Визуализация данных и информации

Эту статью, возможно, нужно подчистить. Она была объединена с Информационной визуализацией .

Картографирование информации
Темы и области
Картографирование бизнес-решений Визуализация данных Графическая коммуникация Инфографика Информационный дизайн Визуализация знаний Ментальная модель Морфологический анализ Онтология (информатика) Схема (психология) Визуальная аналитика Визуальный язык
Подходы «узел-связь»
Карта аргументов Кладистика Когнитивная карта Концептуальная решетка Концептуальная карта Концептуальный график Дерево решений Дендрограмма Графическое изображение Гиперболическое дерево Гипертекст Карта выпуска Дерево проблем Послойное графическое изображение Карта разума Объектно-ролевое моделирование Организационная структура Сеть следопытов Радиальное дерево Семантическая сеть Социограмма Хронология Карта тем Древовидная структура ЗигЗаг
Смотрите также
Обоснование дизайна Диаграммное рассуждение Модель «сущность–связь» Геовизуализация Список программного обеспечения для создания концепций и ментальных карт Олог Онтология (философия) Методы структурирования проблем Семантическая паутина Картографирование деревьев Злая проблема
в т е

Визуализация данных и информации ( data viz/vis или info viz/vis ) ^[2] — это практика проектирования и создания простых в общении и понятных графических или визуальных представлений большого количества ^[3] сложных количественных и качественных данных и информации с помощью статических, динамических или интерактивных визуальных элементов. Обычно основанные на данных и информации, собранных из определенной области знаний , эти визуализации предназначены для более широкой аудитории, чтобы помочь им визуально исследовать и обнаруживать, быстро понимать, интерпретировать и получать важные сведения о трудно идентифицируемых структурах, отношениях, корреляциях, локальных и глобальных закономерностях, тенденциях, вариациях, постоянстве, кластерах, выбросах и необычных группировках в данных ( исследовательская визуализация ). ^{[4] [5] [6]} Когда они предназначены для широкой публики ( массовая коммуникация ) для передачи краткой версии известной, конкретной информации в ясной и увлекательной манере ( презентационная или пояснительная визуализация ), ^[4] их обычно называют информационной графикой .

Визуализация данных связана с представлением наборов в первую очередь количественных необработанных данных в схематической форме с использованием изображений. Визуальные форматы, используемые в визуализации данных, включают диаграммы и графики (например , круговые диаграммы , столбчатые диаграммы , линейные диаграммы , диаграммы с областями , конусные диаграммы, пирамидальные диаграммы, кольцевые диаграммы , гистограммы , спектрограммы , когортные диаграммы, каскадные диаграммы , воронкообразные диаграммы , маркированные диаграммы и т. д.), диаграммы , графики (например, диаграммы рассеяния , графики распределения, диаграммы типа «ящик с усами» ), геопространственные карты (например, карты пропорциональных символов , карты хороплет , карты изоплет и тепловые карты ), рисунки, корреляционные матрицы , процентные индикаторы и т. д., которые иногда можно объединить в панель инструментов .

Визуализация информации , с другой стороны, имеет дело с множественными, крупномасштабными и сложными наборами данных, которые содержат количественные (числовые) данные, а также качественные (нечисловые, т. е. вербальные или графические) и в первую очередь абстрактную информацию, и ее цель состоит в том, чтобы добавить ценность необработанным данным, улучшить понимание зрителей, усилить их познание и помочь им получить понимание и принять решения, когда они перемещаются и взаимодействуют с графическим дисплеем, поддерживаемым компьютером. Визуальные инструменты, используемые в визуализации информации, включают карты для данных на основе местоположения; иерархические ^[7] организации данных, такие как древовидные карты , радиальные_деревья и другие древовидные_структуры ; отображения, которые расставляют приоритеты отношений (Heer et al. 2010), такие как диаграммы Сэнки , сетевые диаграммы , диаграммы Венна , интеллект-карты , семантические сети , диаграммы сущностей-связей ; блок-схемы , временные шкалы и т. д.

Новые технологии, такие как виртуальная , дополненная и смешанная реальность, обладают потенциалом сделать визуализацию информации более захватывающей, интуитивно понятной, интерактивной и легко управляемой и, таким образом, улучшить визуальное восприятие и познание пользователя . ^[8] В визуализации данных и информации цель состоит в графическом представлении и исследовании абстрактных, нефизических и непространственных данных, собранных из баз данных , информационных систем , файловых систем , документов , бизнес-данных и т. д. ( презентационная и исследовательская визуализация ), что отличается от области научной визуализации , где цель состоит в том, чтобы визуализировать реалистичные изображения на основе физических и пространственных научных данных для подтверждения или опровержения гипотез ( подтверждающая визуализация ). ^[9]

Эффективная визуализация данных правильно получена, контекстуализирована, проста и не перегружена. Базовые данные точны и актуальны, чтобы гарантировать надежность идей. Графические элементы хорошо подобраны для заданных наборов данных и эстетически привлекательны, с формами, цветами и другими визуальными элементами, используемыми намеренно осмысленно и не отвлекая. Визуальные элементы сопровождаются вспомогательными текстами (метками и заголовками). Эти вербальные и графические компоненты дополняют друг друга, обеспечивая четкое, быстрое и запоминающееся понимание. Эффективная визуализация информации учитывает потребности и проблемы, а также уровень знаний целевой аудитории, намеренно направляя ее к предполагаемому выводу. ^{[10] [3]} Такая эффективная визуализация может использоваться не только для передачи специализированных, сложных, основанных на больших данных идей более широкой группе нетехнической аудитории визуально привлекательным, увлекательным и доступным образом, но также и для экспертов в предметной области и руководителей для принятия решений, мониторинга производительности, генерации новых идей и стимулирования исследований. ^{[10] [4]} Кроме того, специалисты по обработке данных, аналитики данных и специалисты по добыче данных используют визуализацию данных для проверки качества данных, поиска ошибок, необычных пробелов и пропущенных значений в данных, очистки данных, изучения структур и особенностей данных и оценки результатов моделей, управляемых данными. ^[4] В бизнесе визуализация данных и информации может составлять часть повествования данных , где они сочетаются с последовательной повествовательной структурой или сюжетной линией для контекстуализации проанализированных данных и четкого и запоминающегося сообщения информации, полученной в результате анализа данных, с целью убедить аудиторию принять решение или предпринять действие для создания деловой ценности . ^{[3] [11]} Это можно противопоставить области статистической графики , где сложные статистические данные передаются графически точным и точным образом между исследователями и аналитиками, обладающими статистическими знаниями, чтобы помочь им выполнить исследовательский анализ данных или передать результаты такого анализа, где визуальная привлекательность, привлечение внимания к определенной проблеме и повествование не так важны. ^[12]

Область визуализации данных и информации носит междисциплинарный характер, поскольку она включает в себя принципы, найденные в дисциплинах описательной статистики (еще в 18 веке), ^[13] визуальной коммуникации , графического дизайна , когнитивной науки и, в последнее время, интерактивной компьютерной графики и взаимодействия человека с компьютером . ^[14] Поскольку эффективная визуализация требует навыков проектирования, статистических навыков и навыков вычисления, такие авторы, как Гершон и Пейдж, утверждают, что это одновременно и искусство, и наука. ^[15] Соседняя область визуальной аналитики объединяет статистический анализ данных, визуализацию данных и информации и человеческое аналитическое мышление через интерактивные визуальные интерфейсы, чтобы помочь людям-пользователям делать выводы, получать действенные идеи и принимать обоснованные решения, которые в противном случае компьютерам было бы трудно сделать.

