܄

当数据邂逅可视化 绚丽的背后是故事

【数据猿导读】 随着各行各业的迅速发展,大数据铺天盖地而来。通过简单的观察人们很难从浩如烟海的数据中发现潜在的规律、挖掘数据背后的价值。数据可视化使用合乎逻辑、易于理解的方式帮助我们将单调的数据转化成生动的图像,更直观地表达出大量数据中潜藏的模式和趋势,同时也为我们提供了一个观察数...

当数据邂逅可视化 绚丽的背后是故事

关于数据可视化的定义,Tim认为,数据可视化是使用地图、图形来呈现信息,揭示一些眼睛看不见或是无法直观理解的内容。因为人眼对于图形的识别会非常容易,人们更善于从生动直观的图像中提取信息,这就是数据可视化能够有效叙事的原因。

从表格到图像,一张图能涵盖多少信息?

人们对视觉信息的处理优于对数据或文本信息的处理。Tim强调,数据可视化并非将数据简化,而是将复杂的表格转化成图形,使读者更直观地获取信息。他说:“如果是一张大的数据表格,分析起来会花费很多精力,如果利用数据可视化能够很容易获取最重要的信息。可视化的数据可以容纳很大的数据集并显示出相关性。”

Tim以美国不同地区退伍士兵的失业率图表为例,说明了利用数据可视化表达信息的直观性。

美国不同地区退伍军人2013年月平均失业率统计表

如果用上面的表格来提问,退伍士兵失业率超过8%的地区是哪里?哪个地区的失业率最低?我们很难快速回答给出答案。Tim解释了其中的原因:“我们首先需要阅读这一表格,并在头脑中把它可视化,再来作出比较。而我们的大脑通常不能快速有效地完成这些事情。”

当我们把表格中的数据通过可视化形成图像后(如下图所示),我们就能够快速清楚地回答这些问题。

美国不同地区退伍军人2013年月平均失业率分布图

用可视化技术终结霍乱疫情

数据可视化可以帮助我们更加快速、直观的获取信息,但数据可视化并不仅仅是简单地呈现数据的过程,更要发掘数据背后的故事。

Tim以英国医疗专家、维多利亚女王的私人麻醉师John Snow的故事为例,说明了数据可视化的重点在于发掘数据背后的故事,这个案例也充分展现了数据可视化的力量。

1854年8月31日,英国伦敦宽街地区暴发了霍乱疫情。Dr. John Snow在调查疫情原因的过程中检测了饮用水,但是没有发现异常,也没有找到进一步调查的依据。Dr. John Snow从伦敦的登记处获取了83个霍乱死者的名单,并将他们的地址标记在地图上。经过一番仔细地分析,Dr. John Snow从地图上发现了异常,并找到了出问题的水井。确定了霍乱爆发的原因之后,疫情逐渐得到控制,Dr. John Snow也被视作英雄。后来的分析显示疫情在拆除水井之前就开始缓解了,但Dr. John Snow成功地说明了霍乱是水生的,这帮助了人们去应对后来发生的疫情。

标记霍乱死者地址的地图

John补充说:“数据分析是对于数据可视化非常关键的,发现数据里面的故事是最重要的事情。有两种路径,从数据里面发现故事,或者有时候你已经知道故事了,寻找数据来支撑它。数据可以简单,也可以复杂,但是好数据是能够讲故事的数据。”

并非所有故事都适合可视化

数据可视化的呈现方式非常热门,这种“热”可能导致数据可视化的滥用。使用数据可视化之前,应该充分考虑这种形式是否能更直观地呈现数据,受众是否喜欢这样的数据呈现形式,以及数据可视化传递的信息是否会得到受众的关注等问题。

两位专家都强调,在做可视化的相关工作时,需要掌握的一个很重要的技能就是去识别哪些故事是适合通过可视化来呈现的,因为并非所有故事都适合可视化,不要为了可视化而可视化。

John结合多年的工作经验表示:“我们需要选择那些真的会受到很多关注的选题,然后去花费大量的精力完成数据可视化。但有时候也会犯错误,我们花了大量精力去做了一个图,但人们对这个故事并不是真的感兴趣。”


来源:D1net

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

相关精彩内容推荐

我要评论

精品栏目

[2016/10/10]

大数据24小时

More>

[2016/09/26-7]

大数据周周看

More>

[2016/09/01-30]

大数据投融资

More>

[2016/11/04-11]

大咖周语录

More>

[2016/10/31-7]

大数据周聘汇

More>

[2016/11/01-6]

每周一本书

More>