データおよび情報の可視化（でーたおよびじょうほうのかしか、英：Data and information visualization）とは、静的・動的・インタラクティブ な視覚要素を用いて、定量および定性のデータと情報を図的・視覚的表現として設計・作成する実践。Nussbaumer Knaflic, Cole (2 November 2015). Storytelling with Data: A Data Visualization Guide for Business Professionals. John Wiley & Sons. .これらの可視化は、想定する読者が、データ内に潜む構造・関係・相関・局所的または大域的パターン・トレンド・変動・不変性・クラスター・外れ値・異例な群といった、本来は同定しにくい要素を視覚的に探索・発見し、素早く理解・解釈して重要な洞察を得られるよう支援することを意図している。Antony Unwin (31 January 2020). "Why Is Data Visualization Important? What Is Important in Data Visualization?". Harvard Data Science Review. 2 (1). doi:10.1162/99608f92.8ae4d525. Retrieved 27 March 2023.Ananda Mitra (2018), "Managing and Visualizing Unstructured Big Data", Encyclopedia of Information Science and Technology (4th ed.), IGI GlobalBhuvanendra Putchala; Lasya Sreevidya Kanala; Devi Prasanna Donepudi; Hari Kishan Kondaveeti (2023), "Applications of Big Data Analytics in Healthcare Informatics", in Narasimha Rao Vajjhala; Philip Eappen (eds.), Health Informatics and Patient Safety in Times of Crisis, IGI Global, pp. 175–194一般向けに、情報の要点を魅力的かつ簡潔に伝える目的で用いられる場合、通常インフォグラフィックと呼ばれる。
概要
データ可視化は、主として定量的な生データの集合を、画像的手法により図式的に提示することに関心をもつ。データ可視化で用いられる視覚フォーマットには、各種チャートやグラフ、地理空間地図、図、相関行列、百分率ゲージ「ゲージ」自体は広く計量器のこと。「ゲージバー」など。ゲージバーとは、ゲームなどでHPやスタミナなどが表示される棒状のもののこと。HPゲージなどなどがある。
情報可視化 は、定量データに加えて定性的で主として抽象的な情報を含む、複数・大規模・複雑なデータセットを取り扱う。その目的は、生データに付加価値を与え、閲覧者の理解を深め、認知を強化し、視覚的表示を観察・操作する過程で洞察を導出し意思決定を支援することにある。用いられる可視化ツールには、位置データ（英語版）が追加された地図、データの階層化Heer, Jeffrey, Bostock, Michael, Ogievetsky, Vadim (2010) A tour through the visualization zoo, Communications of the ACM, Volume 53, Issue 6 Pages 59 - 67 https://doi.org/10.1145/1743546.1743567、サンキー・ダイアグラムのような関係重視の表示、フローチャート、年表などが含まれる。
仮想現実・拡張現実・複合現実などの新興技術（英語版）は、情報可視化をより没入的・直観的・双方向的・可操作的にし、ユーザーの視覚知覚と認知を高める潜在力を持つ。Olshannikova, Ekaterina; Ometov, Aleksandr; Koucheryavy, Yevgeny; Ollson, Thomas (2015), "Visualizing Big Data with augmented and virtual reality: challenges and research agenda.", Journal of Big Data, 2 (22) 22, doi:10.1186/s40537-015-0031-2データ・情報可視化では、データベース・情報システム・ファイルシステム・文書・ビジネスデータから収集された抽象的・非物理的・非空間的データを図的に提示・探索することが目標である。これは、科学的可視化（英語版）（物理的・空間的な科学データに基づき写実的な画像をレンダリングして仮説の支持・棄却を図る）とは異なる。Card, Mackinlay, and Shneiderman (1999), Readings in Information Visualization: Using Vision to Think, Morgan Kaufmann, pp. 6–7
効果的なデータ・情報可視化は、適切な出典明示と文脈化がなされ、簡潔で雑然としていない。基礎データは正確かつ最新で、洞察の信頼性を担保する。視覚的要素の選択は妥当で審美的であり、形状・色彩などの視覚要素は意味をもって意図的に使われ、注意散漫を招かない。グラフィックには補助テキストが伴い、言語要素と視覚要素が相補して明快・迅速・記憶に残る理解をもたらす。"What is data visualization?". IBM. 28 September 2021. Retrieved 27 March 2023.効果的な情報可視化は、想定読者のニーズと専門性レベルに敏感である。効果的な可視化は、専門的・複雑・ビッグデータ駆動のアイデアを非技術系の観衆に対しても、視覚的に魅力的・惹きつける・アクセスしやすい形で伝達でき、また専門家や経営層に対しては意思決定・業績モニタリング・アイデア創出・研究促進を支える。