Исследования того, как люди читают и неправильно читают различные типы визуализаций, помогают определить, какие типы и особенности визуализаций наиболее понятны и эффективны для передачи информации. ^{[16] [17]} С другой стороны, непреднамеренно плохие или намеренно вводящие в заблуждение и обманчивые визуализации ( дезинформативная визуализация ) могут функционировать как мощные инструменты, которые распространяют дезинформацию , манипулируют общественным восприятием и отвлекают общественное мнение в сторону определенной повестки дня. ^[18] Таким образом, грамотность визуализации данных стала важным компонентом грамотности данных и информации в информационную эпоху, подобно тому, как текстовая , математическая и визуальная грамотность играли роли в прошлом. ^[19]

Область визуализации данных и информации возникла «из исследований взаимодействия человека и компьютера , компьютерной науки , графики , визуального дизайна , психологии и бизнес-методов . Она все чаще применяется как важнейший компонент в научных исследованиях, цифровых библиотеках , интеллектуальном анализе данных , финансовом анализе данных, маркетинговых исследованиях, контроле производства и разработке лекарственных препаратов ». ^[20]

Визуализация данных и информации предполагает, что «визуальные представления и методы взаимодействия используют преимущества широкого диапазона пропускания человеческого глаза в разум, чтобы позволить пользователям видеть, исследовать и понимать большие объемы информации одновременно. Визуализация информации сосредоточена на создании подходов для передачи абстрактной информации интуитивными способами». ^[21]

Анализ данных является неотъемлемой частью всех прикладных исследований и решения проблем в промышленности. Наиболее фундаментальными подходами к анализу данных являются визуализация (гистограммы, диаграммы рассеяния, поверхностные диаграммы, древовидные карты, диаграммы параллельных координат и т. д.), статистика ( проверка гипотез , регрессия , PCA и т. д.), интеллектуальный анализ данных ( интеллектуальный анализ ассоциаций и т. д.) и методы машинного обучения ( кластеризация , классификация , деревья решений и т. д.). Среди этих подходов визуализация информации или визуальный анализ данных наиболее зависимы от когнитивных навыков аналитиков-людей и позволяют обнаруживать неструктурированные действенные идеи, которые ограничены только человеческим воображением и креативностью. Аналитику не нужно изучать какие-либо сложные методы, чтобы иметь возможность интерпретировать визуализации данных. Визуализация информации также является схемой генерации гипотез, которая может быть и обычно сопровождается более аналитическим или формальным анализом, таким как статистическая проверка гипотез.

Для четкой и эффективной передачи информации визуализация данных использует статистические графики , графики , информационные графики и другие инструменты. Числовые данные могут быть закодированы с использованием точек, линий или полос, чтобы визуально передать количественное сообщение. ^[22] Эффективная визуализация помогает пользователям анализировать и рассуждать о данных и доказательствах. ^[23] Она делает сложные данные более доступными, понятными и удобными для использования, но также может быть упрощенной. ^[24] У пользователей могут быть определенные аналитические задачи, такие как проведение сравнений или понимание причинно-следственной связи , и принцип проектирования графики (т. е. показ сравнений или показ причинно-следственной связи) следует за задачей. Таблицы обычно используются, когда пользователи будут искать определенное измерение, в то время как диаграммы различных типов используются для отображения закономерностей или взаимосвязей в данных для одной или нескольких переменных.

Визуализация данных относится к методам, используемым для передачи данных или информации путем кодирования их в виде визуальных объектов (например, точек, линий или полос), содержащихся в графиках. Цель состоит в том, чтобы четко и эффективно передавать информацию пользователям. Это один из шагов в анализе данных или науке о данных . По словам Виталия Фридмана (2008), «главная цель визуализации данных состоит в том, чтобы четко и эффективно передавать информацию с помощью графических средств. Это не означает, что визуализация данных должна выглядеть скучно, чтобы быть функциональной, или чрезвычайно сложной, чтобы выглядеть красивой. Для эффективной передачи идей эстетическая форма и функциональность должны идти рука об руку, обеспечивая понимание довольно разреженного и сложного набора данных путем передачи его ключевых аспектов более интуитивно понятным способом. Однако дизайнерам часто не удается достичь баланса между формой и функцией, создавая великолепные визуализации данных, которые не служат своей главной цели — передаче информации». ^[25]

Действительно, Фернанда Виегас и Мартин М. Ваттенберг предположили, что идеальная визуализация должна не только четко доносить информацию, но и стимулировать вовлеченность и внимание зрителя. ^[26]

Визуализация данных тесно связана с информационной графикой , визуализацией информации , научной визуализацией , разведывательным анализом данных и статистической графикой . В новом тысячелетии визуализация данных стала активной областью исследований, обучения и развития. Согласно Посту и др. (2002), она объединила научную и информационную визуализацию. ^[27]

В коммерческой среде визуализацию данных часто называют панелями мониторинга . Инфографика — еще одна очень распространенная форма визуализации данных.

Эдвард Тафти объяснил, что пользователи информационных дисплеев выполняют определенные аналитические задачи , такие как проведение сравнений. Принцип дизайна информационной графики должен поддерживать аналитическую задачу. ^[29] Как показывают Уильям Кливленд и Роберт Макгилл, различные графические элементы выполняют это более или менее эффективно. Например, точечные диаграммы и столбчатые диаграммы превосходят круговые диаграммы. ^[30]

В своей книге 1983 года «Визуальное отображение количественной информации » ^[31] Эдвард Тафти определяет «графические отображения» и принципы эффективного графического отображения в следующем отрывке: «Совершенство в статистической графике заключается в сложных идеях, переданных с ясностью, точностью и эффективностью. Графические отображения должны:

• показать данные
• побудить зрителя задуматься о сути, а не о методологии, графическом дизайне, технологии графического производства или о чем-то еще
• избегайте искажения того, что говорят данные
• представить много чисел в небольшом пространстве
• сделать большие наборы данных согласованными
• поощрять глаз сравнивать различные фрагменты данных
• раскрывать данные на нескольких уровнях детализации: от общего обзора до тонкой структуры
• служить достаточно ясной цели: описанию, исследованию, табулированию или оформлению
• быть тесно интегрированы со статистическими и вербальными описаниями набора данных.

