Your SlideShare is downloading. ×
0
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
"Data Visualization in Europe" for Open Data School
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

"Data Visualization in Europe" for Open Data School

2,155

Published on

Презентация "Визуализация данных в Европе" Натальи Карбасовой к занятию №8 в Школе открытых данных 17 декабря 2013 года.

Презентация "Визуализация данных в Европе" Натальи Карбасовой к занятию №8 в Школе открытых данных 17 декабря 2013 года.

Published in: Education
0 Comments
4 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
2,155
On Slideshare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
22
Comments
0
Likes
4
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. Визуализация данных в Европе Кто, с кем, как и зачем – и как начать создавать визуализации самостоятельно Наталья Карбасова
  • 2. О чем мы будем говорить? 1. Визуализация в Европе 2. Основные типы визуализаций и распространенные ошибки 3. Мастер-класс: Как создать собственную визуализацию
  • 3. Зачем нужна визуализация данных? • Информации все больше • Времени все меньше • Меняется восприятие информации: мы меньше читаем и больше смотрим картинки • Идеи проще донести до аудитории + более объективная картинка • Неразборчивые ряды цифр превращаются в четкую картинку
  • 4. Визуализация в европейской журналистике
  • 5. Журналистикой данных всерьез занимается только несколько изданий
  • 6. Zeit Online blog.zeit.de/open-data/
  • 7. Что делает Zeit Online? • Приводит интересные примеры визуализаций из других источников • Объясняет, как создавались собственные визуализации и расследования
  • 8. От простых графиков, созданных в datawrapper.com... http://blog.zeit.de/open-data/2013/05/07/statistik-ifgkuenstlersozialkasse/
  • 9. ...и word clouds, созданных в Wordle.com http://blog.zeit.de/opendata/2013/11/27/koalitionsvertraege-woerter-
  • 10. До более сложных проектов с участием программистов Мониторинг Твиттера во время выборов http://www.zeit.de/politik/deutschland/201309/twitter-monitor
  • 11. Что здесь показано? • Анализ 10000 важнейших аккаунтов по количеству пользователей, упоминаний и активности: какие темы предвыборной кампании волнуют пользователей Твиттера? • Взяли самые популярные хэштеги • Разбили по категориям: упомянули пользователи, медиа, политики, общественные организации
  • 12. http://www.zeit.de/politik/deutschland/abgeordnetenbilanz/?part ei=-&ansicht=ml&kategorie=5
  • 13. Что здесь показано? • Результаты деятельности Бундестага и отдельных парламентариев • Всего журналисты загрузили с сайта dip.bundestag.de почти 156 000 различных видов деятельности (категории: речь, устное замечание, групповая инициатива, вопрос правительству и ответ правительства) • Каждой категории присвоили свой цвет: видно, какой политик из какой партии чем занимался
  • 14. Но и у Zeit бывают непонятные визуализации http://blog.zeit.de/opendata/2013/07/11/dispozinsen/
  • 15. Что тут не так? • Цифры на карте нельзя быстро сравнить, непонятно, кто лучше, кто хуже. • Создается видимость общей картины, но на самом деле отсутствует прозрачность.
  • 16. Spiegel.de: Блог Datenlese http://www.spiegel.de/thema/daten/
  • 17. Что делает Spiegel.de? • Публикует собственные проекты • Показывает ошибки в официальной статистике
  • 18. Перепись населения http://www.spiegel.de/politik/deutschland/interaktive-karte-einwohnerzahlenzensus-2011-gewinner-verlierer-a-914393.html
  • 19. Интерактивные визуализации http://www.spiegel.de/politik/deutschland/interaktive-grafik-das-ist-merkels-neue-regierung-a928664.html
  • 20. Berliner Morgenpost: карта выборов в Берлине 2011 2013
  • 21. Задействовали программиста – получили результат быстрее и лучше -> European Newspaper Award http://berlinwahlkarte2013.morgenpost.de/index.html
  • 22. Süddeutsche Zeitung: создают досье по темам http://www.sueddeutsche.de/thema/BahnVersp%C3%A4tungen
  • 23. DataGraph
  • 24. Атлас Европы
  • 25. Раскрытие беспрецедентного уклонения от налогов Подробности: http://goo.gl/ln7FIu
  • 26. „Немецкая Волна“ http://visualdata.dw.de/specials/bildung/en/in dex.html
  • 27. Что здесь показано? • Факты об образовании во всем мире • Фокус на нескольких интересных фактах и корреляциях (грамотность по регионам, грамотность по странам/ по полу, запись в учебные заведения, расходы на образование vs. расходы на военный бюджет) • Дизайнер не только показывает, но и объясняет данные и рассказывает историю
  • 28. Neue Zürcher Zeitung
  • 29. «Швейцария с высоты птичьего полета» http://work.interactivethings.com/nzz-swissmaps/index.html
  • 30. Короткие информативные карты, выхватывающие фрагменты из жизни страны
  • 31. Кто делает эти проекты? • В Швейцарии работает агентство Interactive Things (http://interactivethings.com/) • В Германии есть независимые информационные дизайнеры и агентства (Opendata City, Golden Section Infographics) • Редакции пока редко берут в штат программистов (исключение – Berliner Morgenpost)