データサイエンティスト・アナリスト・データマイニング専門家は、可視化を用いてデータ品質の確認・エラー検出・異常な欠測やギャップの発見・データクリーニング・構造や特徴の探索・モデル出力の評価を行う。データ・情報可視化はデータストーリーテリングの一部となりうる。つまり、可視化をナラティブ構造と組にして、分析で得られた洞察に文脈を与え、観衆に意思決定や行動を促す。Brent Dykes (2019), Effective Data Storytelling: How to Drive Change with Data, Narrative and Visuals, John Wiley & Sons, p. 16これは、統計グラフィックス（研究者・アナリスト間で複雑なデータを探索的データ解析やその結果の伝達のために図示するもので、視覚的魅力・注意喚起・物語性の比重は相対的に低い）と対比される。David C. LeBlanc (2004), Statistics: Concepts and Applications for Science, Jones & Bartlett Learning, pp. 35–36
データ・情報可視化は学際的であり、要約統計量Grandjean, Martin (2022). "Data Visualization for History". Handbook of Digital Public History. pp. 291–300. doi:10.1515/9783110430295-024. .、ビジュアルコミュニケーション、グラフィックデザイン、認知科学、リアルタイムコンピュータグラフィックス（英語版）、ヒューマンコンピュータインタラクションの原理を取り込む。E.H. Chi (2013), A Framework for Visualizing Information, Springer Science & Business Media, p. xxiii効果的な可視化にはデザイン・統計・計算の技能が要るため、アートであると同時にサイエンスでもある。Gershon, Nahum; Page, Ward (1 August 2001). "What storytelling can do for information visualization". Communications of the ACM. 44 (8): 31–37. doi:10.1145/381641.381653. S2CID 7666107.ビジュアル分析（英語版）は、統計的データ分析、データ・情報可視化、人間の分析的推論を相互作用可能なビジュアル・インターフェースで結びつけ、コンピュータ単独では困難な結論到達・実行可能な洞察獲得・情報に基づく意思決定を支援する。人々が各種可視化をどのように読む・読み違えるかに関する研究は、もっとも理解しやすく効果的な可視化のタイプや特徴の同定に資する。Mason, Betsy (November 12, 2019). "Why scientists need to be better at data visualization". Knowable Magazine. doi:10.1146/knowable-110919-1.O'Donoghue, Seán I.; Baldi, Benedetta Frida; Clark, Susan J.; Darling, Aaron E.; Hogan, James M.; Kaur, Sandeep; Maier-Hein, Lena; McCarthy, Davis J.; Moore, William J.; Stenau, Esther; Swedlow, Jason R.; Vuong, Jenny; Procter, James B. (2018-07-20). "Visualization of Biomedical Data". Annual Review of Biomedical Data Science. 1 (1): 275–304. doi:10.1146/annurev-biodatasci-080917-013424. hdl:10453/125943. S2CID 199591321. Retrieved 25 June 2021.意図せず不適切または意図的に誤解を招く可視化は、誤情報の拡散・世論操作・世論誘導に機能しうる強力な道具となる（誤報・偽情報研究（英語版）を参照。Leo Yu-Ho Lo; Ayush Gupta; Kento Shigyo; Aoyu Wu; Enrico Bertini; Huamin Qu, Misinformed by Visualization: What Do We Learn From Misinformative Visualizations?したがってデータ可視化リテラシー（data visualization literacy）は、情報時代におけるデータ・情報リテラシーの重要な構成要素となっており、過去における文章・数学・ビジュアルリテラシーの役割に比肩する。Börner, K.; Bueckle, A.; Ginda, M. (2019), "Data visualization literacy: Definitions, conceptual frameworks, exercises, and assessments", Proceedings of the National Academy of Sciences, 116 (6): 1857–1864, Bibcode:2019PNAS..116.1857B, doi:10.1073/pnas.1807180116, PMC 6369751,
詳細 データ・情報可視化は、データを分析しユーザーに提示するプロセスの一段階である。
データ・情報可視化の分野は、「ヒューマンコンピュータインタラクション、計算機科学、ビジュアルデザイン、コミュニケーションデザイン、心理学、写真、ビジネス手法の研究から生まれた」。そして現在では、科学研究・電子図書館・データマイニング・金融データ分析・市場調査・製造生産管理・創薬において不可欠の構成要素として適用が進んでいる。Benjamin B. Bederson and Ben Shneiderman (2003). The Craft of Information Visualization: Readings and Reflections, Morgan Kaufmann .
