АссистентНовый вопросИсторияОбласти знаний
Партнёрские проектыСпецпроектыСтать автором
Сменить язык
О РУВИКИ

Визуализация данных и информации

Визуализация данных и информации (англ. Data and information visualization, также data viz/vis или info viz/vis) — область, занимающаяся проектированием и созданием графических или визуальных представлений количественных и качественных данных и информации с использованием статических, динамических или интерактивных визуальных элементов[1]. Визуализация данных и информации предназначена для оперативного исследования, открытия, понимания и интерпретации структур, связей, корреляций, локальных и глобальных закономерностей, трендов, кластеров, выбросов и аномалий в данных, которые трудно выявить иным способом[2].[3][4] При обращении к широкой аудитории для передачи информации в краткой и наглядной форме используются инфографики[2].

undefined

Визуализация данных посвящена представлению преимущественно количественных сырых данных в схематическом виде с помощью изображений. Основными форматами визуализации данных являются диаграммы и графики, геопространственные карты, корреляционные матрицы, процентные шкалы и др.

Визуализация информации работает с большими и сложными массивами как количественных, так и качественных (в первую очередь абстрактных) данных. Её задача — повысить ценность сырых данных, помочь зрителю понять их, усилить когнитивные процессы и выработать инсайты для принятия решений за счёт графического взаимодействия. Среди инструментов — карты, иерархические схемы[6], диаграммы связей, блок-схемы, временные ленты и др.

Визуализация данных и информации применяет современные технологии, включая виртуальную, дополненную и смешанную реальность, что делает взаимодействие более интуитивным, манипулируемым и погружающим для пользователя[7]. В отличие от научной визуализации, где целью является создание реалистичных изображений физических или пространственных научных данных для проверки гипотез, визуализация данных и информации строится вокруг представления абстрактных, нефизических и неспециализированных цифровых данных[8].

Эффективная визуализация данных основывается на актуальных и проверяемых данных, чётко контекстуализирована и преподнесена лаконично. Графические элементы должны быть уместны и эстетичны, цвета и формы — использоваться осознанно и ненавязчиво[9].[1] Визуализация информации учитывает потребности и уровень подготовки аудитории. Визуализация применяется для наглядной передачи сложных концепций, мониторинга, построения гипотез и поддержки решений как для широкой, так и для профессиональной аудитории[2].

Визуализация активно используется аналитиками, дата-сайентистами и специалистами по анализу данных для контроля качества сырых данных, выявления ошибок, пропущенных значений и исследования структуры выборки[2] Она играет ключевую роль в визуальном сторителлинге, сочетая наглядность с нарративной структурой для убеждения аудитории.[1][10].

Визуализация данных — междисциплинарная область, сочетающая принципы описательной статистики, визуальной коммуникации, графического дизайна, когнитивной науки, интерактивной компьютерной графики и человеко-компьютерного взаимодействия[11].[12] Эффективная визуализация требует навыков дизайна, статистики и программирования, представляя собой и искусство, и науку[13]. Визуальная аналитика сочетает статистический анализ, визуализацию данных и аналитическое мышление через интерактивные интерфейсы. Проведённые исследования показывают, как тип и особенности визуализации влияют на точность и восприятие информации[14].[15] Ошибочные или намеренно искажённые визуализации могут способствовать распространению дезинформации[16]. Изучение визуализационной грамотности стало ключевой составляющей информационной грамотности в современной информационной эпохе[17].

Обзор

Визуализация данных — этап анализа и представления информации пользователям.
Графовое представление части структуры Интернета (2005)

Область визуализации данных и информации возникла на стыке исследований в сферех человеко-компьютерного взаимодействия, информатики, компьютерной графики, визуального дизайна, психологии, фотографии и бизнес-моделирования. Она все шире применяется в научных исследованиях, цифровых библиотеках, data mining, финансовом анализе, исследованиях рынка, производственном контроле, фармакологии и других областях[18].

Визуальное представление информации и интерактивные техники используют широкие когнитивные возможности человеческого зрения, позволяя одновременно воспринимать большие объёмы информации. Визуализация способствует поиску и осмыслению данных[19].

Анализ данных включает визуализацию (истограммы, диаграммы рассеяния, древовидные карты, параллельные координаты и др.), статистические методы, интеллектуальный анализ и машинное обучение (кластеризация, классификация, деревья решений и т. д.). Из них наиболее гибкой и интуитивной считается визуализация, позволяющая обнаруживать скрытые взаимосвязи без сложных математических моделей.

Для чёткого донесения информации визуализация применяет статистическую графику, выносные графики, инфографику и др. Числовые данные могут кодироваться точками, линиями, столбцами для передачи количественного сообщения[20]. Эффективная визуализация помогает анализировать данные, выявлять закономерности, однако может быть и чрезмерно упрощённой[21].

