Your SlideShare is downloading. ×
Visualizing Data: The 7 stages of data visualization
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×

Introducing the official SlideShare app

Stunning, full-screen experience for iPhone and Android

Text the download link to your phone

Standard text messaging rates apply

Visualizing Data: The 7 stages of data visualization

1,494
views

Published on

Published in: Design

0 Comments
2 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
1,494
On Slideshare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
36
Comments
0
Likes
2
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. ‘ V i s ua l i z i n g Data’ P O R B e n F ryca p 1 : T H E 7 STAG ES O F V I S UA L I Z I N G DATAVisualización de Datos, Presentación al Diseño 4, Catalina Reyes navarro
  • 2. v i s ua l i z ac i ó n d e dato s c o n c e p to s g e n e r a l es La visualización de datos se puede definir como la ciencia que estudia la representación visual de un número de datos. Ben Fry plantea la visualización de datos como una respuesta a una pregunta precisa, mediante herramientas gráficas, computacionales, estadísticas y exploración de datos. La respuesta visual a la relación de cifras numéricas, permite apreciar patrones y conductas que de otra forma estarían dispersos en bases de datos. Los patrones se vuelven tangibles gracias a la visualización. Minería de datos: campo de las ciencias de la computación referido al proceso que intenta descubrirvisualizing dataEdición publicada por Ben Fry en 2007Trata del diseño de informacióncomputacional, desde el tratamientocon la base de datos hasta laconstrucción de softwares interactivos.
  • 3. b e n ja m i n f ry dato s g e n e r a l es d e l au to r Experto norteamericano en visualización de datos con especial interés en genética. Forma parte de la consultora de diseño ‘Fathom’, encargada de visualización de datos complejos a través de gráficos informativos y aplicaciones interactivas. Es co-creador de ’Processing’, un lenguaje de programación de software de código abierto,anemone construido con el propósito de enseñar los fundamentos básicos de la programación en unOrganismo que monitorea el tráficoweb visualizando la estructura medio visual.cambiante de un sitio web.
  • 4. b e n ja m i n f ryp roy ec to s e n to r n o a l a g e n é t i ca valence Software que explora las relaciones y estructuras dentro de bases de datos extensas. genome valence Representación visual del algoritmo utlizado para la codificación del genoma humano.
  • 5. b e n ja m i n f ryp roy ec to s e n to r n o a l a g e n é t i ca handheld genome browser Versión biológica de una calculadora, es el prototipo de un buscador de genoma para dispositivos móviles. Pensado como complemento a una edición impresa, ayuda a comprender lo básico de la genética
  • 6. v i s ua l i z ac i ó n d e dato sp l a n i f i cac i ó n d e l a e x p o s i c i ó n d e dato sLo fundamental en el entendimiento de datos es identificar la pregunta que se desearesponder, concentrarse en cómo utilizar las bases de datos y no en la cantidad de datos quecontiene.Una pregunta inicial precisa demuestra una motivación a partir del interés en lainformación, mientras que la respuesta que surja debe ser expositiva y clara.Cada set de datos tiene exigencias sobre su visualización, y la pregunta planteadainicialmente también influye en el modo de aparecer de los datos.- Concentrarse en cómo utilizar las bases de datos y no en la cantidad de datos quecontiene.- Hacer la información visible y accesible a una audiencia lo más extensa posible.- Tratar con bases de datos que dejan de ser absolutos estables y se vuelven objetos enmovimiento que varían en cada segundo.
