开发者社区> 小旋风柴进> 正文

2016年研究数据可视化最不应该错过的10篇文章

简介: 2016年是数据可视化渐趋成熟的一年,越来越多的领域开始认识到数据可视化的重要性。同样在这一年,涌现出了大量关于数据可视化的文章,其中不乏富有创见性的观点和研究。我们选出了以下10篇最具启发性的文章,并给出了简短的介绍和评述。
+关注继续查看

640?wx_fmt=png

2016年是数据可视化渐趋成熟的一年,越来越多的领域开始认识到数据可视化的重要性。同样在这一年,涌现出了大量关于数据可视化的文章,其中不乏富有创见性的观点和研究。我们选出了以下10篇最具启发性的文章,并给出了简短的介绍和评述。



1 —用30分钟回顾过去的39项图像感知研究


Kennedy Elliott


过去的许多年里我一直在想,在人类对图像认知过程的相关科学研究中,我们到底得到了哪些有用的结论?在搜集并阅读了大量资料后,我逐渐深入地认识到这项研究涉及的领域之广。


640?wx_fmt=png


这是一篇对数据可视化基础研究极其有价值的编译整合文章,几乎所有可视化涉及的原理基础都可以在这篇文章中找到。


文章链接:https://www.perceptualedge.com/blog/?p=2258https://medium.com/@kennelliott/39-studies-about-human-perception-in-30-minutes-4728f9e31a73#.a7wb2x6xt


2 —使从业者受益的信息可视化研究项目 


Stephen Few


我说过要整理一份潜在研究项目列表,其将涵盖目前数据可视化业界所面临的问题与困难,以及急需解决的课题。现在这份列表已经列入了33项研究,我也会持续关注前沿动态和现有研究的进度,以帮助从业者了解最新的研究成果,并运用到实践中去。


和第1篇总结了39项可视化研究成果的文章相比,这份列表关注了更多目前仍旧困扰着数据可视化从业者的开放式的问题。这些问题限制和影响着可视化行业在应用层面的实践,不过Stephen的这篇文章或许能加速问题的解决,推动业界实实在在的进步。


文章链接:https://www.perceptualedge.com/blog/?p=2258


3 —使用24个工具创建同一个图表,其中我发现了什么


Lisa Charlotte Rost


世界上没有完美的数据可视化工具,只有完美配适使用目标的工具。数据可视化是一个被许多分支学科使用的工具性学科:科学、商业、新闻等等,不同学科出于迥异的目的使用数据可视化工具。即使仅仅在数据新闻领域,使用数据可视化的目的可能也完全不同。没有什么万全的工具可以满足所有这些需求。


640?wx_fmt=png


Lisa一直是可视化领域中一支最富创造性的声音。在这篇文章中,她总结升华了此前系统测评过的24款数据可视化工具,可以帮助从业者提高可操作性,节省挑选和熟悉工具的过程所花费的大量时间和精力。


文章链接:https://source.opennews.org/en-US/articles/what-i-learned-recreating-one-chart-using-24-tools/


4 —数据可视化清单 2016版


Ann K. Emery & Stephanie Evergreen


这份数据可视化清单包含了制作简单高效图表所需的基础技术。我们将这些核心内容整理在了一个文档中,以便设计师在工作中能及时有效地查看所有可行的策略。你需要做的就是将这些技术内化,并熟练运用在内容呈现和传播的过程中。


Ann和Stephanie同样是可视化领域富有创见的作者,他们每年都会重新修订并更新这份可视化的技术清单。鉴于目前可见的数据可视化作品的质量参差不齐,绝大多数都难以真正划为数据可视化作品,优秀的内容更是少之又少。这份清单或许可以帮助从业者,产出更专业的作品。


文章链接:https://source.opennews.org/en-US/articles/what-i-learned-recreating-one-http://annkemery.com/checklist/chart-using-24-tools/


5 —数据可视化的未来在哪里? 