Визуализация данных тесно связана с инфографикой, научной визуализацией, статистической графикой и эксплораторным анализом данных. В последние десятилетия она стала самостоятельной областью исследований и образования[22].

В бизнес-применениях визуализацию данных часто называют дашбордами.

Принципы

Характеристики эффективной визуализации

— Джон Тьюки[23]

Эдвард Тафти выделяет, что визуализации должны поддерживать конкретные аналитические задачи, такие как сравнение данных. Как показывают Уильям Кливленд и Роберт МакГилл, разные элементы графики обладают разной эффективностью восприятия: например, точечные и столбчатые диаграммы превосходят по этим параметрам круговые[24].

В своей книге The Visual Display of Quantitative Information Тафти формулирует принципы:

  • показывать данные;
  • побуждать зрителя сфокусироваться на смысле, а не на методах, дизайне или технологии;
  • избегать искажений;
  • компактно представлять большое количество информации;
  • обеспечивать сопоставимость и многоуровневый обзор;
  • быть тесно интегрированной со статистическим и текстовым описанием;
  • разъяснять, а не усложнять восприятие[25].

Например, диаграмма Минарда о кампании Наполеона иллюстрирует сразу шесть переменных: численность армии, координаты, время, направление и температуру. Этот многомерный подход позволяет мгновенно понять суть происходящего.

Нарушение принципов может привести к искажению выводов. Бесполезные элементы графики («chartjunk») отвлекают внимание и усложняют восприятие[25].

Бюджетное управление Конгресса США выделяет ещё три принципа: учитывать аудиторию, создавать самодостаточные графики и подчёркивать ключевые сообщения[26].

Сообщения в количественных данных

Стивен Фью выделяет восемь типов количественных сообщений:

  1. Временные ряды: изменение переменной во времени (линейный график).
  2. Рейтинг: сравнение категорий по убыванию/возрастанию (столбчатая диаграмма).
  3. Доли от целого: сколько процентов занимает подкатегория (круговая, столбчатая диаграмма).
  4. Отклонение: сравнение с эталонной величиной (столбчатая диаграмма).
  5. Распределение: частота наблюдений по интервалам (гистограмма, boxplot).
  6. Корреляция: взаимосвязь между двумя переменными (диаграмма рассеяния).
  7. Номинальное сравнение: сопоставление категорий без порядка (столбчатая диаграмма).
  8. Географическое распределение: распределение по карте (картограмма)[20].

Процесс поиска сообщений и форматов — часть эксплораторного анализа.

Восприятие и визуализация данных

Человек различает длину, форму, положение, цвет быстро и эффективно (так называемые «предвнимательные признаки»). Их использование позволяет быстро оценить количественные соотношения, распределение, обнаружить аномалии[27].

Эффективные визуализации используют эти свойства, например, столбчатые диаграммы легче воспринимаются, чем диаграммы площадей или круговые[27].

Когнитивные процессы и визуализация

Почти все визуализации ориентированы на человеческое восприятие и мышление[28]. Знание принципов когнитивной психологии помогает создавать интуитивные и продуктивные визуализации.

Исследования показывают, что при анализе визуализации вместо текста у человека тратится меньше когнитивных ресурсов, а запоминание деталей — выше[29].

История

Комплексная история визуализации данных до сих пор не написана[30]. Визуализация информации использовалась с доисторических времён: расположение звёзд изображалось на стенах пещер ещё в эпоху плейстоцен, физические объекты (глиняные жетоны Месопотамии, кипу Инков, «палочные карты» Маршалловых островов) также несли количественную информацию[31].[32][33]

Первым задокументированным примером считается Туринская папирусная карта (1160 г. до н. э.), детально показывающая геологические ресурсы[34]. К ранней визуализации относятся тематические карты, иероглифы и идеограммы различных культур. Координаты и методы картографирования применялись уже в Древнем Египте (около 200 г. до н. э.), а карта Птолемея вплоть до XIV века оставалась стандартом[34]

Изобретение бумаги, пергамента и астрономических инструментов расширило возможности визуализации. К концу XVI века активно применялись методы триангуляции и точных измерений. Аналитическая геометрия Декарта и Ферма, их идеи вероятности и статистики дали базу современной визуализации.[30].

Вильям Плейфэр в 1786 году опубликовал первые графические способы представления количественной информации. В XX веке Жак Бертен, Джон Тьюки и Эдвард Тафти радикально переосмыслили подходы к визуализации, а прогресс компьютерных технологий дал импульс развитию интерактивных и программных средств.