データ・情報可視化は、「視覚表現と相互作用技術が、人間の高い視覚情報処理力を利用し、ユーザーが大量の情報を一度に見て・探索して・理解できるようにする」という前提に立つ。James J. Thomas and Kristin A. Cook (Ed.) (2005). Illuminating the Path: The R&D Agenda for Visual Analytics Archived 2008-09-29 at the Wayback Machine. National Visualization and Analytics Center. p.30情報可視化は、抽象情報を直観的に伝えるための手法の構築に焦点を当てて発展してきた。
データ分析は、産業におけるすべての応用研究と問題解決に不可欠である。基本的な手法には、可視化（ヒストグラム、散布図、サーフェスプロット、ツリーマップ図（英語版）、パラレルコーディネート等）、統計（仮説検定、回帰分析、主成分分析 等）、データマイニング（相関ルール学習（英語版）等）、機械学習（データ・クラスタリング、分類、決定木等）がある。これらの中で情報可視化（あるいは視覚的データ分析）は、人間アナリストの認知技能への依存が最も大きく、人間の想像力と創造性にのみ制約される非構造の実用的な洞察を発見しうる。アナリストは、可視化されたデータを解釈するために高度な手法を新たに学ぶ必要はない。情報可視化はまた仮説生成の枠組みでもあり、通常は統計的仮説検定などのより分析的・形式的な解析によって後続される。
情報を明確かつ効率的に伝えるために、データ・情報可視化は視覚化統計（英語版）、プロット図、インフォグラフィックなどのツールを用いる。数値データは点・線・棒として符号化され、量的情報を視覚的に伝える。"Stephen Few-Perceptual Edge-Selecting the Right Graph for Your Message-2004" (PDF). Archived (PDF) from the original on 2014-10-05. Retrieved 2014-09-08.効果的な可視化は、ユーザーがデータと科学的証拠を分析・推論するのを助ける。"10 Examples of Interactive Map Data Visualizations". Tableau.それは複雑なデータをアクセスしやすく・理解しやすく・使いやすくする一方で、意味を減少させることもある。Engebretsen, Martin; Helen, Kennedy, eds. (2020-04-16). Data Visualization in Society. Amsterdam University Press. doi:10.5117/9789463722902_ch02. .ユーザーには、比較や因果の理解といった特定の分析タスクがあり、図の設計原理（例：比較を示す・因果性を示す）はタスクに従う。表は特定の測定値を参照するときに用いられ、各種チャートは1変数または多変数におけるパターンや関係の提示に用いられる。
これはデータ分析・データサイエンスの工程の一部でもある。バイタリー・フリードマン(2008)によれば、「データ可視化の主な目標は、視覚的手段によって情報を明確かつ効果的に伝えることだ。機能的であるために退屈である必要も、見栄えのために過度に洗練される必要もない。アイデアを効果的に伝えるには、美的形式と機能性が両立し、まばらで複雑なデータセットの要点を直観的に伝える必要がある。ところがデザイナーはしばしば形と機能のバランスを欠き、情報伝達を果たせない見た目だけ見事なものを作ってしまう」Vitaly Friedman (2008) "Data Visualization and Infographics" Archived 2008-07-22 at the Wayback Machine in: Graphics, Monday Inspiration, January 14, 2008.。
フェルナンダ・ビエガス（英語版）とマーティン・ワッテンバーグ（英語版）は、理想的な可視化は明確に伝えるだけでなく、視聴者の参加と注意を喚起すべきだと示唆した。Viegas, Fernanda; Wattenberg, Martin (April 19, 2011). "How To Make Data Look Sexy". CNN. Archived from the original on May 6, 2011. Retrieved May 7, 2017.