  • 7. v i s ua l i z ac i ó n d e dato sp l a n i f i cac i ó n d e l a e x p o s i c i ó n d e dato s mapa del metro de londres Harry Beck, ingeniero, rediseñó el mapa del metro de Londres en 1931 . Se aleja de los datos geográficos para resaltar los recorridos del metro y darle prioridad a las necesidades del usuario
  • 8. v i s ua l i z ac i ó n d e dato sm é to d o s pa r a l a v i s ua l i z ac i ó n1. Adquirir: Obtención de la data desde un archivo o desde la red2. Analizar: Organizar los datos y definir categorías para ordenarlos.3. Filtrar: Desechar la información que no sea de interés a la pregunta inicial4. Extraer: Aplicar métodos de la minería de datos como un modo de identificar patrones ysituar los datos en un contexto matemático5. Representar: Escoger un modelo básico para visualizar la información6. Refinar: Mejorar la representación básica para hacerla más clara y más cautivantevisualmente7. Interactuar: Añadir métodos para controlar los datos o características visibles
  • 9. v i s ua l i z ac i ó n d e dato s m é to d o s pa r a l a v i s ua l i z ac i ó npregunta respuesta adquirir analizar filtrar extraer representar refinar interactuar inicial narrativa y clara ESQUEMA DEL PROCESO El proceso planteado por Ben Fry habla de la conexión entre metodologías para poder construir un producto final consecuente y claro. Se produce una interacción entre las partes, siendo reversibles las desiciones tomadas.
  • 10. v i s ua l i z ac i ó n d e dato sm é to d o s pa r a l a v i s ua l i z ac i ó n : a d q u i r i r
  • 11. v i s ua l i z ac i ó n d e dato s m é to d o s pa r a l a v i s ua l i z ac i ó n : a n a l i z a rString: secuencia de caracteresque forman palabrasFloat: punto de ubicación deldato adquiridoCharacter: una sola letra osímbolo que designa un datoInteger: número enteroIndex: secuencia de caracteres onúmero entero que redireccionaa otra base de datos (sirve parahacer la data más compacta)
  • 12. v i s ua l i z ac i ó n d e dato sm é to d o s pa r a l a v i s ua l i z ac i ó n : f i lt r a r y e x t r a e r
  • 13. v i s ua l i z ac i ó n d e dato sm é to d o s pa r a l a v i s ua l i z ac i ó n : r e p r es e n ta r
  • 14. v i s ua l i z ac i ó n d e dato sm é to d o s pa r a l a v i s ua l i z ac i ó n : r e f i n a r
  • 15. v i s ua l i z ac i ó n d e dato sm é to d o s pa r a l a v i s ua l i z ac i ó n : i n t e r ac t ua r
  • 16. v i s ua l i z ac i ó n d e dato sf u n da m e n to s d e l a v i s ua l i z ac i ó n s egú n b e n f ry1. Una visualización debería ser capaz de reunir las características propias de los datosque representa.Cada tipo de dato requiere una construcción visual diferente2. Utilizar la menor cantidad de datos para comunicar un mensaje significativo sobre lainformación reunida.Una mayor cantidad de datos no equivale a una mejor visualización, si no que muchasveces envía un mensaje confuso.3. Conocer el público a quien va dirigida la visualización de datos.Saber su objetivo al acercarse a un modelo visual, que información buscan y en qué modola utilizaran.
  • 17. r e f l e x i ó n c r í t i car es p o n s a b i l i da d s o c i a l e n l a v i s ua l i z ac i ó nUn mayor acceso a la información con datos publicados que se encuentran en un estadopuro, y por lo mismo, difíciles de descifrar.Mediante la visualización de datos podemos esclarecer los datos y llevarlos a unarepresentación que permite apreciar patrones de conducta.Se logra una democratización de los contenidos, y es allí donde se entra a la problemáticade establecer el rol social del diseñador.¿Cómo es plantea la información adquirida? ¿Qué filtro se utiliza?
  • 18. r e f l e x i ó n c r í t i cap roy ec to ‘g a p m i n d e r ’ Chile Chile proyecto gapminder Gapminder es una fundación creada en el 2005 que ha desarrollado el ‘Trendalizer Software’
  • 19. r e f l e x i ó n c r í t i cap roy ec to ‘g a p m i n d e r ’ El usuario puede destacar determinados países, cambiar indicadores según temática o año, y cambiar los criterios de colores