Datan visualisointi on loistava tapa kertoa tarina tiedoista. Mutta mikä on paras tapa tehdä se? Ymmärtäminen ihmisen havainnosta ja kognitiosta voi auttaa suunnittelijoita tekemään sen tehokkaasti.

Ihmiset ovat käyttäneet visualisointeja kertomusten kertomiseen ja havainnollistamiseen vastauksia olennaisiin kysymyksiin tuhansien vuosien ajan. Varhaisin esimerkki tietojen visualisoinnista on todennäköisesti noin 27 000 vuotta sitten tehty kartta, ja pitkään oli harvinaista nähdä datan visualisointia muuhun kuin maantieteelliseen tarkoitukseen.

Onko aivomme rakennettu ainutlaatuisesti tunnistamaan kuviot ja yhteydet? Nykyään elämme tietojen visualisoinnin kultakaudella. Tehokas tiedonsiirto voi osoittautua haastavaksi, ja vaikka kaaviot voivat auttaa meitä ymmärtämään monimutkaisia ​​tietoja ja jopa näkemään ne uudesta näkökulmasta, kun on kyse viestin oikeasta välittämisestä yleisölle tai liiketoimintaan liittyvien päätösten tekemisestä tietojen perusteella, visualisointi voi olla keskeinen tapa saavuttaa se. Mutta mitä On datan visualisoinnin voiman takana?

Datan visualisointisuunnittelun historiallinen konteksti

Datan visualisoinnilla on pitkä historia, ja se on edistynyt merkittävästi 1600- ja 1800-luvuilla. Ajatus määrällisten tietojen graafisesta esittämisestä syntyi 1700-luvulla, kun Rene Descartes keksi kaksiulotteisen koordinaattijärjestelmän matemaattisten operaatioiden arvojen näyttämiseksi. Tätä järjestelmää parannettiin, kun William Playfair edelläkävijöitä graafisissa muodoissa sellaisina kuin ne tunnemme tänään. Hänelle hyvitetään keksinyt viiva- ja pylväskaaviot sekä myöhemmin ympyräkaavio ja ympyräkaavio.

Vuosien mittaan kvantitatiivisten kaavioiden käyttö levisi. Niiden metodologia ja tehokkuus lisääntyivät merkittävästi 1900-luvun toisella puoliskolla julkaisemalla Jacques Bertinin kirjan Grafiikan semiologia . Hänen työnsä oli ratkaisevan tärkeää, koska hän havaitsi, että tiedon esittämiseksi intuitiivisesti, selkeästi ja tehokkaasti visuaalinen havainto toimi sääntöjen ja mallien mukaisesti, joita voitiin noudattaa.

Bertin tutki erityyppisten kaavioiden tehokkuutta. Alla olevassa esimerkissä ympyräkaaviot esittävät erityyppisen lihan tuotantoa useissa maissa. Bertin piti näitä 'hyödyttöminä'. Keskellä - matriisivisualisointia käyttämällä korkean tason kuviot näkyvät välittömästi. Ja oikealla puolella, koska maissa ja lihantuotannossa ei ole luonnollista järjestystä, voidaan tuottaa monia muita matriiseja - mukaan lukien esitetty esimerkki - jotka antoivat paljon enemmän selkeyttä. Tässä skenaariossa luokkien uudelleenjärjestäminen paransi merkittävästi tietojen esittämistä.

Mitä tekemistä psykologialla on tietojen visualisointiin?

Visuaalinen havainto on kyky nähdä, tulkita ja organisoida ympäristöämme. Tietojen visualisointi voi olla erittäin tehokasta, koska se hyödyntää ihmisen aivojen luonnollisia kykyjä. Se on nopeaa ja tehokasta.

John Tukey Vaikuttava amerikkalainen matemaatikko ja teoreettinen tilastotieteilijä sanoi: 'Kuvan suurin arvo on, kun se pakottaa meidät huomaamaan sen, mitä emme koskaan odottaneet näkevämme.'

Aivokuoren käsittelemä tunnistus on paljon hitaampaa ja vaatii enemmän ponnisteluja tietojen käsittelemiseksi. Tietojen esittäminen kiihdyttää visuaalisesti visuaalisuutta ja auttaa vähentämään kognitiivista kuormitusta.

