Was meinen wir, wenn wir von Details-on-Demand sprechen?
Die Untersuchung von Daten zur Gewinnung von Erkenntnissen folgt in der Regel einem vertrauten Prozess. Wir bereinigen es, erstellen Visualisierungen, interagieren mit ihnen und führen Analysen durch. Spülen und wiederholen. Normalerweise müssen wir nicht viel über den Prozess nachdenken, was ein Beweis dafür ist, wie einfach es ist JMP .
Der explorativen Datenanalyse liegt jedoch ein Prozess zugrunde. Es war im Laufe der Jahre Gegenstand zahlreicher Studien. Eines der einflussreichsten ist „The Eyes Have It: A Task by Data Type Taxonomy for Information Visualizations“ (Shneiderman 1996). In diesem bahnbrechenden Artikel wurde das Visual Information Seeking Mantra, kurz Infovis Mantra, vorgestellt. Es geht so:
Zuerst Übersicht, Zoom und Filter, dann Details auf Abruf.
Nachdem wir eine Visualisierung erstellt haben, müssen wir in den meisten Fällen mit ihr interagieren, um interessante Muster zu finden. Zoom und Filter verändern den Visualisierungsfokus. Details-on-Demand fügt zusätzliche Informationen (Details) nur dann hinzu, wenn es notwendig ist (on-Demand). Um die Auswirkungen auf den Erkundungsfluss zu verringern, zeigen wir mit der Maus auf den Bereich von Interesse. Eine kurze Pause löst die Interaktion aus. Und voilà: Bei Bedarf erscheint ein Hover-Label mit Details.
Wie entscheiden wir, welche zusätzlichen Informationen in diesem Zusammenhang relevant sind? Zunächst sammelt JMP Daten von Beschriftete Spalten oder Zeilennummern, wenn keine definiert sind. Anschließend werden Informationen hinzugefügt, die aus der zugrunde liegenden Visualisierung extrahiert wurden. Zum Beispiel die numerischen oder kategorialen Werte, die dem zugrunde liegenden visuellen Element zugeordnet sind. Diese können aus der X- und Y-Achse extrahiert werden. Das Endergebnis wird als Text im Hover-Label-Fenster angezeigt. Das Fenster kann dann an das Diagramm angeheftet, neu positioniert oder durch Wegbewegen der Maus geschlossen werden.
Jenseits von Text
JMP 15 eingeführt Hover-Label-Erweiterungen . Diese Funktionen erweitern den Typ und Inhalt, den Hover-Labels anzeigen können.
- Texte ermöglichen die Anzeige ganzer Absätze mit Rich Text. Der Inhalt kann statisch oder dynamisch sein, basierend auf der Auswertung von JSL-Variablen.
- Gitter Bietet eine genaue Kontrolle über den Standardinhalt oder das Raster des Hover-Labels. JMP erstellt diesen Inhalt aus beschrifteten Spalten und Diagrammrollen. Die Gridlet-Erweiterung kann Rastereinträge umbenennen, entfernen, neu formatieren und neu gestalten. Es können auch neue hinzugefügt werden, sowohl mit statischen als auch dynamischen Inhalten – einschließlich anklickbarer Links.
- Graphlets Zeigen Sie grafische oder visuelle Inhalte im Hover-Label-Fenster an. Die häufigste Verwendung besteht darin, neue Visualisierungen basierend auf den Daten des schwebenden visuellen Elements anzuzeigen. Beispielsweise eine Verteilung der durch den Balken aggregierten Werte in einem Balkendiagramm. Weitere Möglichkeiten sind die Vorschau zugehöriger Bilddateien und sogar Webinhalte.
Hier ist ein kurzes Beispiel, das die grundlegende Interaktion zwischen Hover-Label-Details und On-Demand zeigt und wie sie mithilfe von Graphlet erweitert werden kann Voreinstellungen .
Hover label interaction and customization with presetsHover label interaction and customization with presetsHover label interaction and customization with presetsHover label interaction and customization with presetsHover-Label-Interaktion und Anpassung mit Voreinstellungen
Über Details hinaus
Das Infovis-Mantra besteht aus vier Aufgaben, wobei Details-on-Demand die letzte ist. Aber Shneidermans Artikel beschreibt drei weitere, die die neuen Hover-Label-Erweiterungen unterstützen.
- Betreffen: Der Graphlet einfügen erstellt Miniaturansichten aus vorkonfigurierten Plattformdiagrammen. Verwenden Sie es mit der Fit X by Y-Plattform, um Zusammenhänge im aktuellen Datenkontext zu visualisieren. Andere Plattformen können verwendet werden, um verschiedene Arten von Beziehungen darzustellen.
- Geschichte: Bei den Graphlet-Miniaturansichten handelt es sich um anklickbare Bilder. Wenn sie angeklickt werden, starten sie die Plattformen, die zur Generierung verwendet wurden, in unabhängigen Fenstern, oder sie können an Ort und Stelle starten und die aktuelle Visualisierung ersetzen. In beiden Fällen stellt eine Rückgängig-Aktion die ursprüngliche Visualisierung wieder her. Du kannst aufreißen Viele Ebenen, wissend, dass man immer zurückkehren kann.
- Extrakt: Visuelle Elemente entsprechen Teilmengen der Daten. Das Hover-Label-Menü bietet direkten Zugriff auf diese Teilmengen. Außerdem enthalten gestartete Graphlets ein vorkonfiguriertes Lokaler Datenfilter , wodurch die zugehörige Abfrage kopiert oder sogar geändert werden kann.
Mehr Dokumentation zu Hover-Labels ist auf der JMP-Website verfügbar.
Über diesen Beitrag hinaus
In den nächsten Beiträgen werden wir verschiedene Aspekte der Architektur der Hover-Label-Erweiterungen behandeln. Im ersten Teil geht es um die High-Level-Schnittstelle, die den Großteil der neuen Funktionalität offenlegt. Keine Programmierkenntnisse erforderlich!
Sehen Sie sich in der Zwischenzeit unsere Discovery 2020-Präsentation zu diesem Thema an: Von Details-on-Demand bis hin zu wandernden Arbeitsabläufen: Lernen Sie JMP Hover Label Extensions kennen
Verweise
[Shneiderman 1996] „Die Augen haben es: Eine Aufgabe nach Datentyp-Taxonomie für Informationsvisualisierungen“, von Ben Shneiderman. Abteilung für Informatik, Labor für Mensch-Computer-Interaktion und Institut für Systemforschung. Collegepark der University of Maryland.
Weiterführende Literatur
B. Craft und P. Cairns, „Jenseits von Richtlinien: Was können wir aus dem Mantra der visuellen Informationssuche lernen?“ Neunte internationale Konferenz zur Informationsvisualisierung (IV'05), London, Großbritannien, 2005, S. 110–118, doi: 10.1109/IV.2005.28.
Jetzt sehen Sie es: Einfache Visualisierungstechniken für die quantitative Analyse
Stephen Few, 2009
Verbessern Sie Ihre Sehkraft und erweitern Sie Ihren Geist
Stephen Few, 2007
