遇见大数据可视化系列文章(2):数据可视化基础研究

数据可视化的目的是有两个:一个是更好地分享和传达数据信息,二个是通过设计之美有效地缩短信息的传达。这是可视化的最根本的目的,可视化的定义在不同人眼中是不一样的。

近日星巴克与微信推出的社交礼品功能“用星说”,可以说刷遍了朋友圈。无论你爱不爱喝咖啡,星巴克似乎都成为了一种文化象征。上班族青睐,小清新喜欢,基本上大家看到绿色的人鱼标志就能马上认出它来。

虽然一直也有喝咖啡的习惯,但至今不知道星巴克菜单版上列的【摩卡】、【拿铁】、【美式】、【卡布奇诺】等等有什么区别。直到看到下列图,才很直观的了解到每个咖啡类别的区别是什么。

类似上图示,针对内容复制,难以形象表达的信息,通过图形简单清晰地向受众呈现出来,这种图称之为 信息图 。

信息图

信息图本身是一个合成词,由信息和图两个词组成多称之为(Infographics或Infographics Graphics),在40年代的时候就开始出现,使用在报纸及新闻类杂志方面,其中杰出的代表阿根廷的信息图先驱Alejandro Malofiej,在1993年西班牙设立了以他为名的主要针对信息图表设计的Malofiej奖。

在报纸、杂志等纸质媒体中,为了让读者感到新奇且直观容易的理解,运用了大量的信息图解的表现。

如下图所示:

信息图早已融入我们的日常生活中,目的为了创造方便舒适的生活环境,使人们的生活变得更加更加安全舒适。

为什么人们会对信息图的传播内容更有效呢?主要原因是因为视觉是人类最强的信息输入方式,人类感知周围世界最强的方式,在Brain Rules《大脑法则》一书中,发展分子生物学家_John Medina_写道:“视觉是迄今我们最主要的感官,占用了我们大脑中一半的资源。”信息图提供了一种语境的方法(Language of Context),通过展示多个维度数值并且相互比较来为受众提供语境,使我们更高效的把内容反射到大脑中。

后来随着技术的发展,除了传统的纸质媒体出现了以互联网为主的电脑,电视,手机,大屏终端等更多类型的电子媒体。信息图的分类也逐步划分为:图解(Diagram) 、图表(Chart) 、 表格(Table) 、统计图(Graph) 、 地图(Map)和图形符号(Pictogram)这几部分。

  • 图解Diagram – 主要运用插图对事物进行说明
  • 图表 Chart – 运用图形、线条及插图等,阐明事物的相互关系
  • 表格 Table – 根据特定信息标准进行区分,设置纵轴与横轴
  • 统计图 Graph – 通过数值来表现变化趋势或进行比较
  • 地图 Map – 描述在特定区域和空间里的位置关系
  • 图形符号 Pictogram – 不使用文字,运用图画直接传达信息

在以纸质媒体为主的报刊杂志的传统行业中信息图是对实际 事物 的描述, 而在互联网行业中侧更多的是对 数据 的描述。将数据图形化的过程又称之为数据可视化。把数据,包括测量获得的数值、图像或是计算中涉及、产生的数字信息变为直观的、以图形图像信息表示的、随时间和空间变化的物理现象或物理量呈现出来。

我们来看一组简单的数据,比较下图形和数据对于人脑感观的差异。

这组数据包括I、II、III、IV,一共四组,每组有X和Y两个维度。数据很简单,但从数据上来看,你能说出这四组数据的区别吗?

从数据上很难看出有什么区别,因为每组数据看上去都十分的相近。下面我们把这四组数据转换成图表来进行对比下。

通过图表的比较,我们很容易就能找出这四组数据的区别了。I组数据呈现整体离散向上的趋势。II组数据呈现弧度上升,然后再下降的趋势。III组数据呈现线性上涨的趋势,但有一个点突出。IV组数据呈现Y坐标不变X上升的趋势,但有一点突出。

将数据图形化后,大脑天然的会对图形的不同点做出反应,从而更高效的理解数据带来的意义。

我们再来看下其他例子:

将当前QQ的在线人数,通过可视化的方式展示给用户。把数据置于视觉控件中,这样用户就能很直观的了解到QQ当前使用的人群分布在中国是怎么样的,那里的人群分布多,那里的人群少。

Eric Fischer

针对Twitter 发短消息的位置和Flickr 拍照片的位置为数据源做的名为“看图或说话”(SeeSomething or Say Something)的大数据可视化展示,通过简单但大量的数据,做出非常美的数据图展示。

这种用图形化对数据进行描述设计的过程,我们通常称为【数据可视化】。有时候,可视化的结果可能只是一个条形图表,但大多数的时候可视化的过程会很复杂的,因为数据本身可能会很复杂的。一般流程包括【数据收集】-【数据分析&清理】-【可视化设计】,从抽象的原始数据到可视化图像。

要做出好的【数据可视化】,拆分出来核心要先了解什么是【数据】。

数据

数据是可视化的基础,它不仅仅是数字,要想把数据可视化,就必须知道它表达的是什么。根据_Ben Shneiderman_的分类,信息可视化的数据分为以下几类:

