Visual analytics یک شاخه علمی در حال تکامل است. در طول دهه‌های گذشته چندین مکتب فکری در مورد زمان و چگونگی استفاده از تصاویر برای analyze data تکامل یافته‌اند. کتاب‌های زیادی در این زمینه از صاحب نظران و دانشمندان وجود دارد. بهترین آنها حاوی مزایا و معایب استفاده از هر نوع visualization داده شده است. برای کسانی که علاقه عمیقی به یادگیری همه چیز در مورد visual analytics دارند، بهترین راه برای به دست آوردن یک پایه جامع هستند. با این حال، آنها طوری طراحی نشده اند که برای عموم مردم، کاربران تجاری یا غیر تحلیلگران قابل دسترسی باشند.
دنیا پر از داده است. داده‌ها می‌توانند زیبا، قدرتمند و فریبنده باشند. درک آن نیازمند یک چارچوب ذهنی است که اکثر مردم در آن آموزش ندیده‌اند. با این حال، data visualizations در همه جا وجود دارد. ما آنها را در برنامه‌هایمان، وب‌سایت‌ها، در نشریات و در سراسر تعاملاتمان با رسانه‌ها می‌بینیم. اما چگونه بفهمیم که visualization مفید است؟
در Tableau ما پیچیدگی‌های یادگیری visual analytics را می‌شناسیم. این بخشی از این است که چرا ما این مأموریت را داریم: “کمک به مردم برای دیدن و درک داده‌ها.”
ما می‌دانیم که visual analytics یک مهارت حیاتی است. Visualizationها بینش سریع‌تری را ارائه می‌دهند. آنها به ما نشان می‌دهند که یک کسب‌وکار چگونه کار می‌کند یا چگونه عوامل محیطی بر نحوه زندگی مردم تأثیر می‌گذارد. آنها به ما راه‌هایی برای بازجویی از تعصبات، نشان دادن ارزش، ارزیابی موفقیت برنامه‌ها و ابتکارات ارائه می‌دهند. و با این بینش‌ها، می‌توانیم برای حل مشکلات کوچک و بزرگ تصمیم‌گیری سنجیده بگیریم.
این بخش از کتابخانه مرجع بر ارائه مهارت های اساسی در مورد خواندن و استفاده از data visualization برای analysis تمرکز دارد. بسیاری از موضوعات و انواع visualization در حال حاضر در آن پوشش داده نشده است. این تا حدودی عمدی است. ما با اساسی ترین تصاویری که مردم برای تعامل با داده‌ها استفاده می‌کنند شروع کردیم. اینها مواردی هستند که ما در محصول خود ایجاد کردیم، زیرا از معنی دارترین انواع تحلیل پشتیبانی می‌کنند. ما این محتوا را اصلاح می‌کنیم و به آن اضافه می‌کنیم تا به انجام ماموریت خود کمک کنیم.
چرا می خواهید از visualization درست استفاده کنید؟
Visualization مجموعهای از ابزارها را برای analyzing داده‌ها فراهم می‌کند. و مانند همه ابزارها، برخی نقش های تخصصی را ایفا می‌کنند در حالی که برخی دیگر عمومی تر هستند. bar chart می‌تواند تعداد قابل توجهی از نیازها را برطرف کند، اما word cloud فقط در شرایط محدود مفید است. انتخاب نوع مناسب visualization برای تحلیل شما حیاتی است. این متکی بر در نظر گرفتن موارد زیادی است: هدف از analysis این است که داده‌هایی که می‌خواهید نمایش دهید و نیازهای مخاطبان شما.
از میان ملاحظاتی که شما به آن توجه می‌کنید، شناخت نیازهای مخاطبانتان از همه مهمتر است. visualizationsهای خوب به افراد اجازه می‌دهد تا در یک نگاه از داده‌های پیچیده بینش کسب کنند. آنها روابط بین اقدامات را برجسته می‌کنند. مفاهیم را توضیح می‌دهند و داستان می‌گویند. آنها ذهن را به روشی درگیر می‌کنند که به داده‌های خام نگاه نمی‌کند. با این حال، استفاده از visualization اشتباه بیننده را در حالت سردرگمی یا بی تفاوتی قرار می‌دهد. از نیازهای مخاطبان خود آگاه باشید تا مطمئن شوید تجسم شما موثر است.
