Evaluátorův průvodce vizualizací dat

Transkript

1 Evaluátorův průvodce vizualizací dat Petr Bouchal Evaluace ve světle nových příležitostí,

2 Principy Rozhodování Proč? Pohledy na věc Vizuální prvky Inspirace a zdroje Typy grafů Technologie Dobré praxe a tipy 2

3 Proč vizualizovat Omezení média: vizualizace nabízí vyšší hustotu informací, možnost prozkoumat data Informační overload: vizualizace pomůže zdůraznit to podstatné v přebytku informací 3

4 Proč vizualizovat Čtenář informace rychleji zachytí Lidský mozek si vizuální informace lépe pamatuje Zdroj: Colin Ware. Information Visualization: perception for design John Medina, Brain Rules brainrules.net/vision 4

5 Udělejte zásadní rozhodnutí Proč?! Chci přesvědčit? Ukázat informaci? Vtáhnout diváka do dat? Co chci ukázat? (Data nemluví sama za sebe!) Co chci, aby si divák zapamatoval? Záleží na přesnosti? Kolik má divák času? Jaký je kontext a kolik z něj musí divák znát? 5

6 Zapojte různé pohledy a dovednosti Technologie Design Výzkum Komunikace Zdroj: Jeff Knezovich, Visualising data: both a science and an art, On think tanks onthinktanks.org/2015/05/01/visualising-data-both-a-science-and-an-art/ 6

7 Držte se zásad dobré vizualizace dat Integrita Důraz na data Čitelnost Informativnost Iterace a zlepšování Zdroj: Media Matters, Dishonest Fox Chart: Bush Tax Cut Edition, 2012 mediamatters.org/blog/2012/07/31/dishonest-fox-chart-bushtax-cut-edition/

8 Držte se zásad dobré vizualizace dat Integrita Důraz na data Čitelnost Informativnost Iterace a zlepšování Zdroj: Full Fact, Why don t we know how many migrants are entering and leaving the UK? fullfact.org/immigration/count_people_in_and_out_uk

9 Držte se zásad dobré vizualizace dat Integrita Důraz na data Informativnost Čitelnost Iterace a zlepšování Počet mužu nebo žen na grafu Muži 44 Ženy Zdroj: generátor náhodných čísel MS Excel, červen

10 Držte se zásad dobré vizualizace dat Integrita Od roku 2012 bylo na grafu více mužů počty mužů a žen na grafu, Důraz na data Informativnost Muži 218 Ženy 135 Čitelnost Iterace a zlepšování Zdroj: generátor náhodných čísel MS Excel, červen 2015 Poměr data : inkoust 10

11 Držte se zásad dobré vizualizace dat Integrita Důraz na data Muži od roku 2010 předstihli ženy počty mužů a žen na grafu, Muži 218 Informativnost Čitelnost Ženy 135 Iterace a zlepšování Zdroj: generátor náhodných čísel MS Excel, červen

12 Držte se zásad dobré vizualizace dat Integrita Důraz na data Informativnost Čitelnost Iterace a zlepšování Zdroj: David McCandless, Information is Beautiful, Colours in Culture informationisbeautiful.net/visualizations/colours-in-cultures/ 12

13 Držte se zásad dobré vizualizace dat Integrita Důraz na data Informativnost Čitelnost Iterace a zlepšování Datová hustota Zdroj: Financial Times, Data Blog - EU Unemployment Tracker, 2015 blogs.ft.com/ftdata/2015/04/17/eu-unemployment-tracker/ 13

14 Držte se zásad dobré vizualizace dat Integrita Důraz na data Informativnost Čitelnost Iterace a zlepšování Zdroj: xkcd, xkcd.com/1319/ 14

16 Vizualizaci vystavějte z vhodných prvků Vizuální prvky, které nejlépe znázorní daná data Typ grafu je potřeba vybrat podle účelu vizualizace Doplňkové prvky, které pomáhají čitelnosti a neruší Kontext dokumentu či sdělení, v němž vizualizace funguje 16

17 Vizuální prvky ovliňují sdílnost grafu 17

18 Kolikrát je B větší než A? A B 18

19 Kolikrát je B větší než A? A B 19

20 Kolikrát je B větší než A? B A Zdroj experimentu: Jon Schwabish 20

21 Vizuální prvky se liší mj. přesností Poloha Délka Úhel Plocha Objem Sytost Odstín Tvar Zdroj: William S. Cleveland, Robert McGill, Graphical Perception and Graphical Methods for Analyzing Scientific Data, Science 229: doi.org/ /science

