'Η ακαταστασία και η σύγχυση δεν είναι χαρακτηριστικά των δεδομένων - είναι ελλείψεις του σχεδιασμού.' - Έντουαρντ Τούφτε

Τι είναι η οπτικοποίηση δεδομένων;

Ο Michael φιλικός ορίζει την οπτικοποίηση δεδομένων 'ως πληροφορίες που έχουν αφαιρεθεί σε κάποια σχηματική μορφή, συμπεριλαμβανομένων των χαρακτηριστικών ή των μεταβλητών για τις μονάδες πληροφοριών.' Με άλλα λόγια, είναι ένας συνεκτικός τρόπος οπτικής επικοινωνίας του ποσοτικού περιεχομένου. Ανάλογα με τα χαρακτηριστικά του, τα δεδομένα μπορούν να αναπαρασταθούν με πολλούς διαφορετικούς τρόπους, όπως ένα γράφημα γραμμών, ένα γράφημα ράβδων, ένα γράφημα πίτας, ένα διάγραμμα σκέδασης ή ένας χάρτης.

Είναι σημαντικό για γραφίστες να συμμορφωθείτε με τις βέλτιστες πρακτικές οπτικοποίησης δεδομένων και να προσδιορίσετε τον καλύτερο τρόπο παρουσίασης ενός συνόλου δεδομένων οπτικά. Οι οπτικοποιήσεις δεδομένων πρέπει να είναι χρήσιμες, οπτικά ελκυστικές και ποτέ παραπλανητικό . Ειδικά όταν εργάζεστε με πολύ μεγάλα σύνολα δεδομένων, η ανάπτυξη μιας συνεκτικής μορφής είναι ζωτικής σημασίας για τη δημιουργία οπτικοποιήσεων που είναι χρήσιμες και οπτικά ελκυστικές.

Γιατί να χρησιμοποιήσετε την οπτικοποίηση δεδομένων

Σύμφωνα με IBM , 2,5 quintillion byte δεδομένων δημιουργούνται καθημερινά. ο Επιστήμονας της έρευνας Andrew McAfee και καθηγητής Erik Brynjolfsson του MIT επισημαίνετε ότι «περισσότερα δεδομένα διασχίζουν το Διαδίκτυο κάθε δευτερόλεπτο από ότι αποθηκεύτηκαν σε ολόκληρο το Διαδίκτυο πριν από 20 χρόνια».

Καθώς ο κόσμος συνδέεται όλο και περισσότερο με έναν αυξανόμενο αριθμό ηλεκτρονικών συσκευών, ο όγκος των δεδομένων θα συνεχίσει να αυξάνεται εκθετικά. IDC προβλέπει ότι θα υπάρχουν 163 zettabytes (163 τρισεκατομμύρια gigabytes) δεδομένων έως το 2025.

Όλα αυτά τα δεδομένα είναι δύσκολο να κατανοήσει ο ανθρώπινος εγκέφαλος - στην πραγματικότητα, είναι δύσκολο για τον ανθρώπινο εγκέφαλο να κατανοήσει αριθμοί μεγαλύτεροι από πέντε χωρίς να σχεδιάσουμε κάποιο είδος αναλογίας ή αφαίρεσης. Σχεδιαστές οπτικοποίησης δεδομένων μπορεί να διαδραματίσει ζωτικό ρόλο στη δημιουργία αυτών των αφαιρέσεων.

Σε τελική ανάλυση, τα μεγάλα δεδομένα είναι άχρηστα αν δεν μπορούν να κατανοηθούν και να καταναλωθούν με χρήσιμο τρόπο. Αυτός είναι ο λόγος για τον οποίο η οπτικοποίηση δεδομένων παίζει σημαντικό ρόλο σε όλα, από τα οικονομικά έως την επιστήμη και την τεχνολογία, έως την υγειονομική περίθαλψη και τις υπηρεσίες για τον άνθρωπο. Μετατρέποντας πολύπλοκους αριθμούς και άλλα στοιχεία σε γραφήματα, το περιεχόμενο γίνεται πιο κατανοητό και χρήσιμο.