اعلام یک هدف خاص به شما کمک می‌کند تا از نیازهای مخاطبان برای محدود کردن انتخاب‌های خود استفاده کنید. برخی visualizationsها analysis را سرعت می‌بخشند. برخی دیگر اطلاعات را به شیوه‌ای زیبا ارائه می‌کنند تا بر احساسات بیننده تأثیر بگذارند. چند نوع، مفاهیم، فرآیندها یا استراتژی‌ها را به شیوه‌ای قابل هضم به تصویر می‌کشند. هر هدف تحلیلی با مجموعه ای خاص از visualizationsها به بهترین وجه انجام می‌شود.
داده‌های خود را به خوبی بشناسید تا بفهمید که چه نوع تصویرسازی‌هایی می‌تواند پشتیبانی کند. نمودارهای خاصی از ابعاد محدود پشتیبانی می‌کنند. دیگران در برجسته کردن روابط بین بسیاری از مقوله‌ها برتری دارند. شما می‌توانید از ساختار و ماهیت داده‌هایی که در اختیار دارید استفاده کنید تا شما را به سمت انتخاب نهایی راهنمایی کند. وقتی شک دارید، آزمایش کنید. سپس می‌توانید visualization ایجاد کنید که هدف خود را با داده‌هایی که دارید و نیازهای مخاطبان خود متعادل می‌کند. این به شما و بینندگانتان این امکان را می‌دهد که تجزیه و تحلیل بصری عالی انجام دهید.
Families of visualizations
جداول، داده‌ها را در ردیف‌ها و ستون‌ها نمایش می‌دهند که احتمالاً در یک spreadsheet با آن مواجه شده‌اید. آنها اعداد و categoriesهای دقیق را با تمرکز کمتر بر ویژگی‌های پیش توجه نشان می‌دهند.
Geospatial visualizations داده‌ها را به شکل نقشه، با استفاده از رنگ‌ها، اشکال و سایر عناصر بصری برای نشان دادن رابطه بین مکان و داده‌ها نمایش می‌دهند.
Chartها داده‌ها را در گراف‌ها، plotsها و diagramها به صورت سازماندهی شده در دو محور نمایش می‌دهند. خط افقی محور x و محور y خط عمودی است.
۱.Charts
مردم اغلب از “charts” و “graphs” برای توصیف بزرگترین خانواده visualizations استفاده می‌کنند. آنها ممکن است این اصطلاح را بر اساس یک مطلب دانشگاهی انتخاب کنند. یا به این دلیل که معتقدند تمایز بین آنها مهم است. گاهی اوقات این اصطلاحات مکمل یکدیگر هستند. گاهی اوقات آنها مترادف هستند. و گاهی اوقات مردم از آنها برای ایجاد تمایزات جزئی بین انواع تجسم استفاده می‌کنند.
Chartsها بسیاری از اشکال analysis را در قالب visual نشان می‌دهند: مقایسه (comparison)، رابطه (relationship)، توزیع(distribution) و ترکیب(composition). هیچ دو نموداری داستان یکسانی را بیان نمی‌کند. قبل از اینکه تصمیم بگیرید از چه چیزی استفاده کنید، نوع داده‌هایی را که می‌خواهید ارائه دهید و پیامدهایی که می‌خواهید مخاطبانتان از آن داده‌ها بگیرند، در نظر بگیرید.
Chart چیست؟ چگونه از آن استفاده کنیم؟
Charts نمایش داده‌ها در قالب گراف، دیاگرام، نقشه یا قالب tabular است.ما بین آنها تمایز قائل می‌شویم تا به شما کمک کنیم تشخیص دهید که چه زمانی برای داده‌های شما بهتر کار می‌کند. رایج ترین نمودارها را در نظر بگیرید: نمودارهای پراکنده(Scatterplots)، نمودارهای میله‌ای(Bar Charts)، نمودارهای خطی(Line Graphs) و نمودارهای دایره‌ای(Pie Charts). این انواع نمودار، یا ترکیبی از آنها، به اکثر سوالات با داده‌های رابطه‌ای پاسخ می‌دهند. آنها پشتوانه انجام visual analysis بر روی داده‌های غیر مکانی هستند.