22 nebo výrazností Zdroj: Christopher Healey, Perception in Visualization, Department of Computer Science, North Carolina State University, csc.ncsu.edu/faculty/healey/pp/index.html 22

24 Otázka 2 Otázka 1 Silný nesouhlas Nesouhlas Nevím Souhlas Silný souhlas Zdroj: generátor náhodných čísel MS Excel, červen

25 Otázka 1 Silný Nesouhlas nesouhlas Nevím Souhlas Silný souhlas Otázka 2 80% 60% 40% 20% 0% 20% 40% 60% 80% Zdroj: generátor náhodných čísel MS Excel, červen

26 Sklizeň 2013 Sklizeň 2013 Jablka Jahody Borůvky Třešně Jablka Jahody Borůvky Třešně Zdroj: generátor náhodného ovoce MS Excel, červen

27 Sklizeň 2013 Sklizeň 2013 Jablka 93 Borůvky 70 Jablka Jahody Borůvky Třešně Třešně 96 Jahody 152 Zdroj: generátor náhodného ovoce MS Excel, červen

28 Jahody v roce 2013 tvořily přes 1/3 sklizně Jablka 93 Borůvky Třešně 96 Jahody 152 Zdroj: generátor náhodného ovoce MS Excel, červen

29 Jahody 152 Třešně Jablka Borůvky Zdroj: generátor náhodného ovoce MS Excel, červen

30 Jahody 37% Třešně Jablka 23% 23% Borůvky 17% 0% 5% 10% 15% 20% 25% 30% 35% 40% Zdroj: generátor náhodného ovoce MS Excel, červen

31 Sklizeň 2013 Sklizeň 2014 Jablka 93 Borůvky 70 Jahody Třešně Zdroj: generátor náhodného ovoce MS Excel, červen

32 Sklizeň ovoce Jahody Třešně Jablka Borůvky Zdroj: generátor náhodného ovoce MS Excel, červen

33 Nejvíce vzrostla sklizeň třešní Sklizeň ovoce (kilogramy) Jahody Třešně Jablka Borůvky Zdroj: generátor náhodného ovoce MS Excel, červen

34 Nejvíce vzrostla sklizeň třešní Sklizeň ovoce (kilogramy) Jahody Třešně Jablka Borůvky Zdroj: generátor náhodného ovoce MS Excel, červen

35 Podíl třešní na sklizni se zdvojnásobil Sklizeň ovoce (kilogramy) 37% 2013 Jahody % 23% Třešně 48% 23% Jablka 24% 17% Borůvky 12% 50% 40% 30% 20% 10% 0% 0% 10% 20% 30% 40% 50% Zdroj: generátor náhodného ovoce MS Excel, červen

36 Podíl třešní na sklizni se zdvojnásobil Sklizeň ovoce (kilogramy) Jahody Třešně % 37% % 48% Jablka 23% 24% Borůvky 17% 0% 10% 20% 30% 40% 50% 12% 0% 10% 20% 30% 40% 50% Zdroj: generátor náhodného ovoce MS Excel, červen

37 Nejvíce od roku 2013 vzrostla sklizeň třešní sklizené ovoce (kilogramy) Jahody Třešně Jablka Borůvky

38 Sklizeň ovoce Třešně 199 Jahody 114 Jablka 97 Borůvky Zdroj: generátor náhodných ovocí MS Excel, červen

39 Nejméně se sklidilo borůvek, ale jejich úroda vzrostla sklizené ovoce (kilogramy) Třešně Jahody Jablka Borůvky Zdroj: generátor náhodných ovocí MS Excel, červen

40 small multiples Úroda různých druhů ovoce se liší a u většiny kolísá sklizené ovoce Borůvky Jablka Třešně Jahody Zdroj: generátor náhodného ovoce MS Excel, červen

41 small multiples Úroda různých druhů ovoce se liší a většinou kolísá sklizené ovoce Borůvky Jablka Třešně Jahody Zdroj: generátor náhodného ovoce MS Excel, červen

42 100% 75% Sklizeň ovoce Borůvky Jablka 50% Třešně 25% Jahody 0% Zdroj: generátor náhodných ovocí MS Excel, červen

43 100% 75% Sklizeň ovoce Borůvky Jablka 50% Třešně 25% Jahody 0% Zdroj: generátor náhodných ovocí MS Excel, červen