Πότε να το χρησιμοποιήσετε

Δεδομένου ότι οι μεγάλοι αριθμοί είναι τόσο δύσκολο να κατανοηθούν με οποιονδήποτε ουσιαστικό τρόπο, και πολλά από τα πιο χρήσιμα σύνολα δεδομένων περιέχουν τεράστιες ποσότητες πολύτιμων δεδομένων, η οπτικοποίηση δεδομένων έχει καταστεί ζωτικός πόρος για τους υπεύθυνους λήψης αποφάσεων. Για να επωφεληθούν από όλα αυτά τα δεδομένα, πολλές επιχειρήσεις βλέπουν την αξία των οπτικοποιήσεων δεδομένων με τη σαφή και αποτελεσματική κατανόηση σημαντικών πληροφοριών, επιτρέποντας στους υπεύθυνους λήψης αποφάσεων να κατανοήσουν δύσκολες έννοιες, να εντοπίσουν νέα μοτίβα και να λάβουν πληροφορίες βάσει δεδομένων για να βελτιώσουν αποφάσεις.

Αξίζει να ξοδέψετε πόρους λύσεις σχεδιασμού οπτικοποίησης δεδομένων . Η κατανόηση μεγάλων συνόλων δεδομένων είναι απαραίτητη για τη λήψη τεκμηριωμένης απόφασης - είτε πρόκειται για επιχειρήσεις, τεχνολογία, επιστήμη ή για άλλο τομέα. Οι σαφείς οπτικοποιήσεις καθιστούν ευκολότερα κατανοητά τα πολύπλοκα δεδομένα και, ως εκ τούτου, είναι πιο εύκολο να αναλάβουμε δράση.

Αρχές

Ορίστε έναν σαφή σκοπό

Η οπτικοποίηση δεδομένων πρέπει να απαντά σε ζωτικές στρατηγικές ερωτήσεις, να παρέχει πραγματική αξία και να βοηθά στην επίλυση πραγματικών προβλημάτων. Μπορεί να χρησιμοποιηθεί για την παρακολούθηση της απόδοσης, την παρακολούθηση της συμπεριφοράς των πελατών και τη μέτρηση της αποτελεσματικότητας των διαδικασιών, για παράδειγμα. Το να αφιερώσετε χρόνο στην αρχή ενός έργου οπτικοποίησης δεδομένων για να ορίσετε με σαφήνεια τον σκοπό και τις προτεραιότητες θα κάνει το τελικό αποτέλεσμα πιο χρήσιμο και θα αποτρέψει τη σπατάλη χρόνου δημιουργώντας οπτικά περιττά.

Γνωρίστε το κοινό

Μια οπτικοποίηση δεδομένων είναι άχρηστη, εάν δεν έχει σχεδιαστεί για να επικοινωνεί καθαρά με το κοινό-στόχο. Θα πρέπει να είναι συμβατό με την εμπειρία του κοινού και να επιτρέπει στους θεατές να βλέπουν και να επεξεργάζονται δεδομένα εύκολα και γρήγορα. Λάβετε υπόψη το πόσο εξοικειωμένο είναι το κοινό με τις βασικές αρχές που παρουσιάζονται από τα δεδομένα, καθώς και εάν είναι πιθανό να έχουν φόντο στα πεδία STEM, όπου τα γραφήματα και τα γραφήματα είναι πιο πιθανό να προβάλλονται τακτικά.

Χρησιμοποιήστε οπτικές δυνατότητες για να εμφανίσετε σωστά τα δεδομένα

Υπάρχουν τόσοι πολλοί διαφορετικοί τύποι γραφημάτων. Το να αποφασίσετε τι είδους είναι καλύτερο για την οπτικοποίηση των δεδομένων που παρουσιάζονται είναι μια τέχνη από μόνη της. Το σωστό γράφημα όχι μόνο θα καταστήσει τα δεδομένα ευκολότερα κατανοητά, αλλά θα τα παρουσιάσει και με τον πιο ακριβή τρόπο. Για να κάνετε τη σωστή επιλογή, σκεφτείτε τι είδους δεδομένα πρέπει να μεταφέρετε και σε ποιον μεταβιβάζεται.