  • 一维数据:X轴一个维度如果1、2、3、4 ···
  • 二维数据:X,Y两个二维度(1、2),(3、4),(5、6),(7、8)···
  • 三维数据:X,Y,Z三个维度(1、2、3),(4、5、6),(7、8、9) ···
  • 多维数据:X,Y,Z,···多个维度(1、2、3、4、···),(5、6、7、8、···)
  • 时态数据:具有数据属性的数据集合。
  • 层次数据:具有等级或层次关系数据集合。

数据种类划分是十分多的,但是这些数据都描述了现实的世界中的一部分,是现实世界的一个快照。除了类型,数据的数量级也影响这数据的表达结果。

小数据量(小于100)展示一下静态结果,中数据量(1K~100K)呈现数据反映的事实,大数据量(大于1M+)用于研究分析,推测结果。

我们来看一个数据:【 2017年1月28号,成都PM2.5值245 】,从这个数据里能看出什么,可能只是会觉得当天成都空气质量不好,我们可能会联想到这个样一个画面。

好像就不能得出什么了。其实从单个小数据上来看,我们很难得到什么有价值的信息。

只能匹配出数据代表的当前的静态状态结果。所以要想发挥出数据可视化的作用,首先我们需要大量真实的数据,知道数据的来龙去脉,把它作为一个整体来理解,关注全貌对原始数据了解得越多,打造的基础就越坚实,也就越可能制作出令人信服的数据图表。

OK,我们继续丰富我们的原始数据,在中国环境监测总站(http://www.cnemc.cn/)的网站获取到成都2017年整个1月份的PM2.5的数据

中国环境监测总站作为空气质量公开的数据来源,它提供了获取数据的API接口。通过API接口我们可以获取到原始数据。

原始数据一般包含的信息都比较多,什么PM2.5,、空气质量指数、PM10、一氧化碳、二氧化碳、臭氧、二氧化硫等等。我们只需要PM2.5的,所以清理数据,把其他不必要的内容去掉。然后导入到Excel表中,可以得到我们最终需要的数据。

有了【数据】下一步就可以开始做数据的【可视化】。

可视化

通俗地说,可视化设计的目的是“让数据说话”,用图形去讲述数据的故事。可视化是一种表达数据的方式,是现实世界的抽象表达。它像文字一样,为我们讲述各种各样的故事。作为一种媒介,可视化已经发展成为一种很好的故事讲述方式。

我们把成都PM2.5的数据,按照日期和当天的PM2.5指数做出最简单图形来,我们可以得到下面这类的图表来。

这类的图用Excel很简单就能得到。我们可去修改下柱状图的配色,但它依然只是一个简单的图表,而不是好的可视化作品。

那什么是好的可视化作品呢?

好的可视化设计需要具备统计和设计方面的知识。没有前者,可视化只是插图和美术练习;没有后者,可视化就只是研究分析结果。统计和设计的知识都只能帮助你完成数据图形的一部分。

我们需要去讲述数据的故事。那PM2.5代表的是什么,是当天天气的情况,所以我们可以用天气的维度去讲述这个故事。

我们把成都2017年1月份的天气照片的到,天气好的时候天是蓝色,PM2.5超标的时候是灰色。把它图形化我们可以得到这样一个展示,可以看出对于成都来说一个月中天气好的时间是十分少的。

好的可视化设计能让你有一见钟情的感觉,你知道眼前的东西就是你想看到的。既可以是艺术的,同时又是真实的。而不是直接把数据转换成图表,找到数据和它所代表事物之间的关系按照“数字化叙事”去做设计,这是全面分析数据的关键,同样还是深层次理解数据的关键。

我们在网上可以看到大量的优秀的数据可视化图,这些优秀的作品都会以这种“数字化叙事”的方式,告诉用户数据的意义。

这是哈佛做的一个数据可视化项目,将全球价15万亿美元的大宗交易表现在这里。地图上的每个点都代表 1 亿美元的进出口商品,十分的形象和震撼。

当然好的数据可视化图都是不断迭代优化出来的,判断是不是一个好的数据可视化可以按照以下的步骤去考虑。【你有什么数据】 -> 【关于数据你想知道什么】 -> 【数据可视化的表现方式】 -> 【你看到了什么?有意义吗?】。每一个问题的答案都取决于前一个答案,不断的去问自己,每个环节有没有问题,这样才能做出最好的设计。

我们一直在讲数据可视化的目的是有两个:一个是更好地分享和传达数据信息,二个是通过设计之美有效地缩短信息的传达。这是可视化的最根本的目的,可视化的定义在不同人眼中是不一样的。作为一个整体,可视化的广度每天都在变化,但是这是一个新的领域,我们可以用一种全新的方式去认识世界的过程,数据可视化,改变对数据的呈现和思考方式。

参考资料

  • 《图解力》 – 木村博之
  • 《数据之美》 – 邱南森
  • 《可视化沟通》 – Randy Krun
  • 《信息设计》 – Dopress Books
  • Designing Data Visualizations with Noah Iliinsky – TED演讲
  • 信息可视化研究综述 – 河北科技大学学报

作者:凯杨

来源:腾讯ISUX

关键字:产品经理, 数据

版权声明

本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!

相关文章

立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部