Унао́чнювання даних — це графічне даних. Воно передбачає створення таких зображень, які передають зв'язки між зображуваними даними і тим самим роблять їх очевидними для оглядача. Ця комунікація досягається за рахунок використання систематичної між графічними позначеннями та значеннями даних при створенні візуалізації. Ця відповідність визначає, як будуть унаочненні значення даних, визначаючи, як і якою мірою властивість графічного позначення, такого як розмір чи колір, будуть змінюватися заради відображення зміни значення заданої величини.

Для чіткого та ефективного передавання інформації унаочнення даних використовує різні графічні інструменти: статистичну графіку, , інформаційну графіку та інші. Числові дані можуть бути кодовані за допомогою точок, ліній або смуг, щоби візуально передавати кількісне повідомлення. Ефективна візуалізація допомагає користувачам аналізувати та міркувати про дані та закономірності. Це робить складні дані більш доступними, зрозумілими та придатними до використання. Користувачі можуть мати конкретні аналітичні завдання, такі як порівняння чи розуміння причинності, а принцип розробки графіки (тобто демонстрація порівняння чи виявлення причинності) вже відповідає цьому завданню. Таблиці, як правило, використовуються там, де користувачам потрібні конкретні вимірювання, тоді як діаграми різних типів використовуються для відображення шаблонів чи зв'язків наявних в даних для однієї або декількох змінних.

Унаочнювання даних водночас є і мистецтвом, і наукою. Одні розглядаються це як галузь описової статистики, інші як інструмент обґрунтованої теорії. Збільшені обсяги даних, які виникають внаслідок Інтернет-активності та зростання кількості датчиків у навколишньому середовищі, називають «великими даними» або Інтернетом речей. В царині унаочнювання даних, обробка, аналіз та передача цих даних є етичним та аналітичним викликомNikos Bikaks (2018) «Big Data Visualization Tools» Encyclopedia of Big Data Technologies, Springer 2018.. Дослідники даних, які працюють в області науки про дані, шукають розв'язання цієї проблеми.

Огляд

Унаочнювання даних, по суті, означає методи, які використовуються для візуальної передачі даних або інформації через її кодування у вигляді зорових об'єктів (наприклад, це можуть бути точки, лінії чи смуги), які використовуються у графіці. Метою є чітке та ефективне повідомлення інформації користувачам. Це один із кроків як в аналізі даних, так і в науці про данні. За словами Фрідмана (2008), «головна мета унаочнення даних — це чітке та ефективне передавання інформації за допомогою графічних засобів. Це не означає, що візуалізація даних заради функціональності повинна занудно виглядати або бути надзвичайно складною, щоб виглядати красиво. Ефективне вираження ідеї, як через естетичну форму, так і через функціональність повинні йти рука об руку, забезпечуючи можливість розуміти як досить розріджений, так і складний набір даних, через передачу їх ключових аспектів у більш інтуїтивно зрозумілий спосіб. Розробники часто не в змозі досягти балансу між формою та функцією, створюючи чудові візуалізації даних, які не виконують своєї основної мети — передавати інформацію»Vitaly Friedman (2008) «Data Visualization and Infographics» in: Graphics, Monday Inspiration, January 14th, 2008..

Дійсно, та вважають, що ідеальне унаочнення не лише чітко доносить повідомлення, а й стимулює залучення та увагу глядачів.

Унаочнення даних тісно пов'язане з інформаційною графікою, візуалізацією інформації, науковою візуалізацією, розвідувальним аналізом даних та статистичною графікою. У новому тисячолітті унаочнення даних стало активною сферою досліджень, викладання та розвитку. За даними Post et al. (2002), вона об'єднала наукове та інформаційне унаочненняFrits H. Post, Gregory M. Nielson and Georges-Pierre Bonneau (2002). Data Visualization: The State of the Art. Research paper TU delft, 2002. ..

Характеристики ефективних графічних панелей

Професор Едвард Тафті пояснив, що користувачі інформаційних панелей виконують конкретні аналітичні завдання, такі як порівняння. Тому принцип проектування інформаційної графіки повинен сприяти виконанню аналітичного завдання. Як показують Вільям Клівленд (William Cleveland) та Роберт Макгілл (Robert McGill), різні графічні елементи досягають цього більш-менш ефективно. Наприклад, точкові графіки та діаграми перевершують кругові діаграми.

У своїй книзі 1983 року «Зорова передача кількісної інформації» Едвард Туфте дає визначення «графічної панелі» та наводить принципи ефективного графічного відображення: «Досконалість статистичної графіки полягає в чіткому, точному та ефективному повідомленні складних ідей. Графічні панелі повинні:

показати дані спонукають глядача до думки про суть, а не про методологію, графічний дизайн, методологію графічного відображення чи про щось інше уникайте спотворення того, що мають сказати дані відображати багато чисел на невеликій ділянці зробити великі набори даних узгодженими заохочувати око порівнювати різні частини даних розкривати дані на кількох рівнях деталізації, від загального огляду до мікроструктури використовуватись з прозорою метою: опис, дослідження, табличний запис або оформлення тісно інтегруватися зі статистичними та словесними описами набору даних.

Графіка виявляє дані. Дійсно, графіка може бути більш точною і виразною, ніж звичайні статистичні обчислення».

Наприклад, діаграма Мінара показує втрати армії Наполеона в період 1812—1813 років. На графіку нанесено шість змінних: розмір армії, її координати на двовимірній поверхні (х та у), час, напрямок руху та температуру. Ширина лінії ілюструє порівняння (розмір армії в конкретні моменти часу), тоді як вісь температури вказує на причину зміни розміру армії. Ця багатоваріантна панель на двовимірній поверхні розповідає історію, яку можна зрозуміти відразу, якщо мати входові дані, які викликають довіру. Туфте написав у 1983 році, що: «Це мабуть найкраща статистична графіка, яка коли-небудь була намальована».