Alla olevassa esimerkissä taulukon avulla voimme nähdä tarkat luvut. Voisimmeko kuitenkin nopeasti löytää korkeimmat ja matalimmat luvut uusiutuvien vesivarojen suhteen? Ei helposti, mutta samoista tiedoista tulee paljon selkeämpiä ja ymmärrettävämpiä, kun ne esitetään visuaalisesti oikealla olevassa pylväskaaviossa.

Tanskalainen fyysikko kuvaa osuvasti visuaalisen havainnon hallitsevaa vaikutusta muihin aisteihin verrattuna Tor Norretranders . Hän osoitti visuaalisen voiman muuntamalla ihmisen aistien kapasiteetin tavanomaisiksi tietokoneiden suorituksiksi. Näkö tulee esiin, koska sillä on sama kaistanleveys kuin tietokoneverkolla. Sen kanavakapasiteetti on 10 kertaa suurempi kuin kosketus ja 100 kertaa vahvempi kuin kuulo tai haju. Pieni neliö oikeassa alakulmassa on paikka, jossa tunnemme kognitiivisesti aistikokemukset.

Ennakoiva käsittely

Sen lisäksi, että visuaalinen käsittely hallitsee aistituloja, datan määrä ja käsittelynopeus ovat paljon suurempia kuin tiedämme. Tämä ilmiö tunnetaan nimellä 'tarkkaavainen käsittely'. Se on alitajuntaan ja nopeaa. Silmän lähettäminen kestää 200-500 millisekuntia ja aivot prosessoivat visuaalisen ärsykkeen ennakkovaraisen ominaisuuden (se on paljon nopeammin kuin miten aivot voivat käsitellä laskentataulukon tietoja).

”Ennakoiva käsittely on alitajuista tiedon keräämistä ympäristöstä. Kaikki saatavilla olevat tiedot käsitellään ennakkoon tarkkaavaisesti. Sitten aivot suodattaa ja käsittelee tärkeän. Tiedot, joilla on eniten huomiota (ärsyke, joka erottuu eniten) tai joilla on merkitystä henkilön ajattelulle, valitaan tarkempaan ja kattavampaan analyysiin tietoisella (tarkkaavaisella) käsittelyllä. ' - alkaen Wikipedia

Ennakoiva käsittely on siunaus suunnittelijoille, koska sen taitava käyttöönotto antaa ihmisille mahdollisuuden ymmärtää esitys nopeammin. Erittäin pätevä suunnittelija voi auttaa datavisualisointeja katselevaa henkilöä imemään enemmän tietoa nopeammin ja pienemmällä vaivalla, koska se keventää tietoista käsittelyä ja vähentää muistin kuormitusta.

Ennakoivan käsittelyn edut:

• Nopea / automaattinen
• Tunteellinen
• Impulssit / asemat
• Tavat
• Uskomukset
• Stereotyyppinen
• Alitajunta

Monet visuaaliset muuttujat laukaista ennakkoon tarkkaavainen vastaus. Kun opimme, mitkä visuaaliset elementit korostuvat automaattisesti, ja sisällyttämällä ne sitten koontinäyttöihin, voimme suunnitella visualisointeja, jotka kertovat datan tarinan tehokkaasti.

Visuaaliset muuttujat

Esittelijä Jacques Bertin , visuaaliset muuttujat ovat ihmissilmän havaitsemia elementtien välisiä eroja. Pitkään tutkittujen muuttujien avulla voidaan ymmärtää, miten ihmisen aivot käsittelevät ja navigoivat visuaalista tietoa. Alkuperäinen verkkokalvomuuttujien joukko koostui seitsemästä muuttujasta: sijainti, koko, muoto, arvo, värisävy, suunnat ja rakenne.

Alla olevat kaaviot esittävät esimerkkejä visuaalisista muuttujista, jotka ovat hyödyllisiä kvalitatiivisten tai kvantitatiivisten erojen osoittamiseksi - Bertinin mukaan. Ne osoittavat myös tapaa esittää attribuutteja pisteiden, viivojen tai alueiden kautta.

William Clevelandin ja Robert McGillin vuonna 1984 tekemä tutkimus listasi yleisimmät näkökohdat, joita kahdella muodolla voi olla sen perusteella, kuinka helposti ihmisen aivot havaitsevat niiden väliset erot. He tilasivat seuraavat visuaaliset ominaisuudet kaikkein vähiten tarkkoiksi:

Sijoittaminen pitkin yhteistä asteikkoa

Koska meillä on yhteinen paikkatietojärjestelmä, sijainti on helpoin tunnistaa ja arvioida avaruudessa olevien elementtien suhteen.