データ・情報可視化は、インフォグラフィックス、情報可視化、科学的可視化、探索的データ分析、視覚化統計と密接に関連する。2000年代に入り、データ可視化は研究・教育・技術開発の活発な領域となった。ポスト・他（2002）によれば、科学的可視化とデータ・情報可視化は統合されてきている。Frits H. Post, Gregory M. Nielson and Georges-Pierre Bonneau (2002). Data Visualization: The State of the Art. Research paper TU delft, 2002. Archived 2009-10-07 at the Wayback Machine.
ビジネスの現場では、データ・情報可視化はしばしばデジタルダッシュボードと呼ばれる。インフォグラフィックもまた非常に一般的なデータ・情報可視化の形態である。
原理 効果的な視覚表示の特性 エドワード・タフト（英語版）は、情報表示の利用者は比較などの特定の分析タスクを実行していると説明した。したがってデータ・情報可視化の設計原理は、その分析タスクを支援するものであるべきである。techatstate (7 August 2013). "Tech@State: Data Visualization - Keynote by Dr Edward Tufte". Archived from the original on 29 March 2017. Retrieved 29 November 2016 – via YouTube.またウィリアム・クリーブランドと ロバート・マックギルは、用いる視覚要素によって、その達成度に差が出ることを示し、ドットプロットや棒グラフが円グラフより優れている例を挙げている。Cleveland, W. S.; McGill, R. (1985). "Graphical perception and graphical methods for analyzing scientific data". Science. 229 (4716): 828–33. Bibcode:1985Sci...229..828C. doi:10.1126/science.229.4716.828. . S2CID 16342041.
1983年の著書 『量的情報の視覚表示』で、タフトは「視覚表示」の定義と、効果的な表示の原則を次のように述べている。Tufte, Edward R. (1983). The Visual Display of Quantitative Information (2nd ed.). Cheshire, Connecticut, US: Graphics Press LLC. .
例えばミナール図は、1812–1813年におけるナポレオン軍の損耗を示す。ここでは6変数が描かれる： 兵力規模 経度 緯度 時間 移動方向 気温
線幅は時点ごとの兵力規模を示し、気温は兵力変化の原因を示唆する。2次元面上のこの多変量表示は、出典データを明示して信頼性を担保しつつ、即座に把握可能な物語を語っている。タフトは1983年に「史上最高の視覚化統計である可能性が高い」と書いた。
これらの原則を適用しないと、誤解を招くグラフになり、情報を歪めたり、誤った結論を支持してしまう。タフトによれば、ゴミグラフ（英語版）とは、情報を深めない不要な装飾や、無意味な3D化・遠近効果が付加されたグラフを指す。凡例を図本体から不必要に切り離すことで、視線を凡例と図に無駄に行き来させる設計も、無駄な設計である。データインク比（図全体に使われるインクのうち、データを表すインクの割合）は可能な限り最大化し、非データインクは除去すべきである。
米議会予算局（英語版）は2014年6月のプレゼンテーションで、優れた視覚表示を作るコツを以下のように要約した。"Telling Visual Stories About Data - Congressional Budget Office". www.cbo.gov. Archived from the original on 2014-12-04. Retrieved 2014-11-27. 読者を知ること 報告文脈の外でも単独で意味が通る図を設計すること 報告の主要メッセージを伝える図を設計することKosara, Robert (16 July 2007). "Visualization Criticism - The Missing Link Between Information Visualization and Art". 2007 11th International Conference Information Visualization (IV '07). pp. 631–636. doi:10.1109/IV.2007.130. . ISSN 1550-6037.