Christian Thumer


随着数据大环境以前所未有的速度发展着,数据可视化的趋势也一直在改变。我整理总结了过去五年多的时间里数据可视化领域出现过的思想和趋势,无论是否依旧适用,对于当下都有一些启发。


Christian辨析了数据可视化的概念,并从其定制化、连接性和复杂性探究了它的未来。其中复杂性尤为受到作者的关注:他认为数据可视化不应该被当作“简化数据”的方式,通过可视化的图像我们可以简化复杂的数据,这其实是一个普遍的误解,甚至还有人声称可视化设计师都应该遵守一个“三秒原则”,即只需3秒钟读者就能获取图表的全部意义。其实可视化是一个解释数据的强有力武器,它可以将庞杂繁复的数据梳理得井井有条,而并非简化得只剩3秒钟的信息。 


文章链接:https://source.opennews.org/en-US/articles/what-i-learned-recreating-one-http://annkemery.com/checklist/chart-usinghttps://medium.com/signal-noise/data-visualisation-what-s-next-8a19d07e219e#.euk8qz6sn-24-tools/


6 —数据可视化:为决策提供依据


Imogen Robinson/SciDev.Net


这份报告基于数据可视化生产过程,以及更广泛的数据新闻领域,总结了泛研究领域带来的经验和见解。帮助研究人员、研究交流者和新闻记者在使用数据可视化技术时,做出更为明智的决策。

0?


这是我在今年读到的最有力的一篇文章,SciDev.Net网站动用了大量资源来整理和综述了数据可视化在科学探索中发挥的作用。虽然它的着眼点是数据新闻记者和研究者,文章中也探讨了数据伦理、观众的视觉素养等更为宏大的问题,其内容也足矣给数据从业者以启示。 


文章链接:https://social.shorthand.com/SciDevNet/3geA2Kw4B5c/data-visualisation-contributions-to-evidence-based-decision-making


7 —数据的伦理问题:如何优雅地完成可视化


Matt Stempeck


上周五我参加了第二个“有责任感的数据”论坛……这次会议讨论的数据可视化对社会的作用没有让人失望。一开始我们进行了经典的“贴标签头脑风暴”游戏,来探讨数据可视化所有潜在的用处,会场上的人们来自各行各业,有着丰富的研究和从业经历,现场迸发的灵感令人十分惊叹。


0?


基于“数据的伦理”主题,作者Matt的文章总结了一些列对数据可视化未来愿景的讨论和头脑风暴。几十条从业者值得关注和反思的话题在文章中列出,另外还附上了相关话题讨论的网站链接。这篇文章告诉我们的是,在未来的工作中我们需要考虑的还有很多很多。


文章链接:http://blogs.microsoft.com/newyork/2016/01/20/dataviz-for-good-how-to-ethically-communicate-data-in-a-visual-manner-rdfviz/


8 —那些有用的可视化


Scott Berinato


视觉沟通并非一个孤立的过程,而是一系列看似完全不同的部分共同作用的结果,如果你能意识到这一点或许能进行更为有效而成功的沟通。下面这个坐标系就解释了这样的视觉沟通过程:计划性、资源和技巧的共同作用。


0?


随着数据可视化在商业领域的广泛运用,Scott注意到了这样的趋势并建立了一个优化模型:怎样高效、准确地建立有吸引力的可视化作品。这个模型可以很好地帮助设计师完成不同需求的可视化设计,创造出意图和最终达成的效果一致的可视化作品。


文章链接:https://hbr.org/2016/06/visualizations-that-really-work


9 —叙述方式在数据作品中的作用


Shawn Callahan


下面这个框架分析了叙述方式在数据分析过程中发挥了什么样的作用,无论你是科学工作者、营销人员、工程师或者政策制定者,这个框架对于个人或是组织都会有所帮助。因为在各个领域遇到的挑战都是相似的:如何在海量的数据中获得启发,并且用最好的方式呈献给读者。