Графика раскрывает данные. Действительно, графика может быть более точной и показательной, чем обычные статистические вычисления." ^[32]

Например, диаграмма Минара показывает потери, понесенные армией Наполеона в период 1812–1813 годов. На график нанесены шесть переменных: размер армии, ее местоположение на двумерной поверхности (x и y), время, направление движения и температура. Ширина линии иллюстрирует сравнение (размер армии в определенные моменты времени), в то время как ось температуры указывает на причину изменения размера армии. Это многомерное отображение на двумерной поверхности рассказывает историю, которую можно понять немедленно, одновременно идентифицируя исходные данные для создания достоверности. Тафти писал в 1983 году, что: «Это вполне может быть лучшим статистическим графиком, когда-либо нарисованным». ^[32]

Неприменение этих принципов может привести к вводящим в заблуждение графикам , искажению сообщения или поддержке ошибочного вывода. По словам Тафти, графическим мусором называют постороннее внутреннее оформление графики, которое не усиливает сообщение, или необоснованные трехмерные или перспективные эффекты. Ненужное отделение пояснительного ключа от самого изображения, требующее, чтобы взгляд перемещался туда и обратно от изображения к ключу, является формой «административного мусора». Соотношение «данных к чернилам» должно быть максимизировано, стирая чернила, не относящиеся к данным, где это возможно. ^[32]

Бюджетное управление Конгресса США обобщило несколько лучших практик для графических представлений в презентации в июне 2014 года. К ним относятся: a) Знание своей аудитории; b) Разработка графики, которая может существовать отдельно от контекста отчета; и c) Разработка графики, которая передает ключевые сообщения в отчете. ^[33]

Полезные критерии для визуализации данных или информации включают в себя: ^[34]

1. Он основан на (невизуальных) данных, то есть визуализация данных/информации не является обработкой изображений и коллажем;
2. Он создает изображение, в частности, изображение играет основную роль в передаче смысла и не является иллюстрацией, сопровождающей данные в текстовой форме; и
3. Результат читаем.

Удобочитаемость означает, что зритель может понять базовые данные, например, сравнивая пропорционально размерные визуальные элементы для сравнения их соответствующих значений данных; или используя легенду для декодирования карты, например, идентифицируя цветные регионы на климатической карте для считывания температуры в этом месте. Для наибольшей эффективности и простоты дизайна и пользовательского опыта эта удобочитаемость улучшается за счет использования биективного отображения в этом дизайне элементов изображения - где отображение репрезентативного элемента на переменную данных является уникальным. ^[35]

Косара (2007) ^[34] также определяет необходимость визуализации быть «узнаваемой как визуализация и не казаться чем-то другим». Он также утверждает, что узнаваемость и читаемость не всегда требуются во всех типах визуализации, например, «информативное искусство» (которое все равно будет соответствовать всем трем вышеуказанным критериям, но может не выглядеть как визуализация) или «художественная визуализация» (которая аналогичным образом все еще основана на невизуальных данных для создания изображения, но может не быть читаемой или узнаваемой).

Автор Стивен Фью описал восемь типов количественных сообщений, которые пользователи могут попытаться понять или передать на основе набора данных, а также связанных с ними графиков, используемых для помощи в передаче сообщения:

1. Временной ряд: фиксируется одна переменная за определенный период времени, например, уровень безработицы или показатели температуры за 10-летний период. Для демонстрации тенденции с течением времени можно использовать линейный график .
2. Ранжирование: Категориальные подразделения ранжируются в порядке возрастания или убывания, например, рейтинг эффективности продаж ( мера ) по продавцам ( категория , где каждый продавец — это категориальное подразделение ) в течение одного периода. Для отображения сравнения по продавцам можно использовать столбчатую диаграмму .
3. Часть к целому: Категориальные подразделения измеряются как отношение к целому (т. е. процент от 100%). Круговая диаграмма или столбчатая диаграмма могут отображать сравнение соотношений, например, доли рынка, представляемой конкурентами на рынке.
4. Отклонение: Категориальные подразделения сравниваются с эталоном, например, сравнение фактических и бюджетных расходов для нескольких отделов компании за определенный период времени. Столбчатая диаграмма может показать сравнение фактической и эталонной суммы.
5. Частотное распределение: показывает количество наблюдений определенной переменной для заданного интервала, например, количество лет, в течение которых доходность фондового рынка находится в интервалах, например, 0–10%, 11–20% и т. д. Для этого анализа можно использовать гистограмму , тип столбчатой ​​диаграммы. Диаграмма ящиков помогает визуализировать ключевые статистические данные о распределении, такие как медиана, квартили, выбросы и т. д.
6. Корреляция: Сравнение между наблюдениями, представленными двумя переменными (X,Y), чтобы определить, имеют ли они тенденцию двигаться в одном или противоположных направлениях. Например, построение графика безработицы (X) и инфляции (Y) для выборки месяцев. Для этого сообщения обычно используется диаграмма рассеяния .
7. Номинальное сравнение: сравнение категориальных подразделений без определенного порядка, например, объем продаж по коду продукта. Для этого сравнения можно использовать столбчатую диаграмму.
8. Географический или геопространственный : сравнение переменной на карте или макете, например, уровень безработицы по штату или количество людей на разных этажах здания. Картограмма — типичный используемый графический элемент. ^{[22] [37]}

Аналитики, просматривающие набор данных, могут рассмотреть, применимы ли некоторые или все сообщения и графические типы выше к их задаче и аудитории. Процесс проб и ошибок для выявления значимых связей и сообщений в данных является частью разведочного анализа данных .

Человек может легко различать различия в длине линии, форме, ориентации, расстояниях и цвете (оттенке) без значительных усилий по обработке; это называется « предвнимательными атрибутами ». Например, может потребоваться значительное время и усилия («внимательная обработка»), чтобы определить, сколько раз цифра «5» появляется в ряду чисел; но если эта цифра отличается по размеру, ориентации или цвету, примеры этой цифры можно быстро заметить с помощью предвнимательной обработки. ^[38]

Убедительная графика использует преимущества предварительной обработки и атрибутов, а также относительной силы этих атрибутов. Например, поскольку люди могут легче обрабатывать различия в длине линии, чем в площади поверхности, может быть более эффективным использовать столбчатую диаграмму (которая использует преимущество длины линии для отображения сравнения), а не круговые диаграммы (которые используют площадь поверхности для отображения сравнения). ^[38]

Почти все визуализации данных создаются для потребления человеком. Знание человеческого восприятия и познания необходимо при разработке интуитивных визуализаций. ^[39] Познание относится к процессам в людях, таким как восприятие, внимание, обучение, память, мышление, формирование концепций, чтение и решение проблем. ^[40] Человеческая визуальная обработка эффективна при обнаружении изменений и проведении сравнений между количествами, размерами, формами и вариациями яркости. Когда свойства символических данных сопоставляются с визуальными свойствами, люди могут эффективно просматривать большие объемы данных. По оценкам, 2/3 нейронов мозга могут быть вовлечены в визуальную обработку. Правильная визуализация обеспечивает другой подход для показа потенциальных связей, отношений и т. д., которые не так очевидны в невизуализированных количественных данных. Визуализация может стать средством исследования данных .