44 Sparklines Zdroj: Edward Tufte, Beautiful Evidence. 44

45 Zdroj: generátor náhodných statistik MS Excel, červen

46 Počet schválených projektů Q Q Q Q Q Q Q Q Q Q2 Trend v roce 2014 se lišil od předchozích let Počet schválených projektů Q Q Q1 Q2 Q3 Q4 Zdroj: generátor náhodných statistik MS Excel, červen

47 100% 80% 60% 40% Ministerstvo K Ministerstvo Q 20% 0% 0% 20% 40% 60% 80% 100% 47

48 SANKEY PLOT Zdroj: Financial Times online, elections.ft.com/uk/2015/results/ 48

49 60% 50% 40% 30% 20% 10% 0% Ohrožení chudobou Zaměstnaní Nezaměstnaní Ženy Muži Zdroj: generátor náhodných statistik MS Excel, červen

50 Ohrožení chudobou podle zaměstnanosti, 20XX 60% 50% 40% 30% 20% 10% Muži Ženy 0% Zaměstnaní Nezaměstnaní Zdroj: generátor náhodných statistik MS Excel, červen

51 RADAR Zdroj: Stephanie Evergreen stephanieevergreen.com/radar-graphs/ 51

52 11 12 Pšenice Pale Ale Zdroj: Pivovar Hostivař pivovar-hostivar.cz/pivo 52

53 53

54 Zdroj: Financial Times, Data Blog - EU Unemployment Tracker, 2015 blogs.ft.com/ftdata/2015/04/17/eu-unemployment-tracker/ 54

55 Zdroj: New York Times, The Upshot The Shrinking Middle Class, 2015 nytimes.com/interactive/2015/01/25/upshot/shrinking-middle-class.html 55

57 Dobré praxe Výchozí prvky je často třeba změnit: barvy, rozsah os, popisky Nedatové prvky nesou význam: barvy, délky os, řazení kategorií Některé ale lze vizuálně upozadit 3D prvky jsou matoucí Osa Y by měla začínat na nule pokud ne, upozorněte na to Popisky os a kategorií by měly být vodorovné a čitelné Legendy nejsou vždy potřeba a nejlepší je integrovat je s daty Pozor na barvoslepost (červená zelená); lze otestovat online Půjde to vytisknout černobíle? 57

58 Dobré rady Omezte množství kategorií, pokud detaily nejsou zásadní Zvýrazněte, co je důležité Šetřete datovými popisky a desetinnými místy Ukažte, které body byly v datech (časové řady) Popis osy lze začlenit do nadpisu nebo podnadpisu Zařaďte kontextová data do pozadí (např. špagetový graf) Nadpis by měl vyjadřovat hlavní sdělení vizualizace Podnadpis může doplnit technické detaily Ne všechno musí být graf zvažte tabulku nebo kombinaci (sparkline, heatmap) Ukažte to někomu, kdo nezná vaše data a vaše závěry 58

59 Technické tipy: když Excel nestačí 59

60 Závěrem Neexistuje jediný správný způsoby vizualizace Autor má zodpovědnost rozhodnout, co ukázat a jak Ale existují principy, kterých je třeba se držet. Stejně tak je třeba respektovat zákonitosti lidského vnímání. Vizualizace neexistují ve vakuu jsou součástí prezentace či dokumentu, a záleží na podání a stavbě celku 60

62 Autority a inspirace Edward Tufte: knihy + edwardtufte.com/tufte Jacques Bertin Semiology of Graphics Jean-luc Dumont, Trees Maps and Theorems Stephen Few perceptualedge.com Jonathan Schwabish policyviz.com Ann K. Emery annkemery.com Stephanie Evergreen stephanieevergreen.com Andy Kirk visualisingdata.com Robert Kosara kosara.net Alberto Cairo thefunctionalart.com The Economist economist.com/blogs/graphicdetail The New York + Gregor Aisch vis4.net Guardian Data Blog theguardian.com/datablog Financial Times Data Blog blogs.ft.com/ftdata Nathan Yau flowingdata.com Hans Rosling gapminder.org Office of National Statistics (Velké Británie) visual.ons.gov.uk Český rozhlas DATA rozhlas.cz/zpravy/data Tomáš Marek blog.vizualizacedat.cz 62

63 Děkuji za pozornost Petr Bouchal Evaluační jednotka Heřmanova 22, Praha 7, web: