и не содержат много данных. Напротив, визуализация данных относится к представлениям, которые созданы алгоритмическим путём, легко воспроизводимы для разных выборок и схожих типов данных, не содержат много декоративных элементов, но отражают большие объёмы данных.[4]

История

Истоки представления данных в виде таблиц, диаграмм и карт прослеживаются с древнейших времён.[5] Ощутимая потребность в качественном представлении информации стала возникать в эпоху Возрождения, с появлением больших количеств данных и визуальной информации из географии, астрономии, геометрии, статистики и других наук.[6]

В первой половине XIX века наблюдался значительный рост работ, в которых использовалось графическое отображение данных. К середине века были изобретены все основные типы представления данных: столбчатые и круговые диаграммы, гистограммы, линейные графики, графики временных рядов, контурные диаграммы и т. д.[7]

Тенденция роста пошла на спад в начале XX века, уступив место точной математике. Тем не менее, именно в этот период стали появляться учебники и курсы по графическим методам представления данных, а сами графики стали использоваться не только для представления результатов, но и для исследования информации и выдвижения гипотез в астрономии, физике, биологии и других науках.[8]

Новый виток визуализация получила в третьей четверти XX века. Этому способствовали три события[9]:

  • Появление работы Джона Тьюки, посвящённой разведочному анализу данных.[10]
  • Появление книги Жака Бертена (Jacques Bertin) «Графическая семиология» (фр. Sémiologie graphique).[11]
  • Возможность визуализации данных с помощью вычислительных машин: появление эффективных средств вывода (перьевых графопостроителей, графических терминалов), а также эргономичных средств ввода данных в компьютер (кодирующего планшета, мыши).

Классификация

По цели представления данных визуализация делится на презентационную (англ. «presentation», «explanation») и исследовательскую (англ. «exploration»). Презентационная визуализация предназначена для представления данных некоторой аудитории (например, в рамках научной работы, доклада или аналитического обзора в новостях). Исследовательская визуализация предназначена для анализа и обработки набора данных, например, с целью обнаружения закономерностей в них.

Существуют также гибридные презентационно-исследовательские формы визуализации данных. В этом случае целью является всё та же презентация заложенной информации, однако человеку предоставляется возможность подробно изучать показываемый набор данных посредством интерактивных элементов, например, накладывая какие-либо ограничения на данные.[12]

Визуализация как этап анализа данных
Визуализация метрик по продуктам MediaWiki в Apache Superset

Подсистема визуализации данных является важной составной частью качественных систем интеллектуального анализа данных, особенно ориентированных на обработку больших объёмов информации. В системах бизнес-аналитики визуализация может использоваться на всех этапах процесса обработки данных[13]:

  • Визуализация исходных данных. Этот этап полезен для оценки степени соответствия ожиданиям и пригодности данных к анализу, выдвижения гипотез о закономерностях и необходимых процедурах первичной обработки.
  • Визуализация выборки, загруженной в систему обработки.
  • Визуализация результатов первичной обработки.
  • Визуализация промежуточных результатов.
  • Визуализация окончательных результатов.

В отличие от обычного графического интерфейса, эти средства обеспечивают:

  • краткость (англ. concision) — способность одновременного отображения большого числа разнотипных данных;
  • относительность (англ. relativity) и близость (англ. proximity) — способность демонстрировать в результатах запроса кластеры, относительные размеры групп, схожесть и различие групп, выпадающие значения (англ. outliers);
  • концентрацию и контекст (англ. focus with context) — взаимодействие с некоторым выбранным объектом с возможностью просмотра его положения и связей с контекстом;
  • масштабируемость (англ. zoomability) — способность легко и быстро перемещаться между микро- и макропредставлением;
  • ориентацию на «правое полушарие» — предоставление пользователю не только заранее установленных методов работы с данными (обеспечивающими его намеренные и спланированные подходы к поиску нужной информации), но и поддержка его интуитивных, импровизационных когнитивных процессов идентификации закономерностей.

См. также

Примечания
  1. Паклин, Орешков, 2013, с. 173.
  2. Krum, 2014, p. 2.
  3. Krum, 2014, p. 6.
  4. Iliinsky, 2011, pp. 5—7.
  5. Friendly, 2009, p. 3.
  6. Friendly, 2009, p. 7.
  7. Friendly, 2009, p. 15.
  8. Friendly, 2009, p. 27.
  9. Friendly, 2009, p. 32.
  10. Tukey, 1977.
  11. Bertin, 1967.
  12. Iliinsky, 2011, pp. 7—8.
  13. Паклин, Орешков, 2013.

Литература
  • Паклин Н. Б., Орешков В. И. Визуализация данных // Бизнес-аналитика. От данных к знаниям. — 2-е изд. — СПб.: Питер, 2013. — С. 173—210. — ISBN 978-5-459-00717-6.
  • Bertin J., Barbut M. C. Sémiologie Graphique. Les diagrammes, les réseaux, les cartes. — Paris: Gauthier-Villars, 1967. — 431 p.
    Английский перевод: Bertin J. Semiology of Graphics: Diagrams, Networks, Maps. — University of Wisconsin Press, 1983. — 415 p. — (Central Asia book series). — ISBN 9780299090609.
  • Friendly M. (2009-08-24). «Milestones in the history of thematic cartography, statistical graphics, and data visualization»., York University. Дата обращения: 2014-10-30 11:47:10. Архивная копия от 26 сентября 2018 на Wayback Machine
  • Iliinsky N., Steele J. Designing Data Visualizations. — Sebastopol, CA: O'Reilly, 2011. — ISBN 9781449312282 1449312284.
  • Krum R. Cool infographics: effective communication with data visualization and design. — Indianapolis: Wiley, 2014. — 348 p. — ISBN 978-1-118-58230-5.
  • Tukey J. W. Exploratory Data Analysis. — Reading, Mass: Pearson, 1977. — 688 p. — ISBN 9780201076165.
    Русский перевод: Тьюки Дж. Анализ результатов наблюдений: разведочный анализ / Под ред. В. Ф. Писаренко. — М.: Мир, 1981. — 693 с.

Ссылки
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.