Исследования показали, что люди в среднем использовали на 19% меньше когнитивных ресурсов и на 4,5% лучше вспоминали детали при сравнении визуализации данных с текстом. ^[41]

Современное изучение визуализации началось с компьютерной графики , которая «с самого начала использовалась для изучения научных проблем. Однако на раннем этапе недостаток графической мощности часто ограничивал ее полезность. Недавнее внимание к визуализации началось в 1987 году со специального выпуска Computer Graphics on Visualization in Scientific Computing . С тех пор было проведено несколько конференций и семинаров, совместно спонсируемых IEEE Computer Society и ACM SIGGRAPH ». ^[42] Они были посвящены общим темам визуализации данных , визуализации информации и научной визуализации , а также более конкретным областям, таким как объемная визуализация . В 1786 году Уильям Плейфэр опубликовал первую презентационную графику.

Не существует всеобъемлющей «истории» визуализации данных. Не существует отчетов, которые охватывают все развитие визуального мышления и визуального представления данных и которые сопоставляют вклады разрозненных дисциплин. ^[43] Майкл Френдли и Дэниел Дж. Денис из Йоркского университета занимаются проектом, который пытается предоставить всеобъемлющую историю визуализации. Вопреки общему мнению, визуализация данных не является современной разработкой. С доисторических времен звездные данные или информация, такая как местоположение звезд, визуализировались на стенах пещер (например, тех, которые были найдены в пещере Ласко на юге Франции) с эпохи плейстоцена . ^[44] Физические артефакты, такие как месопотамские глиняные жетоны (5500 г. до н. э.), кипу инков (2600 г. до н. э.) и палочные диаграммы Маршалловых островов (б. д.) также можно рассматривать как визуализацию количественной информации. ^{[45] [46]}

Первая задокументированная визуализация данных может быть прослежена до 1160 г. до н. э. с помощью карты Туринского папируса , которая точно иллюстрирует распределение геологических ресурсов и предоставляет информацию о добыче этих ресурсов. ^[47] Такие карты можно отнести к категории тематической картографии , которая является типом визуализации данных, которая представляет и передает определенные данные и информацию посредством географической иллюстрации, разработанной для показа определенной темы, связанной с определенной географической областью. Самыми ранними задокументированными формами визуализации данных были различные тематические карты из разных культур, а также идеограммы и иероглифы, которые предоставляли и позволяли интерпретировать иллюстрированную информацию. Например, таблички с линейным письмом B из Микен обеспечивали визуализацию информации, касающейся торговли эпохи позднего бронзового века в Средиземноморье. Идея координат использовалась древнеегипетскими геодезистами при планировке городов, земные и небесные положения определялись с помощью чего-то похожего на широту и долготу, по крайней мере, к 200 г. до н. э., а картографическая проекция сферической Земли на широту и долготу, созданная Клавдием Птолемеем [ ок.  85 – ок.  165 ] в Александрии, служила эталоном вплоть до 14-го века. ^[47]

Изобретение бумаги и пергамента позволило дальнейшее развитие визуализаций на протяжении всей истории. На рисунке показан график 10-го или, возможно, 11-го века, который должен был быть иллюстрацией движения планет, использовавшейся в приложении к учебнику в монастырских школах. ^[48] График, по-видимому, должен был представлять собой график наклонов планетарных орбит как функции времени. Для этой цели зона зодиака была представлена ​​на плоскости с горизонтальной линией, разделенной на тридцать частей, как ось времени или продольной оси. Вертикальная ось обозначает ширину зодиака. Горизонтальный масштаб, по-видимому, был выбран для каждой планеты индивидуально, поскольку периоды не могут быть согласованы. Сопроводительный текст относится только к амплитудам. Кривые, по-видимому, не связаны во времени.

К XVI веку методы и инструменты для точного наблюдения и измерения физических величин, а также географического и небесного положения были хорошо развиты (например, «квадрант стены», построенный Тихо Браге [1546–1601], покрывающий всю стену в его обсерватории). Особенно важным было развитие триангуляции и других методов для точного определения местоположения на карте. ^[43] Очень рано измерение времени привело ученых к разработке инновационного способа визуализации данных (например, Лоренц Кодоманн в 1596 году, Иоганнес Темпорариус в 1596 году ^[49] ).

Французский философ и математик Рене Декарт и Пьер де Ферма разработали аналитическую геометрию и двумерную систему координат, которые оказали сильное влияние на практические методы отображения и вычисления значений. Работы Ферма и Блеза Паскаля по статистике и теории вероятностей заложили основу того, что мы сейчас концептуализируем как данные. ^[43] Согласно Interaction Design Foundation, эти разработки позволили и помогли Уильяму Плейфэру , который увидел потенциал для графической передачи количественных данных, создать и разработать графические методы статистики. ^[39]

Во второй половине 20-го века Жак Бертен использовал количественные графики для представления информации «интуитивно, ясно, точно и эффективно» ^{[39] .}

Джон Тьюки и Эдвард Тафти раздвинули границы визуализации данных; Тьюки с его новым статистическим подходом разведочного анализа данных и Тафти с его книгой «Визуальное отображение количественной информации» проложили путь к совершенствованию методов визуализации данных для не только статистиков. С развитием технологий пришел прогресс и в визуализации данных; начиная с визуализаций, нарисованных от руки, и развиваясь в более технические приложения – включая интерактивные проекты, ведущие к программной визуализации. ^[50]

Такие программы, как SAS , SOFA , R , Minitab , Cornerstone и другие, позволяют визуализировать данные в области статистики. Другие приложения визуализации данных, более целенаправленные и уникальные для отдельных лиц, языки программирования, такие как D3 , Python и JavaScript, помогают сделать визуализацию количественных данных возможной. Частные школы также разработали программы для удовлетворения спроса на визуализацию данных обучения и связанных с ними библиотек программирования, включая бесплатные программы, такие как The Data Incubator , или платные программы, такие как General Assembly . ^[51]

Начиная с симпозиума «Data to Discovery» в 2013 году, ArtCenter College of Design, Caltech и JPL в Пасадене запустили ежегодную программу по интерактивной визуализации данных. ^[52] Программа задается вопросами: как интерактивная визуализация данных может помочь ученым и инженерам более эффективно исследовать свои данные? Как вычисления, дизайн и дизайн-мышление могут помочь максимизировать результаты исследований? Какие методологии наиболее эффективны для использования знаний из этих областей? Кодируя реляционную информацию с соответствующими визуальными и интерактивными характеристиками, чтобы помочь исследовать и в конечном итоге получить новое понимание данных, программа разрабатывает новые междисциплинарные подходы к сложным научным проблемам, объединяя дизайн-мышление и новейшие методы из вычислений, дизайна, ориентированного на пользователя, дизайна взаимодействия и 3D-графики.

