theASIDEblog 쓴 :
그래픽은 오늘날의 어린이와 미래의 전문가를 위해 필요한 벤치 마크를 캡슐화하는 명확하고 달성 가능한 기술을 묘사합니다. 근본적으로 교사는 교육용 정보를 디자인해야하며 학생들이 현재 세계를 망라하는 시각적 은하를 해독하는 데 도움을 주어야합니다. 학생들은 데이터, 이미지 및 단어를 정보 계층으로 슬라이스하고 관계형 의미를 구성 할 때 그래픽으로 지식을 습득해야합니다. 문해력, 구강 및 수리력과 같은 그래픽 교육은 오늘날의 학습자에게 필요한 의사 소통 라인을 완성합니다. http://theasideblog.blogspot.com/search/label/graphicacy
데이터 및/또는 결과 정보를 보는 청중과 관계없이 보고 있는 것을 처리하는 가장 효율적인 방법은 데이터를 그래픽으로 표현하는 것입니다. 경제학을 공부한 사람으로서 나는 가격과 수량과의 관계, 시간에 따른 수요와 공급의 변화, 효율적인 국경 등 잘 선택된 그래프로 멋지게 요약될 수 있는 정보의 양을 이해하게 되었습니다. 많은 데이터와 데이터에서 얻을 수 있는 잠재적 가치가 매우 많기 때문에 데이터의 그래픽 인코딩을 통해 놀라운 시각적 대역폭을 더 많이 활용할 준비가 되어 있습니다. "시각적 리터러시(visual literacy)" 또는 그래픽 능력이 향상되는 경향이 분명합니다.
데이터 시각화 전문가인 Stephen Few는 Visual EDA 도구 평가 기준 그의 분기별 비주얼 비즈니스 인텔리전스 뉴스레터 . 기사의 첫 번째 문장은 "우리는 다양한 목적을 위해 데이터를 시각화합니다."가 중요합니다. 이를 확장하기 위해 데이터가 데이터인 경우와 데이터가 정보가 되는 경우를 살펴보겠습니다.
많은 사람들이 데이터 시각화와 정보 시각화를 동의어로 간주합니다. 그러나 데이터 정보 연속체의 맥락에서 우리는 중요한 차이점이 있음을 보기 시작했습니다. 데이터가 정보를 제공할 때만 데이터가 정보가 됩니다. 데이터를 탐색하고 정보를 생성하려는 분석가인 경우 탐색적 데이터 분석을 수행하는 동안 주요 대상이 됩니다. 사용자와 데이터는 더 많은 정보를 생성하기 위해 학습합니다. 당신은 동시에 정보 생산자이자 소비자입니다. 데이터는 당신이 더 많은 것을 배우려고 할 때 당신의 다음 단계를 알려줍니다.
결과를 얻고 정보를 생성한 후에는 일반적으로 다른 사람(정보 소비자)에게 결과를 배포해야 합니다. 데이터 및/또는 결과 정보를 보는 청중과 관계없이 보고 있는 것을 처리하는 가장 효율적인 방법은 데이터를 그래픽으로 표현하는 것입니다. 우리는 그래프와 데이터 영화만큼 빠르게 텍스트와 표 형식의 출력을 처리할 수 없습니다. 시각화는 데이터 발견과 정보 보급에 중요한 역할을 합니다.
그렇다면 데이터를 탐색하고 정보를 생성하려면 어떤 기능이 필요할까요? 경제학자가 가장 좋아하는 대답은 (물론) 상황에 달려 있다는 것입니다! 데이터에 대해 비교적 간단한 질문을 하는 경우 간단한 기능으로 충분합니다. 스프레드시트도 그 트릭을 수행할 수 있습니다(비록 의도하지 않은 일을 하는 데 과도하게 사용되기 때문에 작성하는 것이 고통스럽긴 하지만!). 그러나 데이터에 대해 더 복잡한 질문을 하는 경우(진실을 밝히기 위해 데이터를 더 엄격하게 탐색해야 하는 경우) 더 풍부한 데이터 검색 기능 세트가 필요합니다.