Visualizing data با Chartها به ترسیم نقاط با استفاده از مختصات دکارتی (مثلا X، Y، Z) بر اساس مجموعهای از ابعاد و اندازه‌ها متکی است. ابعاد (مثلاً دسته‌ها، تاریخ‌ها، و غیره) معیارها (مثلاً سود، مرگ و میر، دما، و غیره) را برای analysis گروه‌بندی می‌کنند. سپس اقدامات بر روی مختصات مربوطه ارائه می‌شود تا visualization ایجاد شود. برخی از انواع visualizationها در نمایش بسیاری از ابعاد برتری دارند (مانند Ordered Bar Charts)، در حالی که برخی دیگر فقط می‌توانند تعداد کمی را با وضوح پشتیبانی کنند (مانند Pie Charts).
هر نوع نمودار نقاط قوت و ضعف خاص خود را دارد. اما اگر به خوبی استفاده شود، مردم داده ها را بهتر درک خواهند کرد. هنگامی که به قراردادهای زیبایی شناسی توجه می‌کنید، می توانید visualization خود را نیز زیبا کنید. شما هر دو فرم و عملکرد را ترکیب خواهید کرد تا بر درک بیننده از داده‌ها تأثیر بگذارد.
انواع کلیدی Chartها
جدول زیر حاوی توضیحات مختصری برای رایج‌ترین انواع Chartها است. همانطور که کتابخانه مرجع در عمق و وسعت گسترش می یابد، انواع بیشتری اضافه می‌شود و هر یک صفحه ای اختصاص داده شده به نمایش نمونه‌های عملی و توضیح زمان استفاده از آنها دارد.
هر نوع نمودار نقاط قوت و ضعف خاص خود را دارد. اما اگر به خوبی استفاده شود، مردم داده‌ها را بهتر درک خواهند کرد. هنگامی که به قراردادهای زیبایی شناسی توجه می‌کنید، می‌توانید visualization خود را نیز زیبا کنید. شما هر دو فرم و عملکرد را ترکیب خواهید کرد تا بر درک بیننده از داده‌ها تأثیر بگذارد.
بهترین استفاده برای نشان دادن روندها در فواصل زمانی است. برای مقایسه دسته‌ها در یک بعد می‌توان از چندین خط استفاده کرد.
برای دسته بندی عناصر بر اساس اندازه استفاده می‌شود. بر اساس ماهیت ابعاد قابل سفارش یا بدون سفارش است.
یک visualization رایج، اما محدود، برای نشان دادن اینکه چگونه چند بعد با یکدیگر و کل مقایسه می‌شوند، استفاده می‌شود.
یک bullet graph نمودار bar chart را می‌گیرد و عناصر اضافی را برای ایجاد روشی فشرده برای تجزیه و تحلیل عملکرد در برابر یک هدف یا آستانه اضافه می‌کند.
هیستوگرام ها برای تجزیه و تحلیل توزیع، یک اندازه گیری پیوسته را به سطل‌ها یا گروه‌ها تقسیم می‌کنند.
برای کشف همبستگی بین دو معیار با محورهای مستقل استفاده می شود. اغلب با trendlines ترکیب می‌شود.
یک treemap، کل را با استفاده از یک اندازه گیری کمی برای تعیین اندازه هر مربع به قطعات خود تقسیم می‌کند.
نمودار box and whisker محدوده مقادیر را به همراه محدوده میانگین و بین ربع نشان می‌دهد.
نمودار packed bubble از اندازه به عنوان عنصر بصری اولیه استفاده می‌کند تا امکان مقایسه بین دسته‌ها را فراهم کند.
۲.Geospatial
آیا تا به حال نقشه دیده اید؟ اگر دارید، پس نمونه ای از geospatial visualization را دیده اید. این نوع نمودارها داده‌ها را در رابطه با موقعیت فیزیکی آن نشان می‌دهد.
بسیاری از منابع geospatial visualization را به عنوان زیرگروهی از نمودارها طبقه بندی می‌کنند. این واژه نامه آنها را مجزا می‌داند. این کار کاوش و کشف روش‌های جدید انجام تجزیه و تحلیل بصری را آسان تر می‌کند. ما قصد نداریم از طریق این رویکرد یک طبقه بندی جدید ایجاد کنیم. مثال‌های زیر و اطلاعات مربوط به آنچه که Geospatial Visualizations را برای تجزیه و تحلیل داده‌ها بسیار مهم می‌کند را بررسی کنید تا بیشتر بدانید.