Начало современной визуализации связано с компьютерной графикой, обретшей самостоятельную область исследований после выхода спецвыпуска журнала Computer Graphics (1987) о визуализации в научных вычислениях[35].

Современные программные пакеты анализа данных (SAS, SOFA, R, Minitab и др.), а также языки программирования (D3.js, Python — matplotlib, seaborn, JavaScript, JavaFX) позволяют разрабатывать визуализации любой сложности. Появились профильные образовательные программы, как бесплатные (The Data Incubator), так и коммерческие (General Assembly)[36].

Примечания

  1. ↑ 1 2 3 Nussbaumer Knaflic, Cole. Storytelling with Data: A Data Visualization Guide for Business Professionals. — John Wiley & Sons, 2 ноября 2015. — ISBN 978-1-119-00225-3.
  2. ↑ 1 2 3 4 Antony Unwin (31 января 2020). “Why Is Data Visualization Important? What Is Important in Data Visualization?”. Harvard Data Science Review. 2 (1). DOI:10.1162/99608f92.8ae4d525. Дата обращения 2023-03-27.
  3. ↑ Ananda Mitra. Managing and Visualizing Unstructured Big Data // Encyclopedia of Information Science and Technology. — 4th. — IGI Global, 2018.
  4. ↑ Bhuvanendra Putchala. Applications of Big Data Analytics in Healthcare Informatics // Health Informatics and Patient Safety in Times of Crisis / Bhuvanendra Putchala, Lasya Sreevidya Kanala, Devi Prasanna Donepudi … [и др.]. — IGI Global, 2023. — P. 175–194.
  5. ↑ Corbett, John Charles Joseph Minard: Mapping Napoleon's March, 1861. Center for Spatially Integrated Social Science. Архивировано 19 июня 2003 года.
  6. ↑ Heer, Jeffrey, Bostock, Michael, Ogievetsky, Vadim (2010) A tour through the visualization zoo, Communications of the ACM, Volume 53, Issue 6, c. 59–67, https://doi.org/10.1145/1743546.1743567
  7. ↑ Olshannikova, Ekaterina; Ometov, Aleksandr; Koucheryavy, Yevgeny; Ollson, Thomas (2015). “Visualizing Big Data with augmented and virtual reality: challenges and research agenda”. Journal of Big Data. 2 (22). DOI:10.1186/s40537-015-0031-2.
  8. ↑ Card, Mackinlay, and Shneiderman. Readings in Information Visualization: Using Vision to Think. — Morgan Kaufmann, 1999. — P. 6–7.
  9. ↑ What is data visualization? IBM (28 сентября 2021). Дата обращения: 27 марта 2023. Архивировано 23 октября 2020 года.
  10. ↑ Brent Dykes. Effective Data Storytelling: How to Drive Change with Data, Narrative and Visuals. — John Wiley & Sons, 2019. — P. 16.
  11. ↑ Grandjean, Martin. Data Visualization for History // Handbook of Digital Public History. — 2022. — P. 291–300. — ISBN 9783110430295. — doi:10.1515/9783110430295-024.
  12. ↑ E.H. Chi. A Framework for Visualizing Information. — Springer Science & Business Media, 2013. — P. xxiii.
  13. ↑ Gershon, Nahum; Page, Ward (1 августа 2001). “What storytelling can do for information visualization”. Communications of the ACM. 44 (8): 31—37. DOI:10.1145/381641.381653. S2CID 7666107.
  14. ↑ Mason, Betsy (12 ноября 2019). “Why scientists need to be better at data visualization”. Knowable Magazine. DOI:10.1146/knowable-110919-1.
  15. ↑ O'Donoghue, Seán I.; Baldi, Benedetta Frida; Clark, Susan J.; Darling, Aaron E.; Hogan, James M.; Kaur, Sandeep; Maier-Hein, Lena; McCarthy, Davis J.; Moore, William J.; Stenau, Esther; Swedlow, Jason R.; Vuong, Jenny; Procter, James B. (20 июля 2018). “Visualization of Biomedical Data”. Annual Review of Biomedical Data Science. 1 (1): 275—304. DOI:10.1146/annurev-biodatasci-080917-013424. HDL:10453/125943. S2CID 199591321. Дата обращения 2021-06-25.
  16. ↑ Leo Yu-Ho Lo. Misinformed by Visualization: What Do We Learn From Misinformative Visualizations? / Leo Yu-Ho Lo, Ayush Gupta, Kento Shigyo … [и др.].
  17. ↑ Börнер, K.; Bueckle, A.; Ginda, M. (2019). “Data visualization literacy: Definitions, conceptual frameworks, exercises, and assessments”. Proceedings of the National Academy of Sciences. 116 (6): 1857—1864. Bibcode:2019PNAS..116.1857B. DOI:10.1073/pnas.1807180116. PMC 6369751. PMID 30718386.