Εδώ είναι οι πιο δημοφιλείς τύποι γραφημάτων για οπτικοποίηση δεδομένων:

Γραφήματα γραμμών: Τα γραφήματα γραμμών πρέπει να χρησιμοποιούνται για τη σύγκριση τιμών με την πάροδο του χρόνου και είναι εξαιρετικά για την εμφάνιση τόσο μεγάλων όσο και μικρών αλλαγών. Μπορούν επίσης να χρησιμοποιηθούν για τη σύγκριση αλλαγών σε περισσότερες από μία ομάδες δεδομένων.

Ραβδογράμματα: Τα γραφήματα ράβδων πρέπει να χρησιμοποιούνται για τη σύγκριση ποσοτικών δεδομένων από διάφορες κατηγορίες. Μπορούν επίσης να χρησιμοποιηθούν για την παρακολούθηση αλλαγών με την πάροδο του χρόνου, αλλά χρησιμοποιούνται καλύτερα μόνο όταν αυτές οι αλλαγές είναι σημαντικές.

---

Οικόπεδα διασποράς: Τα διασκορπισμένα διαγράμματα πρέπει να χρησιμοποιούνται για την εμφάνιση τιμών για δύο μεταβλητές για ένα σύνολο δεδομένων. Είναι εξαιρετικοί για να εξερευνήσετε τις σχέσεις μεταξύ των δύο σετ.

---

Διαγράμματα πίτας: Τα γραφήματα πίτας πρέπει να χρησιμοποιούνται για την εμφάνιση τμημάτων ενός συνόλου. Δεν μπορούν να εμφανίζουν πράγματα όπως αλλαγές με την πάροδο του χρόνου.

Κρατήστε το οργανωμένο και συνεκτικό

Η συνοχή είναι ιδιαίτερα σημαντική κατά τη σύνταξη ενός μεγάλου συνόλου δεδομένων σε μια οπτικοποίηση. Ένας συνεκτικός σχεδιασμός θα εξασθενίσει αποτελεσματικά στο παρασκήνιο, επιτρέποντας στους χρήστες να επεξεργάζονται εύκολα πληροφορίες. Οι καλύτερες οπτικοποιήσεις βοηθούν τους θεατές να καταλήξουν σε συμπεράσματα σχετικά με τα δεδομένα που παρουσιάζονται χωρίς να είναι «στο πρόσωπό σας» ή να τραβήξουν την προσοχή τους. Απλώς δείχνουν τα δεδομένα με τον καλύτερο δυνατό τρόπο.

Η δημιουργία μιας ιεραρχίας δεδομένων δείχνει τα διάφορα σημεία δεδομένων με σχετικό τρόπο για τους υπεύθυνους λήψης αποφάσεων. Μπορείτε να ταξινομήσετε το υψηλότερο στο χαμηλότερο για να τονίσετε τις μεγαλύτερες τιμές ή να εμφανίσετε μια κατηγορία που είναι πιο σημαντική για τους χρήστες με εμφανή τρόπο.

Ακόμη και η σειρά με την οποία εμφανίζονται τα δεδομένα, τα χρώματα που χρησιμοποιούνται (όπως φωτεινότερα χρώματα για τα πιο σημαντικά σημεία ή γκρι για δεδομένα βάσης) και το μέγεθος διαφόρων στοιχείων ενός γραφήματος (όπως επέκταση ορισμένων φετών ενός γραφήματος πίτας πέρα ​​από το το κανονικό περίγραμμα του γραφήματος) μπορεί να βοηθήσει τους χρήστες να ερμηνεύουν δεδομένα πιο εύκολα. Προσοχή στη δημιουργία προκατάληψης όπου δεν πρέπει να υπάρχει καμία κατά τη χρήση αυτών των τεχνικών.

Κάντε την Οπτικοποίηση δεδομένων χωρίς αποκλεισμούς

Χρώμα χρησιμοποιείται εκτενώς ως τρόπος αναπαράστασης και διαφοροποίησης πληροφοριών. Σύμφωνα με μια πρόσφατη μελέτη που πραγματοποιήθηκε από τον Salesforce , είναι επίσης βασικός παράγοντας στις αποφάσεις των χρηστών.

