Таня Мисютина — Единственный и неповторимый: алгоритм визуализации сложных данных

• Таня Мисютина рассказывает о визуализации данных.  

• Таня посвятила много лет и времени изучению и преподаванию этой темы.  

• Она стремится создать пошаговый метод визуализации данных.  

• Таня объясняет, что самое сложное в её методе - это не сам процесс, а его объяснение.  

• Она переживает, что не сможет объяснить всё за короткое время.  

• Главная ценность её выступления - обратная связь от слушателей.  

• Алгоритм состоит из пяти шагов.  

• Первые два шага не связаны с представлением данных на экране.  

• Следующие три шага - это итеративный процесс работы с графическими объектами.  

• Данные хранятся в базах данных и часто представлены в виде таблиц.  

• Таблицы удобны, но скрывают сложность данных.  

• Первый шаг алгоритма - описать реальность данных, чтобы увидеть целостную картину.  

• Важно увидеть процессы, порождающие данные.  

• Воображение помогает представить, что происходит в реальности.  

• После этого данные фиксируются и описываются.  

• Для визуализации данных нужен микро-взгляд.  

• Реальность данных можно разбить на "частицы данных".  

• Эти частицы помогают выстроить целостную картину данных.  

• Частицы данных позволяют управлять монолитной реальностью данных.  

• Можно считать любые свойства других сущностей, опираясь на частицы данных.  

• Частицы данных делают данные управляемыми и глобальными.  

• Перенос частиц данных на экран позволяет визуализировать их.  

• Можно показать сотни тысяч сущностей на экране.  

• Визуальные атомы делают абстрактные сущности осязаемыми.  

• Визуальные атомы, такие как черная точка, делают данные осязаемыми.  

• Графические примитивы могут передавать свойства данных.  

• Примеры графических примитивов: точка, черточка, круг, фигура.  

• Визуальные атомы позволяют проявлять свойства данных на экране.  

• Можно использовать разные визуальные атомы для разных свойств.  

• Примеры: круг для качественных и количественных свойств.  

• Пример компании с мужчинами и женщинами с разной зарплатой.  

• Использование пиктограммы для визуализации компании.  

• Переход к четвертому шагу: использование горизонталей и вертикалей для полного задействования экрана.  

• Данные можно упорядочить вдоль оси, используя три способа: рядышком, по отсекам и по координатам.  

• Пример с сотрудниками: сортировка по возрасту для отображения зарплаты.  

• Важно уловить принципы, а не удивлять большими объемами данных.  

• Использование горизонтали и вертикали для разных параметров данных.  

• Пример: отсеки по возрасту и рядышком по зарплате.  

• Возможность показать четыре параметра данных на одной диаграмме.  

• Хитмап для анализа средней зарплаты по должности и возрасту.  

• Разброс по возрасту и росту для наглядного представления данных.  

• Возможность использовать любой параметр на любой оси.  

• Добавление временных отрезков для отображения динамики зарплат.  

• Использование графических объектов для отображения переходов между должностями.  

• Подход к визуализации данных с единой логикой.  

• Каркас как основа для упорядочивания данных.  

• Возможность комбинировать каркасы для гибкости и контроля.  

• Интерфейс управления данными и интерфейсом представления данных.  

• Пример с московским марафоном для демонстрации возможностей визуализации.  

• Интерфейс управления данными и интерфейсом представления данных.  

• Важность управления выборкой и представлением данных.  

• Пример: финишный протокол московского марафона.  

• Реальность данных: множество спортсменов разного пола и возраста.  

• Визуализация отражает реальность данных, показывая спортсменов на маршруте.  

• Важность описания реальности данных.  

• Использование глаголов для создания связанного текста.  

• Описание помогает прояснить данные и выявить новые факты.  

• Выделение значимого события или объекта.  

• Пример: бегуны как разноцветные точки.  

• Визуализация показывает бегунов на маршруте.  

• Показ погоды и высотного профиля.  

• Диаграммы пола и возраста.  

• Распределение по времени финиша.  

• Возможность выбора возрастной группы и конкретных бегунов.  

• Перенос данных на экран для фиксации событий.  

• Благодарности от участников марафона.  

• Визуализация данных для подготовки к экзамену.  

• Реальность данных: пользователи отвечают на вопросы.  

• Частица данных: попытка ответа.  

• Визуализация первых попыток ответов.  

• Анализ доли ошибок с первого раза.  

• Улучшение результатов со второй попытки.  

• Оценка эффективности тренажера после нескольких попыток.  

• Выводы о необходимости прохождения тренажера для успешной сдачи экзамена.  

• С седьмой попытки доходят до конца только 1000 человек.  

• Некоторые вопросы вызывают ошибки с вероятностью почти 30%.  

• Инструмент помогает вычленять каверзные вопросы благодаря анализу попыток.  

• Алгоритм работает не только на визуализациях, но и на обычных данных.  

• Пример с дашбордом службы доставки посылок.  

• Посылки проходят через таможню, что влияет на время доставки.  

• Посылки из Австралии отправляются партиями в разные города России.  

• На таможне посылки разделяются и оформляются отдельно.  

• График показывает среднее время доставки по партиям.  

• Алгоритм позволяет анализировать отдельные посылки.  

• График показывает разброс времени доставки для каждой посылки.  

• Добавлены статистические ящики для отображения среднего и разброса.  

• Возможность выбора городов для анализа.  

• График показывает время доставки в Москву, Петербург и Минск.  

• Сравнение времени доставки в разные города.  

• Посылки делятся на проходящие таможню с пошлиной и без.  

• График показывает медианы времени по разным этапам.  

• Возможность выбора и анализа времени доставки на каждом этапе.  

• График времени доставки по конкретным посылкам.  

• Позволяет выявлять посылки, которые портят статистику.  

• Единый инструмент анализа с единой логикой.  

• Реальность данных - это целостная картина, необходимая для связанности и целостности визуализации.  

• Описывается текстом с перечислением сущностей и связыванием их глаголами действия.  

• Выделяется частица данных - строительный кирпичик реальности данных, описываемый словом.  

• Визуальный атом - графический примитив, кодирующий частицу данных и ее свойства.  

• Каркас упорядочивает частицы данных на экране, проявляя больше измерений данных.  

• Интерфейс управления данными и интерфейсом управления представлением позволяет управлять визуализацией.  

• Вопрос о применении инструментов типа Figma в секторе здравоохранения.  

• Рекомендация использовать Tabo для визуализации данных.  

• Пример проекта по марафону и использование проксимации для построения маршрута.  

• Самые крутые визуализации по COVID-19 сделаны Сергеем Кашиным.  

• Совместная визуализация с Сергеем Кашиным, нестандартный формат представления данных.  

• Вопрос о том, как определить частицу данных, и важность описания реальности данных.  

• Важно описывать реальность данных и внимательно перечитывать.  

• Проверка, насколько сущность раскладывается до элементарного уровня.  

• Практика помогает замечать важные объекты и раскладывать их до элементарных уровней.