Esimerkkejä: Pylväskaaviot, hajontakaaviot

Asemat pitkin linjaamattomia, identtisiä asteikkoja

Samalla akselilla toistettavia erillisiä asteikkoja on helppo verrata, vaikka ne eivät olisikaan kohdakkain. Paneelikaaviot tai 'pienet kerrannaiset' ovat hieno esimerkki tästä. Tuloksena on ruudukko kaavioita, jotka kaikki seuraavat samaa visuaalista muotoa, mutta näyttävät erilaisia ​​aineistoja. Verrattuna yhteen, suurempaan kaavioon, pienet kerrannaiset voivat auttaa ylisuunnittelussa, kun tiedot voivat hämärtyä tai tukkeutua, koska piirrettyjä kohteita on liian paljon.

Esimerkki: Pienet kerrannaiset (alias Rellis-, ristikko-, ruudukko- ja paneelikaaviot)

Pituus

Pituus voi edustaa tehokkaasti kvantitatiivista tietoa, koska elementin pituus voi skaalata edustamaansa data-arvoon. Ihmisen aivot tunnistaa helposti mittasuhteet ja arvioi pituuden, vaikka kohteet eivät olisikaan kohdakkain.

Esimerkki: Pylväskaaviot

Suunta

Ihmissilmä tunnistaa suunnan helposti. Se voi käyttää viiva- ja trendikaavioita esimerkiksi ajan myötä muuttuvien tietojen esittämiseen.

Esimerkki: Trendikaaviot

Kulma

Kulmat auttavat tekemään vertailuja tarjoamalla tunteen suhteesta. Tutkimukset osoittavat, että kulmia on vaikeampi arvioida kuin pituutta tai sijaintia. Piirikaaviot ovat kuitenkin yhtä tehokkaita kuin pinotut pylväskaaviot, ellei kokonaisuutta ole enemmän kuin kolme osaa.

Esimerkki: ympyräkaaviot

Alue

Alueiden suhteellista suuruutta on vaikeampi verrata viivojen pituuteen. Toinen suunta vaatii enemmän työtä prosessoimiseksi ja tulkitsemiseksi.

Esimerkki: Kuplakaaviot

Äänenvoimakkuus

Äänenvoimakkuus viittaa 3D-objektien käyttöön kaksiulotteisissa tiloissa, mikä tekee niistä merkittävästi vaikeampia arvioida. Tutkimukset viittaavat kuitenkin siihen, että 3D-kohteet voidaan havaita tarkemmin vertaamalla kahta saman ulottuvuuden muotoa.

Esimerkki: 3D-pylväskaaviot

Värikylläisyys

Värikylläisyys viittaa yhden sävyn voimakkuuteen. Värin voimakkuuden lisääntyminen voidaan nähdä intuitiivisesti kasvavan arvon numeroina. Tuloksia on kuitenkin vaikea arvioida tarkasti.

Esimerkki: lämpökartat

Visuaalisten muuttujien sijoituksen ymmärtäminen on välttämätöntä pakottavien tietojen visualisointien luomiseksi. Se ei kuitenkaan tarkoita, että suunnittelijoiden on rajoituttava pylväskaavioihin ja sironta-alueisiin. Cleveland ja McGill huomauttavat, että 'tilaaminen ei johda tarkkaan määritykseen tietojen näyttämiselle, vaan se on pikemminkin kehys, jonka sisällä toimia.'

Väri

Värikylläisyys ja varjostus ovat vähiten tarkkoja kuvioiden ja käyttäytymisen havaitsemisessa, William Cleveland. Silti väri voi olla tehokas työkalu datan visualisointisuunnittelijat välittää tarkoitusta ja selkeyttä tietoja näytettäessä. On kuitenkin ratkaisevan tärkeää, että suunnittelijat ymmärtävät, miten värit toimivat ja mitä ne tekevät ja eivät.

Väri kontekstissa

Havaintomme väristä riippuu kontekstista, väristä ja sen kontrastista ympäröiviin esineisiin.

