Ordlista för datavisualiseringar

Området datavisualiseringar utvecklas hela tiden. Under de senaste decennierna har olika skolor utvecklat synsätt för när och hur visualiseringar bör användas för att analysera data. Det kan vara svårt att avgöra vilken typ som passar för dina mål eller den data du har. Många av oss stöter på ett dussintal vanliga typer av datavisualiseringar varje dag. Några är snygga men ger inte särskilt mycket insikt. Vissa är funktionella för snabba slutsatser, men inte särskilt tilltalande rent estetiskt sett. Andra är rätt enkla att göra, men kreatörerna måste förbereda datan för att de ska vara effektiva. Utöver de cirka femtio vanliga typerna finns det en del som är svåröverskådliga. Det är kreatörens mål samt strukturen och storleken på den underliggande datan som avgör vilken typ av visualisering som bör användas.

Den här ordlistan för datavisualiseringar utforskar många av de vanliga visualiseringstyperna. Läs den för att lättare fatta välgrundade beslut när du skapar visualiseringar. För närvarande är det många ämnen och typer av visualiseringar som inte är med. Den kommer att växa och utvecklas i takt med själva ämnesområdet.

Familjer av visualiseringar

En visualiserings familj handlar om dess natur. Det gör det möjligt att hierarkiskt klassificera dem i några större grupper: Diagram, geospatiala visualiseringar och tabeller. Inom många skolor kategoriserar man visualiseringar på andra sätt. Det vanligaste är att dela in diagram i fristående underkategorier. Vi har valt tre för att förenkla ordlistan och lyfta fram vikten av analytisk funktion och markeringstyp.

Använda datavisualiseringar för analys

Den analytiska funktionen beskriver hur personer tolkar, utforskar och förstår datan inom den. Många visualiseringar har fler än en analytisk funktion. Vilka beror ofta på hur kreatören implementerar dem. Vi delade upp funktionerna med en viktig differentiator på en egen sida. De sex analytiska funktioner visar hur visualiseringar kan användas på många olika sätt för att utforska data, men listan är inte fullständig.

Vikten av att välja rätt typ av visualisering

Visualiseringar är verktyg för att förstå data. Och precis som med andra verktyg är vissa användbara för specialiserade instanser medan andra är mer allmänna. Ett stapeldiagram kan täcka många behov, men ett ordmoln kan bara användas i begränsade situationer. För att välja rätt typ av visualisering behöver du fundera på tre saker: syftet med visualiseringen, vilken data du vill visa och målgruppens behov. Det går inte alltid att definiera alla tre innan du börjar skapa visualiseringen, men det är bra att försöka. Den viktigaste delen av dessa tre är att känna till vad målgruppen behöver. Bra visualiseringar hjälper människor att snabbt få insikter från komplex data. De lyfter fram relationerna mellan mätetal. De förklarar koncept. Och de skapar tankebanor på sätt som rådata aldrig gör. Men om fel visualisering används kommer den bara att leda till förvirring eller likgiltighet. Tänk på målgruppens behov för att skapa en effektiv visualisering. Det kan vara bra att fastsälla ett specifikt syfte och på så sätt använda målgruppens behov för att begränsa dina alternativ. Vissa datavisualiseringar hjälper till att analysera medan andra presenterar information på ett snyggt sätt. Några visar koncept, processer eller strategier på ett lättsmält sätt. Varje syfte uppnås bäst med en specifik uppsättning visualiseringar. Tänk på visualiseringens analytiska funktion och markeringstyp innan du börjar skapa den. På så sätt kan du nå dina mål. Se till att du vet tillräckligt om din data för att förstå vilka typer av visualiseringar du kan använda för den. Vissa diagram innebär begränsade dimensionella aspekter. Andra lyfter fram relationerna mellan många kategorier. Du kan använda din datas struktur och natur som hjälp för att välja rätt. Experimentera om du är osäker. Därefter kan du skapa en visualisering som balanserar syftet med den data du har och målgruppens behov.