Ανέλυσαν τον τρόπο με τον οποίο οι άνθρωποι ανταποκρίθηκαν σε διαφορετικούς συνδυασμούς χρωμάτων που χρησιμοποιούνται σε διαγράμματα, υποθέτοντας ότι θα είχαν ισχυρότερες προτιμήσεις για παλέτες που είχαν λεπτές χρωματικές παραλλαγές, καθώς θα ήταν πιο αισθητικά ελκυστικές.

Ωστόσο, διαπίστωσαν ότι ενώ ήταν ελκυστικές, οι λεπτές παλέτες κατέστησαν πιο δύσκολο να αναλυθούν τα γραφήματα και να αποκτήσουν πληροφορίες. Αυτό χάνει εντελώς τον σκοπό δημιουργίας οπτικοποίησης για την προβολή δεδομένων.

Εάν τα διαγράμματα με παρόμοια χρώματα - και λιγότερη αντίθεση - είναι δύσκολο να διαβαστούν για το μέσο άτομο, είναι ακόμη πιο δύσκολο για άτομα που δεν έχουν τέλεια όραση - και αντιπροσωπεύουν σημαντικό μέρος του πληθυσμού. Σύμφωνα με τον ΠΟΥ, περίπου 253 εκατομμύρια άνθρωποι ζουν με διαταραχή της όρασης .

Ευτυχώς, υπάρχουν διαθέσιμα εργαλεία για τον έλεγχο της οπτικοποίησης μιας εικόνας από άτομα με αυτές τις βλάβες, όπως το απόδειξη χρώματος τύφλωσης στο Photoshop και Εικονογράφος . Άλλα πράγματα όπως η χρήση αρκετά μεγάλων μεγεθών γραμματοσειράς και η επαρκής αντίθεση μεταξύ τύπου και φόντου είναι επίσης χρήσιμα.

Εάν τα εργαλεία προσομοίωσης αποκαλύψουν προβλήματα με την παλέτα χρωμάτων, υπάρχουν τεχνικές που μπορούν να βελτιώσουν την αναγνωσιμότητα του γραφήματος:

• Χρησιμοποιήστε χρώματα με υψηλή αντίθεση.
• Συμπληρώστε τη χρήση χρώματος με μοτίβο ή υφή για να μεταφέρετε διαφορετικούς τύπους πληροφοριών.
• Χρησιμοποιήστε κείμενο ή εικονίδια για την επισήμανση στοιχείων.

Η επιλογή γραμματοσειράς μπορεί να επηρεάσει την αναγνωσιμότητα του κειμένου, να βελτιώσει ή να μειώσει το επιδιωκόμενο νόημα. Εξαιτίας αυτού, είναι προτιμότερο να αποφεύγετε την εμφάνιση γραμματοσειρών και να διατηρείτε πιο βασικές γραμματοσειρές serif ή sans serif.

Βεβαιωθείτε ότι η οπτικοποίηση δεδομένων έχει ευανάγνωστο μέγεθος γραμματοσειράς για το μέσο του. Περιοδικό Smashing προτείνει «τα 16 εικονοστοιχεία θα πρέπει γενικά να είναι το ελάχιστο μέγεθος για αντίγραφο σώματος στη σύγχρονη σχεδίαση ιστού».

Μην παραμορφώσετε τα δεδομένα

Μια μεγάλη οπτικοποίηση δεδομένων θα πρέπει να λέει την ιστορία με σαφήνεια, αποφεύγοντας στρεβλώσεις. Αποφύγετε τη χρήση οπτικών αναπαραστάσεων που δεν αντιπροσωπεύουν με ακρίβεια το σύνολο δεδομένων, όπως γραφήματα πίτας σε 3D.

Οι οπτικοποιήσεις δεδομένων μπορούν να οδηγήσουν τους θεατές σε ορισμένα συμπεράσματα χωρίς να παραμορφώσουν τα ίδια τα δεδομένα. Αυτό μπορεί να είναι ιδιαίτερα χρήσιμο στο σχεδιασμό πραγμάτων όπως τα γραφήματα για δημόσια κατανάλωση, που συνήθως δημιουργούνται για να υποστηρίξουν ένα συγκεκριμένο συμπέρασμα παρά να μεταφέρουν γενικά δεδομένα. Πράγματα όπως οι επιλογές χρώματος και η κλήση συγκεκριμένων σημείων δεδομένων μπορούν να χρησιμοποιηθούν για το σκοπό αυτό χωρίς να δημιουργούνται παραπλανητικά γραφικά (τα οποία θα μπορούσαν ενδεχομένως να αμφισβητήσουν την αξιοπιστία ενός σχεδιαστή)

