数据可视化的七大趋势

简介:

随着科技的不断进步与新设备的不断涌现,数据可视化领域目前正处在飞速地发展之中。

ProPublica的调查记者兼开发者Lena Groeger,以及金融时报的数据可视化记者Jane Pong在2017年全球深度报道大会上分享了他们对当前数据可视化趋势的一些看法。

1. 玩转地图

Groeger表示,目前的可视化技术水平已经远远超出了Google Maps,而且每天都会出现很多实验性的技术。 “现在你可以用地图来讲故事。例如,蒂姆·华莱士制作的这张地图就根据每个洲的投票情况来展示美国的领土情况。”

56433863cf24e8e7802abd3700c53a6a3cffd6ff

用于描述驾照需求变化的驾照统计地图。

有一些设计师正在尝试通过在地图中添加数据来说明不同区域的统计情况。这对于选举地图来说是一个非常流行技术,但这也适用于其他一些类型的统计。Groeger提到,在华盛顿邮报上曾刊登过一个用于说明新驾照需求的驾照统计地图,这是一个非常不错的例子。

2. 定制数据

Pong表示,尽管记者可以利用的开放数据越来越多,并且这对数据的可视化也是有利的,但这也同时意味着每个记者都在使用相同的数据。要让自己的报道与众不同,就必须要创建自己的数据集。创建自己的数据集的一种方法是将多个数据集组合在一起,但有的时候,最好还是创建自己独特的数据集。

金融时报曾刊载过一篇有关数据驱动的故事和中国熊猫贸易的可视化数据的文章。

4d00bf33bd797073b3a3b935359fc9c32c298586

单词:在电影中最常用的单词

Pong表示,另一种越来越流行的技术是将“非标准数据”变成可用的数据集。这方面的一个例子是Pudding公司提出的电影对话可视化。该项目分析了2000个剧本,并按性别进行划分来创建电影剧本的视觉展示效果。

3. 由你来画

Groeger指出,吸引读者的最有趣的视觉技术之一就是“由你来画”图表,即在向读者展示数据之前首先要求他们进行输入。 “这个技术并不只是向他们展示数据,让他们关注在数据点上,而是鼓励读者首先想象一下数据应该什么样的,即使他们并不知道底层数据的样子。”

548b99bbe5d392365b19567e900d2ac2a8702f5a

由你来画:“泰晤士报”让读者首先在图表上绘制自己的曲线。

“纽约时报”上也曾出现过类似的例子,“家庭收入如何影响孩子上大学的机会”。该文章首先让读者画出家庭收入与上大学之间的关系。一旦读者画出了自己的曲线,真实的数据就会展现出来。另外,读者还可以看到其他读者的预测以及他们是如何比较的。

4. 情感故事

Pong指出:“我们并不是经常把数据和情感放在同一句话中,但是将数据和情感一分为二在很大程度上是错误的。” 她说,数据可视化可用来迎合人们的情感,让他们能够更好认识主题。

Federica Fragapane和Alex Piacentini的“路线背后的故事”就是一个很好的例子,这是一个有关追踪六名寻求庇护者前往意大利的视觉故事。 Pong说:“这只是一份数据,但是它展现出了很多的细节,并鼓励读者参与到故事中来。”

3e2aa656e98647811dc61bffa7fa46166645b788

画一条线:“路线背后的故事”,追踪寻求庇护者的旅行

同样的,华盛顿邮报的“性别薪酬差异”采用了相对抽象的数据集,并将其可视化,以使得数据的现实意义变得更加明显。而英国“金融时报”的“Uber游戏”则邀请读者来认识Uber司机,因为他们在零工经济中扮演了工人的角色。

5. 响应式设计

Pong表示,越来越多的数据可视化设计人员需要考虑他们的作品如何在移动设备上展现。有一种方法是为桌面提供完整、详细的可视化,然后为移动设备将图形分解为一些基本的图形,并用不同的数据表现出来。

国家地理在“苏格兰的荒野”中使用了这种技术。在桌面版本中有一个包含多层数据的苏格兰高度详细的地图。而在移动设备上,大地图被分成多个基础地图,每个地图展现的数据不同。

金融时报的“一带一路”则使用了不同的技术。它的桌面版本把屏幕分成了左右两部分,左侧的地图会随着浏览器的滚动而改变。而在移动设备上,地图固定在屏幕的顶部,随着浏览器的滚动而变化。

Pong说:“目前,在移动设备上实现可视化仍然非常困难,但是它一直都在不断地发展,人们研究新技术的脚本不会停止。”

6. 简单,简单,再简单

美国的死亡:泰晤士报有关大量枪杀案的社论

Groeger指出,数据可视化的趋势之一就是简化。 “在某些方面,这可能是对疯狂、复杂的可视化的一种解决方案。而且,简单的可视化效果在手机上的效果往往更好。” 纽约时报的“有关美国大量枪击案的社论”就是一个很好的例子。该图形由存在枪击案的月份组成,并突出显示有枪击案的那一天。 Groeger说:“日历是数据可视化简单而又强大的表现方式。 这是泰晤士报的一篇社论,这张图说明了可以将数据压缩成一张图表,并表达出作者的观点。”