視覚表示の評価基準としては次が挙げられる。
非視覚データに基づいて作られたこと（画像処理やコラージュではない） 画像が意味伝達の主役であること（本文の単なる挿絵ではない） 可読性があること
ここでいう可読性とは、比例的視覚要素を比較してデータ値を読み取れたり、凡例を用いて地図の色領域から値を解読できることを指す。設計と体験の単純さ・効率を高めるには、一対一対応（表現要素とデータ変数の対応が一意になる設計）が有効である。Ziemkiewicz, C.; Kosara, R. (2009). "Embedding Information Visualization within Visual Representation". Advances in Information and Intelligent Systems. Studies in Computational Intelligence. Vol. 251. Berlin, Heidelberg: Springer. pp. 307–326. doi:10.1007/978-3-642-04141-9_15. .
コーサラ（2007）は、データ・情報可視化が「データ・情報可視化として認識可能で、他の何かに見えないこと」の必要性も指摘する。ただし、これは常に必須ではない。たとえばインフォマティブアートは上の3基準を満たしつつ見た目がデータらしくない場合があり、芸術的可視化は非視覚データに基づいて画像を作るが可読性やデータらしさが低い場合もある。
定量的情報 ステファン・ヒューは、読者がデータから理解・伝達しようとする8種類の定量的情報と、それに適した図表を挙げている。
時系列：単一変数を時間に沿って記録（例：失業率、10年間の気温）。折れ線グラフが傾向の提示に有効。 順位：カテゴリ下位集合を昇順・降順に並べる（例：ある期間の営業担当別売上）。棒グラフで比較。 全体に対する部分：下位集合を全体に対する比率で示す（例：市場シェア）。円グラフや棒グラフで比率比較。 偏差：基準値との比較（例：部門別の実績 vs 予算）。棒グラフで実績と基準の差を表示。 度数分布：変数の観測数を区間別に表示（例：株式リターンが0–10%、11–20%…の年数）。ヒストグラムや箱ひげ図で分布と統計量（中央値・四分位・外れ値）を可視化。 相関：2変数（X, Y）の共変動傾向（例：失業率Xとインフレ率Y）。散布図を用いる。 名義比較：順序づけないカテゴリ比較（例：製品コード別売上）。棒グラフが有効。 地理・地理空間：地図やレイアウト上で変数を比較（例：州別失業率、フロア別人数）。典型はカルトグラム。"Stephen Few-Perceptual Edge-Selecting the Right Graph for Your Message-2004" (PDF). Archived (PDF) from the original on 2014-10-05. Retrieved 2014-09-08."Stephen Few-Perceptual Edge-Graph Selection Matrix" (PDF). Archived (PDF) from the original on 2014-10-05. Retrieved 2014-09-08.
アナリストは、対象タスクと読者に照らして、上の情報・図表のどれが適切かを検討する。試行錯誤で関係やメッセージを探る過程は、探索的データ解析の一部である。
視覚知覚とデータ・情報可視化
人間は、線の長さ・形状・向き・距離・色相の差異を大きな処理負荷なく識別できる。これらは前注意的処理（英語版）属性と呼ばれる。一方、数字列の中から「5」の出現回数を数えるには時間と労力（注意的処理）が要るが、「5」が大きさ・向き・色で他と違えば、前注意的処理で素早く見つけられる。"Steven Few-Tapping the Power of Visual Perception-September 2004" (PDF). Archived (PDF) from the original on 2014-10-05. Retrieved 2014-10-08.
優れた視覚情報は、前注意的処理を活用する。たとえば、人は面積より長さの差を処理しやすいため、比較には棒グラフ（長さ）の方が円グラフ（面積）より効果的な場合が多い。"Steven Few-Tapping the Power of Visual Perception-September 2004" (PDF). Archived (PDF) from the original on 2014-10-05. Retrieved 2014-10-08.
人間の知覚・認知と可視化