Os Tipos de visualizações de dados - manequins

A visualização de dados é uma representação visual projetada com o objetivo de transmitir o significado e a importância das informações de dados e dados. Uma vez que as visualizações de dados são projetadas para um espectro completo de públicos diferentes, diferentes propósitos e diferentes níveis de habilidades, o primeiro passo para projetar uma ótima visualização de dados é conhecer seu público .

As audiências vêm em todas as formas, formas e tamanhos. Você poderia projetar algo para os leitores jovens e nervosos da revista Rolling Stone , ou talvez você precise projetar uma visualização para transmitir resultados científicos a um grupo de pesquisa. É possível que seu público seja composto por membros do conselho e tomadores de decisão organizacional, ou talvez você esteja projetando uma peça que tenha como objetivo agitar um estrondo com membros de uma organização local de base.

Uma vez que cada público será composto por uma classe única de consumidores, cada uma com suas necessidades únicas de visualização de dados, é essencial esclarecer exatamente para quem você está projetando. Nos parágrafos, você conhece os três principais tipos de visualizações de dados e como escolher o que melhor atende às necessidades do seu público.

História de dados para os decisores organizacionais

Às vezes, você precisa projetar visualizações de dados para um público menos técnico, talvez para ajudar os membros desse público a tomar decisões empresariais melhor informadas. O objetivo deste tipo de visualização é contar a sua audiência a história por trás dos dados. Na narração de dados, o público depende de você para dar sentido aos dados por trás da visualização e, em seguida, transformar idéias úteis em histórias visuais que eles podem entender.

Com data story story , seu objetivo deve ser criar uma visualização livre de desordenação, altamente focada para que os membros do seu público possam rapidamente extrair o significado sem muito esforço. Essas visualizações são melhor entregues na forma de imagens estáticas, mas os tomadores de decisão mais adeptos podem preferir ter um painel de controle interativo que eles possam usar para fazer um pouco de exploração e modelagem do que fazer.

Exibição de dados para analistas

Se você está projetando para uma multidão de analistas lógicos, calculando, você pode criar visualizações de dados que são bastante abertas. O objetivo deste tipo de visualização é ajudar os membros da audiência a explorar visualmente os dados e tirar suas próprias conclusões.

Ao usar dados mostrando técnicas, seu objetivo deve ser exibir uma grande quantidade de informações contextuais que ofereçam suporte a seus membros do público na realização de suas próprias interpretações.Essas visualizações devem incluir dados mais contextuais e foco menos conclusivo, para que as pessoas possam entrar lá, analisar os dados por si mesmos e tirar suas próprias conclusões. Essas visualizações são entregues melhor como imagens estáticas ou painéis dinâmicos e interativos.

Projetando arte de dados para ativistas

Você poderia estar projetando para um público de idealistas, sonhadores e criadores de mudanças. Ao projetar para esse público, você deseja que sua visualização de dados faça questão! Você pode assumir que seu membro do público típico não é tão analítico. O que essas pessoas faltam em habilidades matemáticas, no entanto, eles compensam mais do que em convicções sólidas.

Essas pessoas procuram a sua visualização de dados como um veículo para fazer uma declaração. Ao projetar para esse público, data art é o caminho a seguir. O objetivo principal na arte de dados é entreter, provocar, irritar ou fazer o que for preciso para fazer uma afirmação alta, clara e exigente. A arte de dados tem pouca ou nenhuma narrativa e não oferece espaço para os espectadores formar suas próprias interpretações.

É importante enfatizar aqui que os cientistas de dados têm uma responsabilidade ética de sempre representar os dados com precisão. Um cientista de dados nunca deve distorcer a mensagem dos dados para se adequar ao que o público quer ouvir - nem mesmo pela arte de dados! O público não-técnico nem saberá quais são os possíveis problemas, e muito menos pode vê-los. Eles dependem do cientista de dados para fornecer representações honestas e honestas, ampliando assim o nível de responsabilidade ética que o cientista de dados deve assumir.