Визуализация данных подразумевает определенную терминологию, часть которой взята из статистики. Например, автор Стивен Фью определяет два типа данных, которые используются в сочетании для поддержки осмысленного анализа или визуализации:

• Категориальные: представляют группы объектов с определенной характеристикой. Категориальные переменные могут быть как номинальными, так и порядковыми. Номинальные переменные, например, пол, не имеют порядка между собой и, таким образом, являются номинальными. Порядковые переменные — это категории с порядком, для выборочной регистрации возрастной группы, в которую попадает человек. ^[53]
• Количественные: представляют измерения, такие как рост человека или температура окружающей среды. Количественные переменные могут быть как непрерывными, так и дискретными . Непрерывные переменные отражают идею о том, что измерения всегда можно сделать точнее. В то время как дискретные переменные имеют только конечное число возможностей, например, подсчет некоторых результатов или возраст, измеренный в целых годах. ^[53]

Различие между количественными и категориальными переменными важно, поскольку эти два типа требуют разных методов визуализации.

Двумя основными типами отображения информации являются таблицы и графики.

• Таблица содержит количественные данные , организованные в строки и столбцы с категориальными метками. Она в основном используется для поиска определенных значений. В приведенном выше примере таблица может иметь категориальные метки столбцов, представляющие имя ( качественная переменная ) и возраст ( количественная переменная ), при этом каждая строка данных представляет одного человека (выбранную экспериментальную единицу или подразделение категории ).
• График в основном используется для отображения взаимосвязей между данными и отображает значения, закодированные как визуальные объекты ( например, линии, полосы или точки). Числовые значения отображаются в области, обозначенной одной или несколькими осями . Эти оси предоставляют шкалы (количественные и категориальные), используемые для маркировки и присвоения значений визуальным объектам. Многие графики также называются диаграммами . ^[54]

Эпплер и Ленглер разработали «Периодическую таблицу методов визуализации», интерактивную диаграмму, отображающую различные методы визуализации данных. Она включает шесть типов методов визуализации данных: данные, информация, концепция, стратегия, метафора и соединение. ^[55] В «Анализе и дизайне визуализации» Тамара Манцнер пишет: «Системы визуализации на базе компьютера обеспечивают визуальное представление наборов данных, разработанных для того, чтобы помочь людям выполнять задачи более эффективно». Манцнер утверждает, что визуализация «подходит, когда необходимо расширить человеческие возможности, а не заменять людей вычислительными методами принятия решений». ^[56]