  18. ↑ Bederson, B. B., Шнайдерман, Б. (2003). The Craft of Information Visualization: Readings and Reflections, Morgan Kaufmann. ISBN 1-55860-915-6.
  19. ↑ Thomas, J. J., Cook, K. A. (ред.) (2005). Illuminating the Path: The R&D Agenda for Visual Analytics (Национальный центр визуализации и аналитики).
  20. ↑ 1 2 Stephen Few-Perceptual Edge-Selecting the Right Graph for Your Message-2004. Дата обращения: 8 сентября 2014. Архивировано 5 октября 2014 года.
  21. ↑ Data Visualization in Society : [англ.]. — Amsterdam University Press, 16 апреля 2020. — ISBN 978-90-485-4313-7. — doi:10.5117/9789463722902_ch02.
  22. ↑ Post, F. H., Nielson, G. M., Bonneau, G.-P. (2002). Data Visualization: The State of the Art. Research paper TU Delft.
  23. ↑ Tukey, John. Exploratory Data Analysis. — Addison-Wesley, 1977. — ISBN 0-201-07616-0.
  24. ↑ Cleveland, W. S.; McGill, R. (1985). “Graphical perception and graphical methods for analyzing scientific data”. Science. 229 (4716): 828—33. Bibcode:1985Sci...229..828C. DOI:10.1126/science.229.4716.828. PMID 17777913. S2CID 16342041.
  25. ↑ 1 2 Tufte, Edward. The Visual Display of Quantitative Information. — Cheshire, Connecticut : Graphics Press, 1983. — ISBN 0-9613921-4-2.
  26. ↑ Telling Visual Stories About Data. www.cbo.gov. Congressional Budget Office. Дата обращения: 27 ноября 2014. Архивировано 4 декабря 2014 года.
  27. ↑ 1 2 Steven Few-Tapping the Power of Visual Perception-September 2004. Дата обращения: 8 октября 2014. Архивировано 5 октября 2014 года.
  28. ↑ Data Visualization for Human Perception. Interaction Design Foundation. Дата обращения: 23 ноября 2015. Архивировано 23 ноября 2015 года.
  29. ↑ Graham, Fiona. Can images stop data overload? (англ.), BBC News (17 апреля 2012). Архивировано 15 июля 2025 года. Дата обращения: 30 июля 2020.
  30. ↑ 1 2 Friendly, Michael. A Brief History of Data Visualization // Handbook of Data Visualization. — Springer-Verlag, 2008. — P. 15–56. — ISBN 9783540330370. — doi:10.1007/978-3-540-33037-0_2.
  31. ↑ Whitehouse, D. Ice Age star map discovered. BBC News (9 августа 2000). Дата обращения: 20 января 2018. Архивировано 6 января 2018 года.
  32. ↑ Dragicevic, Pierre; Jansen, Yvonne List of Physical Visualizations and Related Artefacts (2012). Дата обращения: 12 января 2018. Архивировано 13 января 2018 года.
  33. ↑ Jansen, Yvonne; Dragicevic, Pierre; Isenberg, Petra; Alexander, Jason; Karnik, Abhijit; Kildal, Johan; Subramanian, Sriram; Hornbæk, Kasper (2015). “Opportunities and challenges for data physicalization”. Proceedings of the 33rd Annual ACM Conference on Human Factors in Computing Systems: 3227—3236. Архивировано из оригинала 2018-01-13. Дата обращения 2018-01-12. Используется устаревший параметр |url-status= (справка)
  34. ↑ 1 2 Friendly, Michael Milestones in the history of thematic cartography, statistical graphics, and data visualization (2001). Архивировано 14 апреля 2014 года.
  35. ↑ Owen, G. S. (1999). History of Visualization
  36. ↑ NY gets new boot camp for data scientists: It's free but harder to get into than Harvard. Архивировано 15 февраля 2016 года. Дата обращения: 21 февраля 2016.

Литература

  • Few, Stephen. Show me the numbers: designing tables and graphs to enlighten. — 2. — Analytics Press, 2012. — ISBN 9780970601971.
  • Healy, Kieran. Data Visualisation: A Practical Introduction. — Princeton University Press, 2019. — ISBN 978-0-691-18161-5.
  • Schwabish, Jonathan A. 2014. "An Economist's Guide to Visualizing Data." Journal of Economic Perspectives, 28 (1): 209–34.
  • Wilke, Claus O. Fundamentals of Data Visualisation. — O'Reilly, 2018. — ISBN 978-1-4920-3108-6.
  • Tufte, Edward R. The visual display of quantitative information. — 2. — Graphics Press, 2015. — ISBN 9780961392147.

Ссылки

Категории