7. 小图和GIF动画

ef7445e3a7a548a3efb0b62d7c22501f16cb49b2

Groeger说,小图是以可视方式呈现数据的一种有趣的方式。 “利用这种技术,同样的图像会一遍又一遍地重复(使用不同的数据),这样大脑就可以呈现出微小的变化。”

23f5a448b4769920edff38606cda79e0d8f5508b

伤害:泰晤士报上刊登的“脑损伤”

纽约时报的“足球运动员的脑部伤害”使用了这种技术,110名足球运动员的大脑并排显示在一起,因此,它们之间的变化很容易看出来。

Groeger指出,虽然大多数的数据可视化涉及到复杂的编程,但Gif也可以是一个有用的表示工具。 Gif是一种简单易懂的概念解释方法。科学杂志的“鸡蛋”使用了很多循环播放的Gif动画来解释鸡蛋是如何滚动的、不同钙含量的鸡蛋的形状有何不同等问题。


原文发布时间为:2018-10-30

本文作者:Alastair Otter

本文来自云栖社区合作伙伴“大数据地盘”,了解相关信息可以关注“大数据地盘”。

相关文章
|
数据采集 数据可视化 数据挖掘
【大数据分析方面的经验和技能】数据可视化、数据报表和预测分析
【大数据分析方面的经验和技能】数据可视化、数据报表和预测分析
139 0
|
数据可视化 数据挖掘 Python
数据分析案例-往届世界杯数据可视化
数据分析案例-往届世界杯数据可视化
616 0
数据分析案例-往届世界杯数据可视化
|
人工智能 移动开发 数据可视化
欢迎进入 2020 数据可视化智能研发时代
数据时代一个显著特征是数据可视化的崛起,被誉为大数据分析应用领域里的最后一公里,数据可视化将数据分析、工程技术与设计艺术结合,借助图形化的手段,用比文字快十倍甚至万倍的速度清晰有效地传达信息,让人们可以利用人类经历漫长进化得来的强大视觉化思考本能去对所呈现数据进行挖掘、整合,得以辅助分析和决策。
欢迎进入 2020 数据可视化智能研发时代
|
1月前
|
数据可视化 数据挖掘 新能源
2024年五大备受瞩目的数据可视化工具推荐
在当今数据驱动的时代,数据可视化工具已成为各行各业不可或缺的助手。这些工具不仅能够帮助用户更好地理解和分析数据,还能将数据转化为洞察,从而支持更明智的决策。以下是2024年五大备受瞩目的数据可视化工具推荐,每款工具都有其独特的优势和适用场景。
|
4月前
|
数据采集 人工智能 数据可视化
云上数据可视化:解锁数据价值,洞见未来趋势
五、未来展望 随着技术的不断进步和应用场景的不断拓展,云上数据可视化将迎来更加广阔的发展前景。未来,云上数据可视化将更加注重数据的实时性、交互性和智能化。同时,随着人工智能、大数据等技术的深度融合,云上数据可视化将更加
309 7
|
4月前
|
机器学习/深度学习 人工智能 数据可视化
大数据时代的数据可视化技术:趋势、挑战与未来展望
【7月更文挑战第22天】随着技术的不断进步和应用场景的不断拓展,数据可视化技术将在更多领域发挥更大的作用。未来,我们可以期待更加智能化、实时化、沉浸式和民主化的数据可视化解决方案的出现。同时,随着数据量的不断增加和数据类型的不断丰富,数据可视化技术也将面临更多的挑战和机遇。只有不断创新和优化技术才能满足日益增长的需求并推动数据可视化技术的持续发展。
|
6月前
|
SQL 数据可视化 大数据
数据可视化系列-01大数据可视化基础
数据可视化系列-01大数据可视化基础
数据可视化系列-01大数据可视化基础
|
数据采集 存储 分布式计算
【数据可视化】数据可视化之美——用专家的眼光洞察数据
【数据可视化】数据可视化之美——用专家的眼光洞察数
255 0
【数据可视化】数据可视化之美——用专家的眼光洞察数据
|
前端开发 数据可视化 定位技术
数据可视化之下发图实践
随着互联网的快速发展,数据维度越来越广,呈现形式也越发丰富,具有多维度数据特点的相关业务实践都能通过可视化图表来展示,比如个推的下发图,从时间和区域两个维度,可以即时、直观地展现个推数据下发的过程。
1640 0
|
监控 数据挖掘
数据分析必会的六大实用模型
对于刚刚接触数据分析的人来说,经常会有这样的困惑和疑问:数据分析究竟难不难?难的话难在哪?为什么有时候作分析不知道从何下手,只能眉毛胡子一把抓? 其实就连我这种已经在数据分析行业浸淫十几年的老油条,有时候做起分析来也会手忙脚乱,根本原因就在于没有抓住数据分析的本质,我们是为了用大量数据去分析、解释和预测基于数据的事实,你首先要明白自己做数据分析的目的是什么,是为了描述事件分析?还是为了预测?又或者是做规范性分析? 按照我的经验来说,掌握数据分析方法有一条好的捷径——套用分析模型,对新手来说几乎是百试百灵,只要掌握了下面几个分析模型,基本上可以应对工作中的所有业务分析场景。
下一篇
无影云桌面