	Имя	Визуальные размеры	Описание / Примеры использования
	Столбчатая диаграмма	длина/количество категория цвет	Представляет категориальные данные с прямоугольными столбцами с высотой или длиной, пропорциональной значениям, которые они представляют. Столбики могут быть нанесены вертикально или горизонтально. Столбчатая диаграмма показывает сравнения между отдельными категориями . Одна ось диаграммы показывает конкретные сравниваемые категории, а другая ось представляет собой измеренное значение. Некоторые столбчатые диаграммы представляют собой столбцы, сгруппированные в группы по более чем одному, показывающие значения более чем одной измеряемой переменной. Эти сгруппированные группы можно различать с помощью цвета. Например, сравнение значений, таких как эффективность продаж нескольких лиц или предприятий за один период времени.
	Столбчатая диаграмма переменной ширины («variwide»)	категория (размер/количество/объем в первом измерении) размер/количество/протяженность во втором измерении размер/количество/протяженность как площадь стержня цвет	Включает в себя большинство функций базовой столбчатой ​​диаграммы, представленной выше. Площади полос неравномерной ширины представляют собой величины с площадями A , которые являются соответствующими произведениями связанных пар · величины по вертикальной оси ( A/X ) и · величины по горизонтальной оси ( X ). Арифметически: (A/X)*X=A для каждого бара Примеры: Мозаичные диаграммы (также известные как диаграммы Маримекко или Мекко)
	Ортогональная (ортогональная составная) столбчатая диаграмма	Числовое значение первой переменной (протяженность в первом измерении; наложенные горизонтальные полосы) Числовое значение второй переменной (степень во втором измерении; как и обычная вертикальная столбчатая диаграмма) категория для первой и второй переменных (например, с цветовой кодировкой)	Включает в себя большинство функций базовой столбчатой ​​диаграммы, представленной выше. Пары числовых переменных, обычно с цветовой кодировкой, отсортированные по категориям Переменные не обязательно должны быть напрямую связаны, как в «вари-широких» диаграммах.
	Гистограмма	пределы корзины количество/длина цвет	Приблизительное представление распределения числовых данных. Разделите весь диапазон значений на ряд интервалов, а затем подсчитайте, сколько значений попадает в каждый интервал; это называется binning ( разбиением на ячейки) . Ячейки обычно указываются как последовательные, неперекрывающиеся интервалы переменной. Ячейки (интервалы) должны быть смежными и часто (но не обязательно) иметь одинаковый размер. Например, определение частоты годовой процентной доходности фондового рынка в определенных диапазонах (ячейках), таких как 0–10%, 11–20% и т. д. Высота столбца представляет собой количество наблюдений (лет) с процентом доходности в диапазоне, представленном соответствующей ячейкой.
	Диаграмма рассеяния (точечная диаграмма)	позиция х позиция Y символ/глиф цвет размер	Использует декартовы координаты для отображения значений обычно двух переменных для набора данных. Точки можно кодировать по цвету, форме и/или размеру для отображения дополнительных переменных. Каждая точка на графике имеет связанный с ней член x и y, который определяет ее местоположение на декартовой плоскости. Диаграммы рассеяния часто используются для выявления корреляции между переменными (x и y). Также называется «точечными диаграммами».
	Диаграмма рассеяния (3D)	позиция х позиция у позиция z цвет символ размер	Подобно двумерной диаграмме рассеяния, представленной выше, трехмерная диаграмма рассеяния визуализирует взаимосвязь между обычно тремя переменными из набора данных. Опять же, точка может быть закодирована с помощью цвета, формы и/или размера для отображения дополнительных переменных.
	Сеть	размер узлов цвет узлов толщина связей цвет галстуков пространственное размещение	Поиск кластеров в сети (например, группировка друзей Facebook в разные кластеры). Обнаружение мостов (информационных брокеров или посредников) между кластерами в сети Определение наиболее влиятельных узлов в сети (например, компания хочет охватить небольшую группу людей в Twitter для проведения маркетинговой кампании). Поиск аутсайдеров, которые не вписываются ни в один кластер или находятся на периферии сети.
	Круговая диаграмма	цвет	Представляет одну категориальную переменную, которая разделена на срезы для иллюстрации числовой пропорции. В круговой диаграмме длина дуги каждого среза (и, следовательно, его центральный угол и площадь ) пропорциональна количеству, которое он представляет. Например, как показано на графике справа, доля носителей английского языка во всем мире
	Линейный график	позиция х позиция Y символ/глиф цвет размер	Представляет информацию в виде ряда точек данных, называемых «маркерами», соединенных отрезками прямых линий. Подобна диаграмме рассеяния, за исключением того, что точки измерения упорядочены (обычно по их значению на оси x) и соединены отрезками прямых линий. Часто используется для визуализации тенденции изменения данных за определенные промежутки времени — временного ряда — поэтому линия часто проводится в хронологическом порядке.
	Полулогарифмические или двойные логарифмические (нелинейные) графики	позиция х позиция Y символ/глиф цвет соединения	Представляет данные в виде линий или серий точек, охватывающих большие диапазоны по одной или обеим осям. Одна или обе оси представлены с использованием нелинейной логарифмической шкалы.
	Потоковый график (тип площадной диаграммы )	ширина цвет время (поток)	Тип диаграммы с областями , смещенной вокруг центральной оси , в результате чего получается плавная форма. В отличие от традиционной диаграммы с накоплением областей, в которой слои располагаются поверх оси, в потоковом графике слои располагаются так, чтобы свести к минимуму их «покачивание». Потоковые графики отображают данные только с положительными значениями и не могут отображать как отрицательные, так и положительные значения. Пример: визуальный ряд показывает музыку, которую слушал пользователь с течением времени.
	Древовидная карта	размер цвет	Метод отображения иерархических данных с использованием вложенных фигур, обычно прямоугольников. Например, дисковое пространство по местоположению/типу файла
	Диаграмма Ганта	цвет время (поток)	Тип гистограммы , иллюстрирующей график проекта Современные диаграммы Ганта также показывают взаимосвязи между действиями и текущим статусом расписания. Например, используется при планировании проектов.
	Тепловая карта	цвет категориальная переменная	Представляет масштаб явления в виде цвета в двух измерениях. Существует две категории тепловых карт: Кластерная тепловая карта: где величины выкладываются в матрицу фиксированного размера ячеек, строки и столбцы которой являются категориальными данными. Например, график справа. пространственная тепловая карта: где нет матрицы фиксированного размера ячейки, например тепловая карта. Например, тепловая карта, показывающая плотность населения, отображенную на географической карте
	Графическая полоска	позиция х цвет	Последовательность цветных полос визуально отображает тенденцию ряда данных. Изображает одну переменную — прототипом является температура с течением времени, чтобы описать глобальное потепление. Намеренно минималистский — без технических признаков — для интуитивного общения с неспециалистами [57] Можно «складывать» для представления множественного числа ( пример )
	Анимированная спиральная графика	радиальное расстояние (зависимая переменная) угол поворота (цикл по месяцам) цвет (прошедшие годы)	Изображает одну зависимую переменную — прототипом является температура с течением времени, чтобы описать глобальное потепление. Зависимая переменная постепенно вычерчивается вдоль непрерывной «спирали», определяемой как функция (а) постоянного угла вращения (двенадцать месяцев на оборот) и (б) меняющегося цвета (цвет меняется с течением лет) [58]
	Участок «Коробка и усы»	ось x ось Y	Метод графического изображения групп числовых данных через их квартили . Диаграммы ящиков также могут иметь линии, выходящие из ящиков ( усы ), указывающие на изменчивость за пределами верхнего и нижнего квартилей. Выбросы могут быть нанесены на график в виде отдельных точек. Два прямоугольника, расположенные друг над другом, представляют собой средние 50% данных, при этом линия, разделяющая два прямоугольника, определяет медианное значение данных, а верхний и нижний края прямоугольников представляют собой 75-й и 25-й процентили точек данных соответственно. Диаграммы ящиков непараметрические : они отображают вариации в выборках статистической совокупности без каких-либо предположений о базовом статистическом распределении , поэтому полезны для получения первоначального понимания набора данных. Например, для сравнения распределения возрастов между группами людей (например, мужчинами и женщинами).
	Блок-схема	рабочий процесс или процесс	Представляет собой рабочий процесс , пошаговый подход к решению задачи. На блок-схеме этапы показаны в виде блоков разного типа, а их порядок — посредством соединения блоков стрелками. Например, перечислим действия, которые следует предпринять, если лампа не работает, как показано на схеме справа.
	Радарная диаграмма	атрибуты значение, присвоенное атрибутам	Отображает многомерные данные в виде двумерной диаграммы из трех или более количественных переменных, представленных на осях, начинающихся из одной и той же точки. Относительное положение и угол наклона осей обычно неинформативны, но различные эвристики, такие как алгоритмы, которые отображают данные как максимальную общую площадь, могут применяться для сортировки переменных (осей) по относительным положениям, которые выявляют различные корреляции, компромиссы и множество других сравнительных показателей. Например, сравнение характеристик/навыков (например, коммуникативные, аналитические, ИТ-навыки), полученных в ходе обучения по разным специальностям в университете (например, математика, экономика, психология).
	Диаграмма Венна	все возможные логические отношения между конечным набором различных множеств .	Показывает все возможные логические отношения между конечным набором различных множеств . На этих диаграммах элементы изображены как точки на плоскости, а множества — как области внутри замкнутых кривых. Диаграмма Венна состоит из нескольких перекрывающихся замкнутых кривых, обычно окружностей, каждая из которых представляет собой множество. Точки внутри кривой, обозначенной S, представляют элементы множества S , в то время как точки за пределами границы представляют элементы, не входящие в множество S. Это поддается интуитивной визуализации; например, множество всех элементов, которые являются членами обоих множеств S и T , обозначаемое S ∩ T и читаемое как «пересечение S и T », визуально представлено областью перекрытия областей S и T. В диаграммах Венна кривые перекрываются всеми возможными способами, показывая все возможные отношения между множествами.
	Иконография корреляций	Нет оси Сплошная линия пунктирная линия цвет	Исследовательский анализ данных. Замените корреляционную матрицу диаграммой, где «замечательные» корреляции представлены сплошной линией (положительная корреляция) или пунктирной линией (отрицательная корреляция). Точки можно кодировать цветом.

