- 原文:数据可视化 到 可视化信息 浅述 | Zoom.Quiet Personal Static Wiki
~直觉式的阐述个人当前数据可视化世界观
- 源代码: datav2vinfo.dot
数据可视化(Data Visualization)突然热了,但是为什么?!
- N 久以前就有的技术/思想/实践了哪?!
- 为此,仅从个人非专业角度,试图直白的阐述数据可视化之于我们的意义,
以及可视化的基本操作过程,来号召现在就开始学习数据可视化技术应用到生活中吧.
我们的湿件
对应电脑的硬件(hard ware)以及软件(soft ware),
我们的大脑就是种湿件(Wet ware)
具有更加深沉的内置规范/机制/原则... 而且无法随便升级的,只能经过大自然上亿年的进化,才能改进一丝丝 ;-(
推荐读物,刘未鹏 的思维改变生活
系列文章,其中 ""逃出你的肖申克(三):遇见20万年前的自己"",非常精要的指出了,面对信息大潮的我们可怜的湿件各种不适应;-(
虽然,湿件本身具有这个宇宙可能最高的可动态扩展性,
但是其扩展只能通过湿件自身的努力,暂时还没有什么标准件可以即插即用式的扩展每一个湿件的能力 ; 所以,对于我们绝大多数人,只能先迁就湿件的品性,不论是否愿意.
7±2 原则
是认知科学中最基础的定理之一.
大意就是,由于人类大脑处理信息的能力有限,它会将复杂信息划分成块和小的单元.
根据乔治A米勒(George A. Miller)的研究,人类短期记忆一般一次只能记住5-9个事物.这一事实经常被用来作为限制导航菜单选项到7个的论据; 然而关于神奇的"7,加2或者减2"还是引起了激烈的讨论.
参考:[1] ; [2]
所以,在信息爆炸时代,怎么在同类的海量信息中,让受众,更加容易认同自个儿的,
就得尽量不违反 "7±2 原则"
万事无绝对!-)
首先,得明确,这儿的"信息"究竟是什么?!
其实: 消息/数据/信息/资料 等等概念,一般都是混的...
俺也不是专家,只能掉个书袋先:
信息论创始人,香农(Shannon)的信息定义:
- "信息是确定性的增加"
越品越有意味的...
基本上,所有对于此类概念的描述所指,只是两种事物
参考:[3]
- 数据~对客观的某种记录形式
- 信息~经过提炼的数据,包含提炼者以及解读者价值观的湿件内部记录.
在信息学中指出信息构成是:
- 信息源
- 内容
- 载体
- 传输
- 接受者
可见,信息不是可以简单物化的,是包含过程和受众的一种社会化行动的整体.
而其中,信息的传输至关重要,如果处理不当,再重要的信息,也可能被忽视/误解/曲解...
因为人类,天生是视觉生物!
同一信息通过声音/文字/图片/影像 的传递效率是完全不同的,可以相差上百倍!
一个经典案例:
图片来自: Charles Joseph Minard – Wikipedia, the free encyclopedia
是由Minard 绘制的地图,展现了 1812 年拿破仑的大军团进军俄国的路线(上半 部分)和撤退时的气温变化(下半部分). 这一历史事件中,法军数量的急剧减少 以及恶劣的气候条件一览无遗,法国科学家 Étienne-Jules Marey 称"该图所展现出 的雄辩对历史学家的笔是一种极大的挑战".
在单独一张图片中:
- 军队数量
- 时间数据
- 地理数据
- 变化趋势
- 气温数据
- 军事策略
- 士气变化
- 历史态度
....
包含的信息远超过7±2个点,但是,所有看到图的一瞬间,就基本把握住了所有信息!
这就是信息图(infographics)的威力!
而信息图探索出来的各种可视化手法,被设计成各种工具/规范后,就被快速复用在各种场景中,
对大量数据进行高度浓缩式的展现!
可以简单,武断的认为,数据可视化:
- 就是要将大量数据以合理的,吻合湿件秉性的适当形式展现出来!
- 因为,这样才能最高效率的传递重要信息,引发合理的决策
数据可视化的宏观过程
个人体会,至少包含以下环节:
收集
^ `->整理
| ^ `->设计
| +-----/|^|
+-----------/||
| `->输出
| `->传达
| |
+---------/
数据收集
要解决的问题有:
- 收集什么数据?
- 怎么收集?
- 如何避免误差?
- 怎么存储数据?
好在之于 web 应用领域,基本都早已有标准方案,老实用就好!
数据整理
每次可视化都是为了解决特定问题的,所以,面对海量以标准形式收集的数据,
怎么针对领域问题合理抽取对应的数据?要解决的问题有:
- 什么数据对于可视化的需求有用?
