[1/x] Better Data Visualizations: A Guide for Scholars, Researchers, and Wonks (Рубрика Data)

Читаю эту крутую книгу про то, как правильнее визуализировать данные и радуюсь тому, как автор просто и красиво освещает эту тему. Просто я устал от различных отчетов и графиков, которые часто сопровождают обсуждения важных тем, так как при их создании забывают важные принципы, которые превращают визуализации из загадок и красивых картинок в полезные инструменты для поддержки принятия решений. Здесь я расскажу только про первую главу части "Principles of data visualization", где автор рассказывает Гештальт принципы про то, как работает наша система восприятия информации (и визуализирует эти принципы на картинках)

• Proximity - мы воспринимаем объекты, расположенные близко как группу
• Similarity - мы воспринимаем похожие объекты (цвет, форма, направление) как группу
• Enclosure - замкнутые в фигуру объекты воспринимаются как группа
• Closure - наш мозг игнорирует дырки в данных и дополняет структуру обычно самым простым способом
• Continuity - объекты, выровненные вместе или продолжающие друг друга, воспринимаются как группа. Наш взгляд как бы ищет паттерн для продолжения последовательности
• Connection - соединенные объекты воспринимаются как группа В итоге, мы можем использовать концепцию preattentive processing (преаттентивную обработку) при создании визуализаций, понимая за что цепляется глаз. Так мы можем выделить ту часть изображения, на которую хотим обратить внимание аудитории.

Отдельно автор упоминает про Anscombe's quartet, который показывает как по разному могут выглядеть визуализации распределений, которые обладают средним, дисперсией, корреляцией, одинаковую график дают при линейной регрессии. Но как легко на визуализации видно их отличие. Это показывает, что визуализации дают нам много информации благодаря тому, что наше зрение - отличный инструмент для поиска паттернов:)

Продолжение в следующем посте.

#Infographics #Management #Economics #Leadership #Data