• Картограмма
• Кладограмма (филогенетика)
• Концептуальное картирование
• Дендрограмма (классификация)
• Эталонная модель визуализации информации
• Гранд тур
• Графическое изображение
• Тепловая карта
• ГиперболическоеДерево
• Многомерное масштабирование
• Параллельные координаты
• Среда решения проблем
• Картографирование деревьев

Интерактивная визуализация данных позволяет выполнять прямые действия на графическом графике для изменения элементов и установления связей между несколькими графиками. ^[59]

Интерактивная визуализация данных была целью статистиков с конца 1960-х годов. Примеры разработок можно найти в библиотеке видеозаимствований Американской статистической ассоциации . ^[60]

К распространенным взаимодействиям относятся:

• Кисть : работает с использованием мыши для управления кистью, напрямую изменяя цвет или глиф элементов графика. Кисть иногда является указателем, а иногда работает, рисуя своего рода контур вокруг точек; контур иногда имеет неправильную форму, как лассо. Кисть чаще всего используется, когда видны несколько графиков и между ними существует некоторый механизм связи. Существует несколько различных концептуальных моделей для кисти и ряд общих механизмов связи. Кисть рассеивающих диаграмм может быть временной операцией, при которой точки на активном графике сохраняют только свои новые характеристики. В то же время они охватываются или пересекаются кистью, или это может быть постоянная операция, так что точки сохраняют свой новый вид после того, как кисть была убрана. Транзиторная кисть обычно выбирается для связанной кисти, как мы только что описали.
• Painting : Постоянное закрашивание полезно, когда мы хотим сгруппировать точки в кластеры, а затем продолжить использовать другие операции, такие как тур, чтобы сравнить группы. Это становится общепринятой терминологией называть покраской постоянной операции,
• Идентификация : которую также можно назвать маркировкой или кистью меток, это еще одна манипуляция графиком, которая может быть связана. Подведение курсора к точке или краю диаграммы рассеяния или к полосе в столбчатой ​​диаграмме приводит к появлению метки, которая идентифицирует элемент графика. Она широко доступна во многих интерактивных графиках и иногда называется mouseover.
• Масштабирование : отображает данные в окне, а изменения в области. Функция отображения помогает нам узнать разные вещи из одного и того же графика. Масштабирование обычно используется для увеличения переполненных областей диаграммы рассеяния, а также может использоваться для изменения соотношения сторон графика, чтобы выявить различные особенности данных.
• Связывание : связывает элементы, выбранные на одном графике, с элементами на другом графике. Самый простой вид связывания, один к одному, где оба графика показывают разные проекции одних и тех же данных, и точка на одном графике соответствует ровно одной точке на другом. При использовании площадных графиков зачистка любой части области имеет тот же эффект, что и зачистка всей области, и эквивалентна выбору всех случаев в соответствующей категории. Даже когда некоторые элементы графика представляют более одного случая, базовое правило связывания все равно связывает один случай на одном графике с тем же случаем на других графиках. Связывание также может быть по категориальной переменной, например по идентификатору субъекта, так что все значения данных, соответствующие этому субъекту, выделяются на всех видимых графиках.

Существуют различные подходы к области визуализации данных. Один из них, как правило, фокусируется на представлении информации, например, Фридман (2008). Френдли (2008) предполагает две основные части визуализации данных: статистическую графику и тематическую картографию . ^[61] В этой же строке статья «Визуализация данных: современные подходы» (2007) дает обзор семи тем визуализации данных: ^[62]

• Статьи и ресурсы
• Отображение связей
• Отображение данных
• Отображение новостей
• Отображение веб-сайтов
• Карты разума
• Инструменты и услуги

Все эти предметы тесно связаны с графическим дизайном и представлением информации.

С другой стороны, с точки зрения компьютерной науки , Фриц Х. Пост в 2002 году разделил эту область на подобласти: ^{[27] [63]}

• Визуализация информации
• Методы и архитектуры взаимодействия
• Методы моделирования
• Методы мультиразрешения
• Алгоритмы и методы визуализации
• Объемная визуализация

В Harvard Business Review Скотт Беринато разработал структуру подхода к визуализации данных. ^[64] Чтобы начать мыслить визуально, пользователи должны рассмотреть два вопроса: 1) Что у вас есть и 2) Что вы делаете. Первый шаг — определить, какие данные вы хотите визуализировать. Это данные, такие как прибыль за последние десять лет или концептуальная идея, например, как структурирована конкретная организация. Как только на этот вопрос получен ответ, можно сосредоточиться на том, пытаются ли они передать информацию (декларативная визуализация) или пытаются что-то выяснить (исследовательская визуализация). Скотт Беринато объединяет эти вопросы, чтобы дать четыре типа визуальной коммуникации, каждый из которых имеет свои собственные цели. ^[64]

Эти четыре типа визуальной коммуникации следующие:

• Иллюстрация идеи (концептуальная и декларативная). ^[64]
  • Используется для обучения, объяснения и/или просто концепций. Например, организационные схемы и деревья решений.
• Генерация идей (концептуальных и исследовательских). ^[64]
  • Используется для открытия, внедрения инноваций и решения проблем. Например, доска после мозгового штурма.
• Визуальное открытие (на основе данных и исследовательское). ^[64]
  • Используется для выявления тенденций и осмысления данных. Этот тип визуализации чаще встречается в случае больших и сложных данных, когда набор данных неизвестен, а задача не имеет четких границ.
• повседневная визуализация данных (управляемая данными и декларативная). ^[64]
  • Самый распространенный и простой тип визуализации, используемый для подтверждения и установки контекста. Например, линейный график ВВП с течением времени.

Визуализация данных и информации находит применение в таких областях, как: ^[20]

• Научные исследования
• Электронные библиотеки
• Сбор данных
• Информационная графика
• Анализ финансовых данных
• Здравоохранение ^[65]
• Маркетинговые исследования
• Контроль производства продукции
• Картографирование преступлений
• Электронное управление и моделирование политики
• Цифровые гуманитарные науки
• Искусство данных

Известные академические и отраслевые лаборатории в этой области:

• Adobe Исследования
• Исследования IBM
• Исследования Google
• Исследования Майкрософт
• Программное обеспечение Panopticon
• Институт научных вычислений и обработки изображений
• Программное обеспечение Tableau
• Лаборатория взаимодействия человека и компьютера Мэрилендского университета

Конференции в этой области, ранжированные по значимости в исследованиях визуализации данных, ^[66] :

• IEEE Visualization : Ежегодная международная конференция по научной визуализации, визуализации информации и визуальной аналитике. Конференция проводится в октябре.
• ACM SIGGRAPH : Ежегодная международная конференция по компьютерной графике, проводимая организацией ACM SIGGRAPH. Даты проведения конференции меняются.
• Конференция по человеческому фактору в вычислительных системах (CHI) : ежегодная международная конференция по взаимодействию человека и компьютера, организованная ACM SIGCHI . ​​Конференция обычно проводится в апреле или мае.
• Eurographics : Ежегодная общеевропейская конференция по компьютерной графике, проводимая Европейской ассоциацией компьютерной графики. Конференция обычно проводится в апреле или мае.

Дополнительные примеры см. в разделе: Категория:Организации компьютерной графики

This section may lend undue weight to certain ideas, incidents, or controversies. Please help to create a more balanced presentation. Discuss and resolve this issue before removing this message. (February 2021)

This section does not cite any sources. Please help improve this section by adding citations to reliable sources. Unsourced material may be challenged and removed. (March 2022) (Learn how and when to remove this message)

Архитектура представления данных ( DPA ) — это набор навыков, направленных на идентификацию, определение местоположения, обработку, форматирование и представление данных таким образом, чтобы оптимально передавать смысл и необходимые знания.