Geospatial Visualizations چیست؟
این visualizationsها بر رابطه بین داده‌ها و مکان فیزیکی آن برای ایجاد بینش تمرکز می‌کنند. هر داده موقعیتی برای تحلیل فضایی کار می‌کند. چیزی که geospatial visualizations را منحصر به فرد می‌کند، مقیاس است. نمودار مدارها روی یک ریزتراشه موقعیت را بررسی می‌کند، اما مکانی نیست. به زمین یا جسم سیاره ای دیگر نقشه نمی‌کشد. نقشه ستارگان نیز زمین فضایی در نظر گرفته نمی‌شود، اما نقشه سطح مریخ است. Geovisualization متغیرها را روی نقشه با استفاده از طول و عرض جغرافیایی پوشش می‌دهد تا بینش را تقویت کند.
نقشه ها کانون اصلی geospatial visualizations هستند. آنها از به تصویر کشیدن یک خیابان، شهر، یا پارک یا بخش‌های فرعی گرفته تا نشان دادن مرزهای یک کشور، قاره یا کل سیاره را شامل می‌شوند. آنها به عنوان یک محفظه برای داده‌های اضافی عمل می‌کنند. این به شما امکان می‌دهد با استفاده از اشکال و رنگ زمینه ایجاد کنید تا تمرکز بصری را تغییر دهید. آنها به شناسایی مشکلات، ردیابی تغییرات، درک روندها و انجام پیش‌بینی مربوط به مکان‌ها و زمان‌های خاص کمک می‌کنند.
Geospatial visualizations ارتباط فیزیکی بین نقاط داده را برجسته می‌کند. این باعث می‌شود که آنها در معرض چند دام رایج که ممکن است خطا ایجاد کنند مستعد شوند:
- Scaling – تغییرات در اندازه نقشه می‌تواند بر نحوه تفسیر بیننده از داده‌ها تأثیر بگذارد.
- Auto-correlation – یک نما ممکن است ارتباطی بین نقاط داده‌ای ایجاد کند که روی نقشه نزدیک به نظر می‌رسند، حتی برای داده‌های نامرتبط.
Geospatial visualizations می‌توانند داستان‌هایی درباره وجود انسان بیان کنند. از لحاظ تاریخی، پزشکان و دانشمندان از این نوع ارائه برای ترسیم بیماری، منابع و حتی ناوبری ساده استفاده کرده اند. چارلز مینارد، مهندس عمران فرانسوی، یک تصویرسازی جغرافیایی ایجاد کرد که داستان شکست دیکتاتور ناپلئون بناپارت در واترلو را شامل چندین جزئیات مختلف مانند دما، محیط، و اندازه ارتش می‌گفت. در سال‌های اخیر، بیشترین استفاده از تجسم‌های جغرافیایی احتمالاً از طریق Google Maps و برنامه‌های مشابه است. آنها به ما امکان می‌دهند سریع ترین راه را برای سفر از نقطه A به نقطه B یا شناسایی جایی که چیزی روی زمین است پیدا کنیم.
انواع کلیدی Geospatial Visualizations
جدول زیر شامل توضیحات مختصری برای رایج ترین انواع تجسم‌های مکانی است. همانطور که کتابخانه مرجع در عمق و وسعت گسترش می‌یابد، انواع بیشتری اضافه می‌شود و هر یک صفحه‌ای اختصاص داده شده به نمایش نمونه‌های عملی و توضیح زمان استفاده از آنها دارد.
این نقشه‌های منطقه مقادیر را با سایه‌های مختلف رنگ در یک منطقه جغرافیایی نشان می‌دهند. Choroplethها به مرزها متکی هستند، در حالی که isoplethها برای نمایش داده‌ها به چگالی متکی هستند.
نمادهایی که در مکان‌ها قرار می‌گیرند، رویدادهای مورد علاقه را نشان می‌دهند. اندازه‌ها با اشکال با استفاده از اندازه و رنگ برای نمایش مقادیر نشان داده می‌شوند.
۳.Tables
table، که به آنها “crosstabs” یا “matrices” نیز گفته می‌شود، به جای استفاده از استایل بصری، بر مقادیر فردی تمرکز دارند. آنها یکی از رایج ترین راه‌های نمایش داده‌ها هستند و بنابراین یکی از مهم ترین روش‌هایی است که افراد به تجزیه و تحلیل داده‌ها می‌پردازند. در حالی که تمرکز آنها ذاتاً بصری نیست، خواندن اعداد در واقع یک تمرین زبانی است، عناصر بصری را می‌توان روی جداول قرار داد تا قدرتمندتر و هضم آنها آسان تر شود.