Παραδείγματα κακών οπτικοποιήσεων δεδομένων

---

---

---

---

Παραδείγματα καλών οπτικοποιήσεων δεδομένων

---

---

---

συμπέρασμα

Η καλή οπτικοποίηση δεδομένων πρέπει να κοινοποιεί ένα σύνολο δεδομένων με σαφήνεια και αποτελεσματικότητα χρησιμοποιώντας γραφικά. Οι καλύτερες οπτικοποιήσεις διευκολύνουν την κατανόηση των δεδομένων με μια ματιά. Παίρνουν πολύπλοκες πληροφορίες και τις αναλύουν με τρόπο που καθιστά απλό το κοινό-στόχο να κατανοήσει και να βασίσει τις αποφάσεις του.

Όπως επεσήμανε ο Edward R. Tufte, «το βασικό τεστ του σχεδιασμού είναι πόσο καλά βοηθά την κατανόηση του περιεχομένου και όχι πόσο κομψό είναι». Οι οπτικοποιήσεις δεδομένων, ειδικά, πρέπει να ακολουθούν αυτήν την ιδέα. Ο στόχος είναι να ενισχυθούν τα δεδομένα μέσω του σχεδιασμού και όχι να τραβήξουν την προσοχή στον ίδιο τον σχεδιασμό.

Η διατήρηση αυτών των βέλτιστων πρακτικών οπτικοποίησης δεδομένων απλοποιεί τη διαδικασία σχεδιασμού γραφημάτων που είναι πραγματικά χρήσιμες για το κοινό τους.

•••

Περαιτέρω ανάγνωση:

• Εμπνευστείτε με αυτές τις απεικονίσεις δεδομένων
• Αναβαθμίστε το Analytics με αυτές τις έμπνευση σχεδίασης πίνακα ελέγχου
• Σχεδιασμός ταμπλό - Σκέψεις και βέλτιστες πρακτικές
• Σχεδιασμός παρουσίασης και τέχνη της οπτικής αφήγησης
• Η σημασία του ανθρωποκεντρικού σχεδιασμού στο σχεδιασμό προϊόντων
• Τα καλύτερα χαρτοφυλάκια σχεδιαστών UX - Εμπνευσμένες μελέτες περιπτώσεων και παραδείγματα

Κατανόηση των βασικών

Τι είναι η οπτικοποίηση δεδομένων και γιατί είναι σημαντική;

Η οπτικοποίηση δεδομένων είναι ένας τύπος οπτικής επικοινωνίας που παρέχει έναν συνεκτικό τρόπο παρουσίασης ποσοτικού περιεχομένου, συμπεριλαμβανομένων μεγάλων συνόλων δεδομένων. Καθιστά τα σύνθετα δεδομένα πιο προσβάσιμα και ευκολότερα κατανοητά και χρήση.

Τι σημαίνει η αντίθεση των χρωμάτων;

Τα χρώματα με αντίθεση έχουν σημαντική διαφορά στη φωτεινότητα ή την απόχρωση που τα καθιστά διακριτά το ένα από το άλλο. Για παράδειγμα, το λευκό και το μαύρο βρίσκονται στα αντίθετα άκρα του φάσματος φωτεινότητας και επομένως έχουν υψηλή αντίθεση. Το μπλε και το πορτοκαλί βρίσκονται στις αντίθετες πλευρές του χρωματικού τροχού και έχουν επίσης υψηλή αντίθεση.

Γιατί είναι σημαντική η χρωματική αντίθεση στον Ιστό;

Η επαρκής χρωματική αντίθεση στον ιστό διευκολύνει τους χρήστες να κάνουν διάκριση μεταξύ αντικειμένων ή στοιχείων σχεδίασης, βελτιώνοντας την εμπειρία του χρήστη. Η επαρκής χρωματική αντίθεση είναι επίσης το κλειδί για τη δημιουργία ιστότοπων που είναι προσβάσιμοι από χρήστες με προβλήματα όρασης.