640?wx_fmt=png


这篇文章虽然并不局限于数据呈现的可视化领域, 但是其对于叙述方式在数据呈现之前,以及表达的过程中发挥的作用,进行了较为系统的分析和阐述。作者Shawn回顾了多种表达方式在触发和建立读者与数据关系中的表现,对于数据分析作品的创作很有借鉴意义。


文章链接:http://www.anecdote.com/2016/08/stories-data-storytelling/


10 —字体数据可视化的设计空间


Richard Brath


在字体上做文章来进行数据可视化有很多潜在的可能,其中一种方法就是首先分解出多个可操作的元素,然后再将可视化的设计装配与其上。


640?wx_fmt=png


很少有作者将文本本身作为可视化的对象,并进行如此深入的研究,这篇文章会让读者意识到一直以来我们都低估了文字的可视化潜力,如果能将这种最基础和原始的形式充分利用,其效果不仅不输纯图表,还会令人眼前一亮。

原文发布时间为:2017-02-05

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
可视化解释11种基本神经网络架构
随着深度学习的飞速发展,已经创建了完整的神经网络体系结构主机,以解决各种各样的任务和问题。 尽管有无数的神经网络架构,但对于任何深度学习工程师来说,这里有11种必不可少的知识,它们分为四大类:标准网络,递归网络,卷积网络和自动编码器。
787 0
Charted – 自动化的可视化数据生成工具
  Charted 是一个让数据自动生成可视化图表的工具。只需要提供一个数据文件的链接,它就能返回一个美丽的,可共享的图表。Charted 不会存储任何数据。它只是获取和让链接提供的数据可视化。     在线演示      插件下载   您可能感兴趣的相关文章 网站开发中很有用...
816 0
ML之FE:对人类性别相关属性数据集进行数据特征分布可视化分析与挖掘
ML之FE:对人类性别相关属性数据集进行数据特征分布可视化分析与挖掘
74 0
JSP第四篇【EL表达式介绍、获取各类数据、11个内置对象、执行运算、回显数据、自定义函数、fn方法库】
什么是EL表达式? 表达式语言(Expression Language,EL),EL表达式是用"${}"括起来的脚本,用来更方便的读取对象! EL表达式主要用来读取数据,进行内容的显示! 为什么要使用EL表达式? 为什么要使用EL表达式,我们先来看一下没有EL表达式是怎么样读取对象数据的吧! 在1.
1168 0
算法博士平均月入4万,数据可视化技能全球吃香 | 2020年《顶级数据团队建设全景报告》重磅发布
算法博士平均月入4万,数据可视化技能全球吃香 | 2020年《顶级数据团队建设全景报告》重磅发布
33 0
U-Time巡回完美收官 演讲嘉宾干货分享:数据篇
导读:“如何开展更贴近业务的数据分析,如何更高效的进行垂直化运营”这是很多企业面临的问题,绕不开的一道坎。日前,【友盟+】U-Time巡回沙龙于7月12日落下帷幕,解答了该问题。 5位【友盟+】产品专家、9位知名企业嘉宾、2000+位参会者,相聚上海、杭州、深圳、广州四座城市,共同探讨了“更懂业务的数据运营新玩法”。 来源:【友盟+】
1455 0
一文彻底搞懂BP算法:原理推导+数据演示+项目实战(上篇)
欢迎大家关注我们的网站和系列教程:http://www.tensorflownews.com/,学习更多的机器学习、深度学习的知识! 反向传播算法(Backpropagation Algorithm,简称BP算法)是深度学习的重要思想基础,对于初学者来说也是必须要掌握的基础知识!本文希望以一个清晰的脉络和详细的说明,来让读者彻底明白BP算法的原理和计算过程。
3262 0
2735
文章
6591
问答
来源圈子
更多
+ 订阅
文章排行榜
最热
最新
相关电子书
更多
JS零基础入门教程(上册)
立即下载
性能优化方法论
立即下载
手把手学习日志服务SLS,云启实验室实战指南
立即下载