theASIDEblog 中寫道：
Graphicacy描繪了清晰，可實現的技能，為今天的孩子和明天的專業人士提供必要的基準。從本質上講，教師必須為教育用途設計信息，並幫助他們的學生解讀包含他們當前世界的視覺星系。學生必須具有圖形文化才能獲得信息，因為他們將數據，圖像和文字切割成信息層並構建關係意義。圖形教育，如識字，操作和計算，完善了當今學習者所需的溝通渠道。http://theasideblog.blogspot.com/search/label/graphicacy
無論觀眾查看數據和/或結果信息，處理您所看到內容的最有效方法是通過數據的圖形表示。作為一名研究經濟學的人，我開始欣賞可以很好地提煉成精心挑選的圖表的信息量——與價格和數量的關係、供求隨時間的變化、有效邊界等等。 有瞭如此多的數據和從數據中獲得的如此多的潛在價值，很高興看到我們準備通過更多的數據圖形編碼來更大程度地利用我們驚人的視覺帶寬。 更大的“視覺素養”或圖形化的趨勢是顯而易見的。
數據可視化專家 Stephen Fee 寫了一篇關於評估 Visual EDA 工具的標準在他的季刊視覺商業智能通訊. 文章中的第一句話很重要：“我們出於各種目的可視化數據。”為了擴展這一點，讓我們考慮什麼時候數據是數據，什麼時候數據變成信息。
許多人認為數據可視化和信息可視化是同義詞。 然而，在數據信息連續體的背景下，我們開始看到存在重要差異。 只有當數據用於通知時，數據才成為信息。 如果您是探索數據、尋求生成信息的分析師，那麼您就是進行探索性數據分析時的主要受眾——您和數據一起學習，在您生成更多信息的道路上。 您同時是信息的生產者和消費者。 當您尋求了解更多信息時，這些數據會為您的後續步驟提供信息。
一旦您獲得了結果並產生了信息，您通常需要將您的發現傳播給其他人（信息消費者）。 無論觀眾查看數據和/或結果信息，處理您所看到內容的最有效方法是通過數據的圖形表示。 我們只是無法像處理圖形和數據電影那樣快速處理文本和表格輸出。 可視化在數據發現和信息傳播中起著重要作用。
也就是說，探索數據和生成信息需要哪些能力？ 經濟學家最喜歡的答案是（當然）視情況而定！ 如果您對數據提出相對簡單的問題，簡單的功能就足夠了。 甚至電子表格也可以做到這一點（儘管我寫它很痛苦，因為它們被過度用於做它們從未打算做的事情！）。 但是，如果您對數據提出更複雜的問題——如果需要更嚴格地探索數據以揭示真相——您需要一組更豐富的數據發現功能。
數據可視化意味著更高程度的數據分析比信息可視化。 分析師可能需要查看散點圖、平行圖、樹狀圖和曲面圖等內容，以確定關係、模式、趨勢和異常，以便為下一步提供信息。 當她準備好分享結果並取決於觀眾時，分析師可能會展示一些用這些相同的圖表來傳達數據中有趣的發現。 她也可能會展示完全不同的圖表——有些不是她發現過程的一部分——但她選擇了最能表達觀點並以她的方式傳達故事的圖表觀眾會很容易理解。 此類呈現圖可以採用條形圖、氣泡圖或特定空間圖的形式。 我覺得只談論或寫關於數據和信息可視化而不展示一些可視化是很尷尬的，所以包含了一些例子。
使用一些公開的乳腺癌數據，您可以使用各種圖來探索數據，例如下面的前兩個圖。如果您單擊診斷直方圖中的惡性或良性條，您可以看到其他屬性中突出顯示的每個診斷的分佈。甚至在您開始構建預測模型之前，您就可以在下面的兩張圖片中看到一些很好的分離——您可以看到屬性與您嘗試預測的結果之間的關係。
假設您已經構建了一個模型，該模型捕獲了變量如何相互作用以及它們如何與目標變量、診斷相關的一些複雜性，使用 Profiler 等可視化方法，您可以看到如何更改一個輸入變量（單擊並拖動紅色垂直線），影響結果以及其他輸入。
可視化數據探索和演示圖形之間的另一個重要區別是，數據可視化通常非常快速地創建——通常在亞秒內——以通知分析師的下一步，以便分析師可以保持“流暢”。根據受眾和所需的定製程度，創建演示圖形可能需要更長的時間——通常是幾個小時。
因此，深入了解圖形化程度不斷提高的背後是什麼，重要的是要注意有助於更好地理解所有這些大數據的不同技能。圖形化正在興起的其他證據：許多關於可視化的 LinkedIn 群組已經形成。 而這個流行為期兩天的數據可視化課程在我有幸參加的哈佛，今年提供時顯然有一個很長的等候名單。 來自 IT 行業分析師的一份報告證明，可視化越來越受到 IT 行業分析師的關注。福雷斯特在先進的數據可視化平台上。 紐約公共圖書館舉辦了一個小組討論會，其中有許多值得注意的思想領袖，反映了對數據和信息可視化的多學科興趣：什麼是好的數據可視化？
除了博客和相關書籍，如長期存在的經典愛德華·塔夫特， 也斯蒂芬·弗,馮凱澤和彌敦道，關於數據和信息可視化的書籍數量也在不斷增長，其中一些已經出版了第二版，比如 Stephen Fee給我看數字：設計表格和圖表來啟發我.
無論您需要探索數據、呈現和/或消費信息，無論您對數據提出的問題是簡單還是複雜，您都可以通過利用越來越多的視覺範式和功能來更高效、更有效地生產和消費信息。 我們大多數人都是視覺學習者，我們一半以上的大腦都致力於支持視覺。 隨著數據的種類和數量不斷增加，問題和機會的種類和數量也越來越多，現在是時候看到我們正在更多地利用視覺帶寬來更快地理解數據的跡象。