- 怎么从现有数据中抽取?
- 抽取出来的数据应该是什么格式?怎么存储?
- ...
同样,在 web 应用领域,配合丰富的 Unix 小工具,以是分分钟的事儿;
不过,正则表达式一定要理解, Python/Perl/Ruby 脚本語言,怎么着都得掌握一个...
可视化设计
这个环节,个人以为是最吃功夫,也最考驗天赋的了,要解决的问题有:
- 要解决的问题本质是什么?
- 以什么数据集来回答最合适?
- 目标数据集有多少有意义的切面?
- 以什么信息图的形式来同时展示这些切面最合理?
- 还能再简洁点嘛?
- 顔色可以选择嘛?
- 应该暗示受众什么?
- 受众目前可以接受的形式是什么?
...
最要命的是,所有问题,都要归结为一个单一形式来回应!而且有对应的工具可以进行生成!
个人以为,可视化设计,决定了数据可视化后的信息传达效果,
所以,这不应该是一錘子买卖,也是需要根据传达效果,以及对问题的不断理解,
掌握问题背后的真正领域需求,不料调整所有环节,改进,增强可视化效果的一个长期过程.
可视化输出
动用工具,合理的输出成合理的形式,要解决的问题有::
- 选择什么工具?
- 能否自动化输出?
- 输出成什么格式?
好吧,这步问题比较单纯,但是,面对日益丰富的可视化工具/服务,怎么选择,才能"长治久安"?
而且,现成的工具能力肯定是有限的,怎么合理组合,或是自行后期处理,增补,
得以更好的输出成吻合设计的形式!?
都是需要深入折腾的...
可视化传达
"酒香也怕巷子深",这道理之于数据可视化反而不存在,
为毛?!
- 发动数据可视化,不是简单的事儿
- 必定是有强烈需求时,才感觉到只能可视化了,否则太多重要数据根本理解不来了,,,
- 所以,对于数据可视化的成果,已经可视化的信息,是有具体的明确的受众,严正期待的
只是,一但設計不良,没有在第一时宜打动受众,获得认同,
那就有一堆要解决的问题了:
- 在哪?什么时机?誰来展示?
- 怎么配文字?
- 需要支持查询原始数据?
- 如果有变化,是否/怎么提醒目标受众?
- 展示效果如何,怎么收集反馈?
同样,此阶段也会产生数据/信息,也需要立即反馈回設計阶段,加入改进的考虑因素.
谁应该学习/使用数据可视化?
好吧得承认,以上描述的都是理想状态中的数据可视化世界,
但是,多数情景中,数据从来不被人们真正认真对待的,,,
所以,即使身为数据分析师也在努吼:"数据是一种信仰"
我想,这恰恰是数据可视化的机会呢:
- 任何人/组织,都需要高效/及时/可靠的信息支持
- 当关键信息超过 7±2 点时,湿件就会抱怨,对信息的汲取效率就大大降低
- 这时,将所有关键信息凝聚到可视化信息图中,就能很好的解决信息高效传递问题了
而且,现代城市生活,每个社会人每天每时每刻,都必须处理大量信息:
- 每个人,都同时处于不同角色中
- 每个角色,在下同时刻,又都有各自的关键任务
- 每个任务,都依赖一堆关键数据的变化
- 每一堆关键数据的变化,对应的关键信息,都需要及时数据/理解
一个人尚且如此,一个团队?组织?企业?!
不过,对于企业,再好再漂亮的数据可视化输出,如果没有和具体的业务结合的话,
那是根本没有吸引力的哦.
随着信息技术的高速发展,我们对于社会生产活动的数据收集能力,越来越深入/神奇
- 故而,可以用以决策的关键信息,也能高速丰富的数据中不断挖掘出,
- 那未,也就意味着,每一項决策,需要理解的实时信息也就越来越多,
- 可惜,我们的湿件,从自身生物特性上决定了无法立即跟上这种高速变化,
- 综上,数据可视化技术,生成的高度复合,而又吻合湿件秉性的可视化信息,一定会流行起来,
- 所以,任何有好奇心,智力正当的人,都应该开始学习,使用数据可视化技术/思想,
通过对可视化信息的使用,增强自己对大量社会信息的处理能力,
同时,也为所在组织/团队/企业,进行技术储备,关键时刻顶上去,就发达了吼,,,
是也乎
- 150101 发现从 杂谈集 消失了,于是使用 md 重制收录
- 120311 发布在: 数据可视化 到 可视化信息 浅述 - DataVlab.org