Исторически термин « архитектура представления данных» приписывается Келли Лаутту: ^[a] «Архитектура представления данных (DPA) — это редко применяемый набор навыков, критически важный для успеха и ценности бизнес-аналитики . Архитектура представления данных объединяет науку о числах, данных и статистике в извлечении ценной информации из данных и превращении ее в пригодную для использования, релевантную и применимую на практике с искусством визуализации данных, коммуникаций, организационной психологии и управления изменениями , чтобы предоставить решениям бизнес-аналитики объем данных, сроки поставки, формат и визуализации, которые будут наиболее эффективно поддерживать и направлять операционное, тактическое и стратегическое поведение к понятным бизнес- (или организационным) целям. DPA не является ни ИТ-, ни бизнес-навыками, а существует как отдельная область знаний. Архитектура представления данных, которую часто путают с визуализацией данных, — это гораздо более широкий набор навыков, который включает определение того, какие данные, по какому графику и в каком точном формате должны быть представлены, а не просто наилучший способ представления данных, который уже выбран. Навыки визуализации данных являются одним из элементов DPA».

DPA преследует две основные цели:

• Использовать данные для предоставления знаний максимально эффективным способом (минимизировать шум, сложность и ненужные данные или детали с учетом потребностей и ролей каждой аудитории)
• Использовать данные для предоставления знаний наиболее эффективным способом (предоставлять каждому члену аудитории актуальные, своевременные и полные данные в ясной и понятной форме, которая передает важное значение, является применимой на практике и может повлиять на понимание, поведение и решения)

Учитывая вышеизложенные цели, фактическая работа по архитектуре представления данных состоит из:

• Создание эффективных механизмов доставки для каждого члена аудитории в зависимости от его роли, задач, местоположения и доступа к технологиям
• Определение важного смысла (релевантных знаний), которые необходимы каждому члену аудитории в каждом контексте
• Определение необходимой периодичности обновления данных (актуальности данных)
• Определение правильного времени представления данных (когда и как часто пользователю необходимо видеть данные)
• Поиск нужных данных (предметная область, исторический охват, широта, уровень детализации и т. д.)
• Использование соответствующего анализа, группировки, визуализации и других форматов представления

Работа DPA имеет общие черты с рядом других областей, включая:

• Бизнес-анализ при определении бизнес-целей, сборе требований, картировании процессов.
• Улучшение бизнес-процессов, поскольку его целью является улучшение и оптимизация действий и решений для достижения бизнес-целей.
• Визуализация данных заключается в том, что она использует устоявшиеся теории визуализации для добавления или подчеркивания смысла или важности в представлении данных.
• Цифровые гуманитарные науки изучают более тонкие способы визуализации сложных данных.
• Информационная архитектура , однако информационная архитектура фокусируется на неструктурированных данных и поэтому исключает как анализ (в смысле статистики/данных), так и прямое преобразование фактического контента (данных для DPA) в новые сущности и комбинации.
• HCI и проектирование взаимодействия , поскольку многие принципы проектирования интерактивной визуализации данных были разработаны на междисциплинарном уровне с использованием HCI.
• Визуальная журналистика и журналистика, основанная на данных , или журналистика данных : Визуальная журналистика занимается всеми типами графического упрощения повествования новостных историй, а журналистика, основанная на данных, и журналистика данных не обязательно рассказываются с помощью визуализации данных. Тем не менее, область журналистики находится на переднем крае разработки новых визуализаций данных для передачи данных.
• Графический дизайн , передача информации посредством стиля, типографики, расположения и других эстетических аспектов.

This "Further reading" section may need cleanup. Please read the editing guide and help improve the section. (April 2022) (Learn how and when to remove this message)

• Хили, Киран (2019). Визуализация данных: практическое введение . Princeton University Press. ISBN 978-0-691-18161-5.
• Вилке, Клаус О. (2018). Основы визуализации данных. O'Reilly. ISBN 978-1-4920-3108-6.
• Эвергрин, Стефани (2016). Эффективная визуализация данных: правильная диаграмма для правильных данных . Sage. ISBN 978-1-5063-0305-5.
• Тафте, Эдвард Р. (2015). Визуальное отображение количественной информации (2-е изд.). Graphics Press. ISBN 9780961392147.
• Кава Надзэми (2014). Адаптивная семантическая визуализация Ассоциации Eurographics.
• Few, Stephen (2012). Покажите мне цифры: разработка таблиц и графиков для просвещения (2-е изд.). Analytics Press. ISBN 9780970601971. OCLC  795009632.
• Уилкинсон, Лиланд (2012). Грамматика графики . Springer. ISBN 978-1-4419-2033-1.
• Мацца, Риккардо (2009). Введение в визуализацию информации . Springer. ISBN 9781848002180. OCLC  458726890.
• Андреас Керрен, Джон Т. Стаско, Жан-Даниэль Фекете и Крис Норт (2008). Визуализация информации – проблемы и перспективы, ориентированные на человека. Том 4950 LNCS State-of-the-Art Survey, Springer.
• Спенс, Роберт Визуализация информации: дизайн для взаимодействия (2-е издание) , Prentice Hall, 2007, ISBN 0-13-206550-9 . 
• Джеффри Хир, Стюарт К. Кард , Джеймс Ландей (2005). "Prefuse: набор инструментов для интерактивной визуализации информации" Архивировано 12 июня 2007 г. в Wayback Machine . В: ACM Human Factors in Computing Systems CHI 2005.
• Пост, Фриц Х.; Нильсон, Грегори М.; Бонно, Жорж-Пьер (2003). Визуализация данных: современное состояние . Springer. ISBN 978-1-4613-5430-7.
• Бен Бедерсон и Бен Шнейдерман (2003). Искусство визуализации информации: чтения и размышления. Морган Кауфманн.
• Колин Уэр (2000). Визуализация информации: восприятие для дизайна. Морган Кауфманн.
• Стюарт К. Кард , Джок Д. Маккинли и Бен Шнейдерман (1999). Чтения по визуализации информации: использование видения для мышления, издательство Morgan Kaufmann.
• Кливленд, Уильям С. (1993). Визуализация данных. Hobart Press. ISBN 0-9634884-0-6.
• Швабиш, Джонатан А. 2014. «Руководство экономиста по визуализации данных». Журнал экономических перспектив , 28 (1): 209–34.

На Викискладе есть медиафайлы по теме «Визуализация данных» .

• Вехи в истории тематической картографии, статистической графики и визуализации данных. Иллюстрированная хронология инноваций Майкла Френдли и Дэниела Дж. Дениса.
• Университет Дьюка-Презентация Кристы Келлехер-Общение с помощью инфографики-визуализация научной и инженерной информации-6 марта 2015 г.