Не застосовування цих принципів може призвести до оману графіками, які спотворюють повідомлення або вказують на помилковий висновок. За словами Туфті, відноситься до оформлення графіки, яке не пов'язане з повідомленням і тому його не підсилює. Те ж саме стосується тривимірних ефектів чи ефектів з використанням перспективи. Якщо без потреби відокремити легенду від самого зображення, тоді очі користувача будуть бігати взад та вперед, а саме від зображення до легенди, що є формою «управлінського завалу». Співвідношення «дані до кольору» треба максимізувати, уникаючи використання чорнил, які не несуть даних, усюди де це можливо.

Бюджетне управління Конгресу США узагальнило кілька найкращих практик для графічних панелей у своїй презентації у червні 2014 року. До них належать: а) Знати свою аудиторію; б) Створювати графіку, яка може існувати окремо від контексту звіту; c) Створювати графіку, яка передає ключові повідомлення зі звіту.

Кількісні повідомлення

Стівен Фью (Stephen Few) описав вісім типів кількісних повідомлень, які користувачі можуть намагатися зрозуміти з набору даних та пов'язаних з ним графіків, які допомагають передавати повідомлення:

Часовий ряд: Єдина змінна фіксується протягом певного періоду часу, наприклад, рівень безробіття протягом 10-річного періоду. Лінійна діаграма може бути використана для демонстрації тенденції. Ранжування: категоріальні розбиття класифікуються у порядку зростання або зменшення, наприклад, ранжування результатів продажів (міра) по особам, які здійснювали продаж (категорія, кожна особа — категоріальна складова) протягом одного періоду. Можна використати стовпчикову діаграму для порівняння продажів осіб. Частина до цілого: категоріальні розбиття вимірюються як відношення до цілого (тобто, відсоток від 100 %). Кругова діаграма або стовпчикова діаграма можуть показувати порівняння коефіцієнтів, таких як частка ринку, представлена конкурентами на ринку. Відхилення: категоріальні розбиття порівнюються зі зразком, таким як порівняння фактичних та бюджетних витрат для декількох бізнесових підрозділів за певний період часу. Стовпчикова діаграма може відображати порівняння фактичної та запланованої суми. Розподіл частоти: Показує кількість спостережень певної змінної на заданому проміжку, наприклад, кількість років, протягом яких прибуток на фондовому ринку знаходиться між інтервалами, такими як 0-10 %, 11-20 %, тощо. Для такого аналізу може використовуватися гістограма, яка є різновидом стовпчикової діаграми. Коробковий графік допомагає унаочнювати ключові статистичні дані про розподіл, такі як медіана, квартилі, викиди, тощо. Кореляція: Порівняння між спостереженнями, які представлені двома змінними (X, Y), з метою визначення, чи мають вони тенденцію рухатися в одному і тому ж або у протилежному напрямку. Наприклад, побудувати графік безробіття (X) та інфляції (Y) на помісячній вибірці. Для такого повідомлення зазвичай використовується діаграма розкидання. Номінальне порівняння: порівнюються категоріальне розбиття у конкретному порядку, наприклад, обсяг продажів за кодом товару. Для цього порівняння може використовуватися стовпчикова діаграма. Географічні або геопросторові: Порівняння змінної на карті чи схемі, наприклад, рівень безробіття за країною або кількість людей на різних поверхах будівлі. Картограма є типовим прикладом такої графіки.

Аналітики, які переглядають набір даних, можуть передбачити, які саме з вищезгаданих повідомлень та які графічні типи пасують до їх завдання та аудиторії. Процес спроб та помилок застосовується для виявлення значущих зв'язків та повідомлень у даних, що є частиною розвідувального аналізу даних.

Зорове сприйняття та унаочнювання даних Людина може легко побачити різницю у довжині, формі, орієнтації та кольорі (відтінку) без значних зусиль з обробки; їх називають «». Наприклад, може знадобитися значний час і зусилля («уважна обробка»), щоб визначити кількість разів, коли цифра «5» з'являється у послідовності чисел; але якщо ця цифра відрізняється за розміром, орієнтацією або кольором, екземпляри цифри можна швидко зауважити, бо свідомому зверненню уваги передує підсвідомий процес обробки зображення.

Ефективна графіка використовує перевагу підсвідомого процесу обробки зображення та атрибутів та сили відношення цих атрибутів. Наприклад, оскільки людям легше сприйняти відмінності у довжині лінії, ніж у площі поверхні, то використання стовпчикової діаграми (яка використовує саме перевагу довжини лінії для показу порівняння) може бути більш ефективним, на відміну від кругових діаграм (які використовують площу поверхні для показу порівняння).

Сприйняття/розпізнавання людиною та унаочнювання даних Майже всі унаочнювання даних створюються для показу людині. Знання про процес сприйняття та розпізнавання людиною є необхідним при проектуванні інтуїтивних унаочнень. Розпізнавання відноситься до таких процесів у людини, як сприйняття, увага, навчання, пам'ять, думка, формування концепції, читання та розв'язання задач. Зорове сприйняття людини легко впорається з виявленням змін, з порівнянням кількості, розмірів, форм та варіацій. Коли характеристики символьних даних передаються як візуальні елементи, людина може ефективно переглядати велику кількість даних. За оцінками, 2/3 нейронів мозку можуть бути залучені при зоровій обробці. Належним чином зроблене унаочнення забезпечує інший підхід для відображення потенційних зв'язків, відношень, які не так очевидні, коли кількісні дані не унаочнюються. Унаочнення може стати засобом .

Історія унаочнювання даних