Hieno esimerkki on Akiyoshi Kitaoka, Japanin Ritsumeikanin yliopiston psykologian laitoksen professorin koe, jossa hän liu'uttaa harmaata paperia mustavalkoisen kaltevuuden poikki. Paperi näyttää vaihtavan väriä liikkuessaan puolelta toiselle. Kummassakin hetkessä havaitsemme värin eri tavalla, kun harmaan eri sävyt ympäröivät sitä. Katso alla oleva video:

Hänen artikkelissaan Käytännön säännöt värin käytöstä kaavioissa , Stephen Few johtaa näistä havainnoista käytännön sääntöjä:

1. Jos haluat, että taulukon tai kaavion eri samanväriset objektit näyttävät samalta, varmista, että tausta - niitä ympäröivä väri - on yhtenäinen.
2. Jos haluat, että taulukon tai kaavion kohteet näkyvät helposti, käytä taustaväriä, joka on riittävän kontrasti kohteen kanssa.

Väri kertoo tarinan

Väri ei ole vain koriste. Se on parasta, kun sitä käytetään tarkoituksenmukaisesti ja strategisesti. Värin pitäisi auttaa kertomaan tarina ja välittämään esitetyn aineiston tavoite. Kuten sanonta kuuluu, 'vähemmän on enemmän.'

Kontrastivärejä tulisi käyttää vain tietojen merkityseroihin kognitiivisen kuormituksen vähentämiseksi. Väri voi myös korostaa visualisoinnin pääelementtejä.

Värien puuttuminen ei tee hyvästä kaaviosta vähemmän tehokasta. Harmaa on hyvä lähtökohta ideointivaiheessa, ja kun painopiste on tunnistettu, värin käyttö korostaa näitä osia.

Määritä väripaletit

Tietovisualisointisuunnittelijan käyttämä värisarja voi muuttaa tietojen merkityksen kokonaan. Monet työkalut voivat auttaa valitsemaan merkityksellisen väripaletin tietojen luonteesta riippuen. Tässä on pari:

• ColorBrewer . Paletit on jaettu kolmeen tyyppiin:
  • Luokka (käytetään erottamaan kohteet erillisiin ryhmiin)
  • Peräkkäinen (käytetään kvantitatiivisten erojen koodaamiseen)
  • Eroon
• Viz Palette . Viz Palette huolehtii esteettömyydestä, värisokeuden suunnittelusta ja havainnollisesti tasaisesti sijoitetuista sävyistä. Se sisältää 'väriraportin', joka tunnistaa sävyt, jotka saattavat näyttää samoilta eri tilanteissa.

Gestalt-periaatteiden soveltaminen tietojen visualisointiin

geestaltin periaatteet havainnointi voi auttaa selventämään, miten aivot organisoivat elementtejä yhteisten piirteiden perusteella yrittäessään ymmärtää visuaalista tietoa. Gestalt-teoria perustuu ajatukseen, että ihmisen aivot yrittävät yksinkertaistaa ja järjestää monimutkaisia ​​kuvia tai kuvioita, jotka koostuvat monista elementeistä, järjestämällä osat alitajuisesti järjestäytyneeksi järjestelmäksi, joka luo kokonaisuuden, ei vain sarja erilaisia ​​elementtejä.

Samankaltaisuus

Samankaltaisuusperiaate sanoo, että mielemme ryhmittelee automaattisesti elementit, joilla on jaetut visuaaliset ominaisuudet, 'samankaltaisiksi'. Samanlaisia ​​värejä, samanlaisia ​​muotoja, samankokoisia ja samankaltaisia ​​suuntauksia pidetään ryhmänä. Tämä periaate on kuvattu alla olevissa kaavioissa.

Toisin kuin vasemmalla olevassa kaaviossa, jonka palkit ovat eri värejä, ne ovat sama sininen oikealla. Koska muuttujia on vain yksi (Kustannukset / Tulot), tämä on järkevää. Palkit ovat samanvärisiä, joten tietojen ymmärtäminen on helpompaa ja poistaa ylimääräisen kognitiivisen rasituksen, joka aiheutuu eri värien käytöstä vasemmalla.

Läheisyys

Läheisyys on tehokkaampaa kuin samankaltaisuus, koska ihmissilmä havaitsee elementit liittyviksi sen perusteella, kuinka lähellä ne ovat toisiaan.

Alla olevan kaavion tavoitteena on verrata myyntiä maittain kolmen vuosineljänneksen aikana. Vaikka kunkin maan myyntiä on helppo verrata neljänneksen aikana niiden läheisyyden takia, olisi haastavaa analysoida myyntiä maittain.