مردم اغلب با جداول تعبیه‌شده در وب‌سایت‌ها، به‌عنوان بخشی از منوهای رستوران‌ها یا در حین کارشان از طریق Microsoft Excel تعامل دارند. ما جداول را در همه جا می‌بینیم، بنابراین بسیار مهم است که بدانیم چگونه آنها را بخوانیم و از اطلاعاتی که ارائه می‌دهند نهایت استفاده را ببریم. برای تحلیلگران و کارکنان دانش نیز مهم است که بدانند چگونه می‌توانید درک آن را برای مخاطبان خود آسان تر کنید.
Table چیست؟ چگونه از آن استفاده کنیم؟
مانند اکثر نمودارها، یک جدول داده‌ها را بر اساس محور سازماندهی می‌کند. سطرها محور x و ستون‌ها محور y هستند. قرارداد رایج، به دلیل خواندن جداول، از محور x برای نمایش دسته ها استفاده می‌کند. محور y مقادیر درون هر اندازه گیری را نشان می‌دهد و ستون‌ها برچسب گذاری شده‌اند تا معنی آنها را به وضوح نشان دهند. برخلاف اکثر نمودارها، جداول می توانند داده‌های کیفی را به صورت سازماندهی شده نمایش دهند و روابط بین آنها را برجسته کنند.
تحلیلگران زمانی که می‌خواهند مقادیر فردی را ببینند از جداول استفاده می‌کنند. آنها شناسایی معیارها را در مجموعهای از بازه‌ها (مثلاً سود شرکت در نوامبر 2018) یا ابعاد (مثلاً هر فرد در سال 2019 چند فروش بسته است) آسان می‌کنند. علاوه بر این، یک جدول خلاصه می‌تواند به طور موثر مجموعه داده‌های بزرگی را توصیف کند و مجموعهای فرعی و کل کل را برای هر بازه یا بعد در اختیار شما قرار دهد. مشکل جداول این است که مقیاس خوبی ندارند. اگر جدول بیش از ده تا پانزده سطر و پنج ستون داشته باشد، خواندن، درک، و کسب بینش از آن سخت می شود. این به این دلیل است که یک جدول سیستم های زبانی را در مغز فعال می کند در حالی که تجسم داده‌ها سیستم‌های بینایی را فعال می کند.
افزودن عناصر بصری به جدول به کاربران نهایی کمک می کند تا سریعتر از جدول اصلی بینش را از داده ها به دست آورند. شیب رنگ (نقشه های حرارتی را ببینید) و اندازه به بینندگان کمک می کند تا الگوها و نقاط پرت را شناسایی کنند. نمادها به بیننده کمک می کنند تا تغییر در اندازه گیری ها را بین ابعاد تشخیص دهد. استفاده از علائم متمایز توجه را به روابط بهتر از جدول داده های خام جلب می کند.
جداول و جدول‌های متقاطع برای انجام تحلیل مقایسه‌ای بین نقاط خاصی از داده‌ها مفید هستند. ایجاد آنها آسان است و می‌توانند یک بینش کلیدی را به راحتی نشان دهند. قبل از اینکه آن را در تصویرسازی داده بسازید، باید در نظر بگیرید که آیا یک crosstab از اهداف پروژه شما پشتیبانی می‌کند یا خیر.
انواع اصلی Table
جدول زیر شامل توضیحات مختصری برای رایج ترین انواع جداول است. همانطور که کتابخانه مرجع در عمق و وسعت گسترش می یابد، انواع بیشتری اضافه می شود و هر یک صفحه ای اختصاص داده شده به نمایش نمونه های عملی و توضیح زمان استفاده از آنها دارد.
Text Tables
Highlight Tables and Heatmaps
یک جدول متنی یا crosstab مقادیر جداگانه را در سطرها و ستون ها ارائه می دهد. اغلب برای توصیف یا خلاصه استفاده می شود.
یک نقشه حرارتی از رنگ و اندازه برای نشان دادن مقادیر یک اندازه گیری استفاده می کند. جداول هایلایت فقط بر روی رنگ تمرکز دارند.