데이터 시각화는 다음보다 더 높은 수준의 데이터 분석을 의미합니다. 정보 심상. 분석가는 다음 단계를 알리기 위해 관계, 패턴, 추세 및 이상을 결정하기 위해 산점도, 병렬 플롯, 덴드로그램 및 표면 플롯과 같은 항목을 살펴봐야 할 수 있습니다. 그녀가 결과를 공유할 준비가 되었을 때 그리고 청중에 따라 분석가는 일부 데이터에서 흥미로운 결과를 전달하기 위해 이러한 동일한 그래프를 사용합니다. 그녀는 또한 완전히 다른 그래프(일부는 그녀의 발견 과정의 일부가 아님)를 보여줄 수도 있지만, 그녀는 자신의 방식으로 요점을 가장 잘 나타내고 이야기를 전달하는 그래프를 선택합니다. 청중 쉽게 이해할 것입니다. 이러한 프리젠테이션 그래프는 막대 차트, 거품 도표 또는 특정 공간 그래프의 형태일 수 있습니다. 시각화를 보여주지 않고 데이터와 정보 시각화에 대해 이야기하거나 글을 쓰는 것이 어색해서 몇 가지 예를 포함합니다.
일부 공개된 유방암 사용 데이터 , 아래 처음 두 개와 같은 다양한 플롯으로 데이터를 탐색할 수 있습니다.진단 히스토그램에서 악성 또는 양성 막대를 클릭하면 다른 속성에서 강조 표시된 각 진단의 분포를 볼 수 있습니다.예측 모델을 구축하기 시작하기 전에도 아래 두 이미지에서 잘 구분된 것을 볼 수 있습니다. 속성이 예측하려는 결과와 어떤 관련이 있는지 확인할 수 있습니다.
프로파일러와 같은 시각화 방법을 사용하여 변수가 상호 작용하는 방식 및 대상 변수와 관련되는 방식의 복잡성을 캡처하는 모델을 구축했다고 가정해 보겠습니다. 수직선)은 결과뿐만 아니라 다른 입력에도 영향을 미칩니다.
시각적 데이터 탐색과 프레젠테이션 그래픽의 또 다른 중요한 차이점은 데이터 시각화가 일반적으로 분석가의 다음 단계를 알리고 분석가가 "흐름에" 머물 수 있도록 매우 빠르게 생성된다는 것입니다. 청중과 필요한 사용자 정의 정도에 따라 프레젠테이션 그래픽을 만드는 데 훨씬 더 오랜 시간이 걸릴 수 있습니다. 종종 몇 시간이 걸립니다.
따라서 그래픽 수준이 높아지는 이면에 있는 내용을 조금 더 깊이 파고들어 이 모든 빅 데이터를 더 잘 이해하는 데 기여할 수 있는 다양한 기술에 주목하는 것이 중요합니다.그래픽이 증가하고 있다는 다른 증거: 시각화에 관한 수많은 LinkedIn 그룹이 형성되었습니다. 그리고 이 인기 있는 2일 데이터 시각화 과정 내가 참석하게 되어 기뻤던 하버드 대학은 올해 제안을 받았을 때 대기자 명단이 길었던 것 같다. 시각화는 포레스터 고급 데이터 시각화 플랫폼에서 뉴욕 공립 도서관은 데이터 및 정보 시각화에 대한 다학문적 관심을 반영하는 다수의 주목할만한 사상가 리더와 함께 패널을 주최했습니다. 무엇이 좋은 데이터 시각화를 만드는가?
의 오랜 고전과 같은 블로그 및 관련 서적 외에도 에드워드 터프테 , 게다가 스티븐 퓨 , 카이저 펑 그리고 나단 야우 , 데이터 및 정보 시각화에 대한 책의 수도 증가하고 있으며 그 중 일부는 Stephen Few의 두 번째 판에 있습니다. 숫자를 보여주세요: 계몽을 위한 표와 그래프 디자인하기 .
데이터 탐색, 정보 표시 및/또는 소비가 필요한지 여부, 데이터에 대한 질문이 단순하거나 복잡한지 여부에 관계없이 증가하는 시각적 패러다임 및 기능을 활용하여 정보를 보다 효율적이고 효과적으로 생성 및 소비할 수 있습니다. 우리 대부분은 시각적 학습자이며 뇌의 절반 이상이 보는 데 전념합니다. 데이터의 다양성과 양이 증가하고 문제와 기회의 다양성과 양이 증가함에 따라 데이터를 더 빨리 이해하기 위해 시각적 대역폭을 더 많이 활용하고 있다는 징후를 볼 수 있습니다.