Tarkistettu kaavio välittää sen selkeämmin. Tässä tapauksessa tiedot priorisoidaan keskittymään visualisointitavoitteeseen, koska ne pitävät tärkeimmät datapisteet lähempänä toisiaan.

Kotelo

yhteisen alueen periaate , jonka Palmer esitteli vuonna 1992, osoittaa, kuinka elementtien sulkeminen selkeästi määritellyllä rajalla on taipumus nähdä ryhmänä, jos niillä on yhteinen alue.

Alla olevassa esimerkissä harmaalla varjostetun alueen kolme palkkia näyttävät olevan osa ryhmää. Tämä tekniikka auttaa katsojia keskittymään kaavion objektiryhmään.

Johtopäätös

Ihmisen havaitsemisen ja kognitiivisen prosessin keskeisten elementtien ymmärtäminen on olennainen osa erinomaisen datan visualisoinnin suunnittelua. Kun työskentelet tuotteiden visualisointitarpeiden parissa - olkoon se sitten B2B-hallintapaneeli tai taloudellinen sovellus - suunnittelijat täytyy olla tietoinen ihmisen aivojen visuaalisesta havainnointiprosessista ja tietojen visualisoinnin perusperiaatteista.

Tunnettujen visuaalisen havainnon gestalttiperiaatteiden tunteminen voi olla suunnittelijoille suuri etu ja auttaa heitä ymmärtämään, miten aivot muuttavat monimutkaiset kuvat kuvioiksi. Näiden periaatteiden huomioiminen on arvokasta prosessissa kohti selkeämmän visuaalisen hierarkian saavuttamista suunniteltaessa tietojen visualisointeja ja suunniteltaessa tehokkaampia kaavioita.

Lisäksi tietoisuus ennakkoluovasta käsittelystä ja visuaalisista muuttujista sekä värien oikea soveltaminen antaa suunnittelijoille mahdollisuuden luoda tehokkaampia tietojen visualisointeja.

---

Kerro meille mitä mieltä olet! Jätä ajatuksesi, kommenttisi ja palautteesi alla.

• • •

Lue lisää ApeeScape Design Blogista:

• Täydellinen yleiskatsaus parhaista tietojen visualisointityökaluista
• Tietojen visualisointi - parhaat käytännöt ja perusteet
• Suosituimmat tietojen visualisointiesimerkit ja hallintapaneelin mallit
• Kojelaudan suunnittelu - huomioita ja parhaita käytäntöjä
• COVID-19: Paras suunnittelua ajatteleva käyttötapa

Perustietojen ymmärtäminen

Miksi tietojen visualisointi on tärkeää?

Tietojen visualisointi voi antaa käsityksen siitä, mitä perinteiset kuvaavat tilastot eivät voi. Tietojen nopean lisääntymisen myötä tietojen visualisointisuunnittelu on tehokas ja johdonmukainen tapa visuaalisesti viestiä kvantitatiivista sisältöä ja antaa käyttäjille mahdollisuus käsitellä suuria määriä tietoa helpommin ja nopeammin.

Miksi visualisointi on niin voimakasta?

Näkötuntomme antaa tietoa paljon nopeammin kuin muut aistit, ja käsittelemme näkemämme jo ennen kuin ajattelemme sitä. Datan visualisointisuunnittelu hyödyntää tätä nopeaa aistivastetta, minkä vuoksi suunnittelun tietojen visualisointi on niin tehokasta ja kommunikoi niin tehokkaasti.

Mitkä ovat visualisoinnin edut?

Datan visualisointisuunnittelu tarjoaa nopeamman, paremman käsityksen aineistoista ja antaa katsojille mahdollisuuden käsitellä niitä nopeammin.

Kuinka käytät tietojen visualisointia?

Datan visualisointi on tietojen graafinen esitys. Datan visualisointisuunnittelu käyttää visuaalisia elementtejä, kuten kaavioita, kaavioita ja karttoja, jotka tarjoavat käsityksen datan trendeistä ja kuvioista.

Kuinka visio liittyy psykologiaan?

Psykologit tutkivat sensaatiota ymmärtääkseen havainnon. Aistimme ovat havainnon fysiologinen perusta, joka on prosessi, jolla aivot valitsevat, järjestävät ja tulkitsevat aistien reseptoriemme, silmien, keräämät aistit.