  • 32. Чрезмерное использование bubble charts
  • 33. Проблема с «кружочками» • Bubble Charts используются для сравнения величин, а надо – для общей картинки • Слишком много «красоты» и мало информации
  • 34. Bubble problem • Человеческий мозг плохо высчитывает площади поверхностей. Он гораздо лучше умеет сравнивать отельные параметры, такие как высоту или длину. • Читатели сравнивают не площадь, а высоту диаграммы
  • 35. Financial Times
  • 36. Handelsblatt
  • 37. Проблемные инфографики в прессе Financial Times
  • 38. Можно использовать для общей картины http://elections.nytimes.com/2012/results/pre sident
  • 39. Визуализации в других сферах
  • 40. OECD Better Life Index http://www.oecdbetterlifeindex.org/
  • 41. Что здесь показано? • Сравнение основных факторов, влияющих на восприятие качества жизни в странах ОБСЕ • Каждый цветок = страна • Каждый лепесток = один из 11 факторов • Длина = балл страны по этой теме • Ширина = важность темы для конкретного пользователя. • Пользователь сам настраивает рейтинг • Хороший баланс между дизайном и практичностью
  • 42. Альтернативы в процессе разработки визуализации http://vimeo.com/24609043#
  • 43. Кто это сделал? • Мориц Штефанер (Moritz Stefaner) • Информационный дизайнер, фрилансер • moritz.stefaner.eu
  • 44. GED Viz (Global Economic Dynamics) • www.ged-project.de/viz/ • Инструмент и проект по визуализации экономических данных от Bertelsmann • Результаты можно экспортировать в виде iframe или сохранить как картинку • Параллельно существует проект по объяснению данных при помощи этого инструмента
  • 45. www.ged-project.de/shorts
  • 46. Но и тут красота подачи часто идет вразрез с функциональностью
  • 47. Ханс Рослинг, Gapminder http://www.gapminder.org/videos/the-riverof-myths/
  • 48. Что здесь показано? • Визуализация демографических данных: как развивается население в различных странах мира в историческом контексте • Популяризация общедоступных фактов при помощи визуальной подачи информации • Gapminder – это программа, которую можно бесплатно загрузить и использовать для собственных презентаций (источники: данные международных организаций World Bank, OECD, etc)
  • 49. Альтернативный проект на основе данных Gapminder (Мориц Штефанер) http://moritz.stefaner.eu/projects/remixing-rosling/
  • 50. «Литературный организм» Stefanie Posavec http://itsbeenreal.co.uk/
  • 51. Визуализация бизнес-аналитики и больших данных
  • 52. Splunk
  • 53. Tableau Software
  • 54. Типы визуализаций Источник: Andy Kirk, „Data Visualization: a successful design process“
  • 55. „Разные формы визуализации поразному отвечают на разные вопросы“ Amanda Cox, New York Times
  • 56. Сравниваем категории
  • 57. Dot plot
  • 58. Bar chart
  • 59. Floating bar / Gantt chart
  • 60. Гистограмма
  • 61. Slopegraph
  • 62. Radial chart http://www.theguardian.com/world/interactive/2012/may/08/gay-rights-united-states
  • 63. Glyph chart: форма (цветок, etc)
  • 64. Sankey diagram
  • 65. Word cloud
  • 66. Показываем иерархии и отношение частей к целому
  • 67. Pie chart
  • 68. Stacked bar chart
  • 69. Square pie
  • 70. Tree map
  • 71. Circle packing diagram
  • 72. Bubble hierarchy
  • 73. Tree hierarchy
  • 74. Показываем изменения во времени
  • 75. Line chart
  • 76. Sparklines
  • 77. Area chart
  • 78. Horizon chart
  • 79. Stacked area chart
  • 80. Stream graph http://visualization.geblogs.com/visualization/ germanenergy/
  • 81. Candlestick chart
  • 82. Barcode chart
  • 83. Flow map
  • 84. Показываем связи и взаимоотношения
  • 85. Scatter plot
  • 86. Bubble plot
  • 87. Heatmap
  • 88. Parallel sets
  • 89. Radial network (chord diagram)
  • 90. Network diagram
  • 91. Визуализируем географические данные
  • 92. Карты и их подвиды
  • 93. «Основная задача инфографика – это не просто быть красивой и приятной на вид. В первую очередь инфографика должна быть понятна, а уж потом красива. Красота должна выражаться через изысканную функциональность». Альберто Кайро „The Functional Art“
  • 94. Собственный опыт: попытка внедрить визуальный подход в Focus Online
  • 95. Интервью с министром экономики Чили http://goo.gl/oXtv7c
  • 96. Берем данные World Bank, импортируем в DataWrapper – и показываем, что министр не врет
  • 97. Рекорд по использованию солнечной энергии http://goo.gl/T3kRw1
  • 98. Актуальные цифры + статистика (Datawrapper, Excel)
  • 99. Рейтинг немецких футболистов в соцсетях (среди 200 самых дорогих игроков) http://goo.gl/4IGWtQ
  • 100. 20 самых дорогих игроков
  • 101. 20 самых популярных игроков
  • 102. Сколько стоят их фанаты?
  • 103. Сортировка исходных данных
  • 104. Slope graph
  • 105. Создавать собственные визуализации гораздо проще, чем кажется
  • 106. «Визуализация происходит не на странице газеты и не на экране. Она происходит у вас в голове». Альберто Кайро (Epoca)
  • 107. • Хорошая инфографика представляет информацию и позволяет пользователям ее исследовать. • Визуализации должны не упрощать суть, а объяснять ее, указывать на тенденции, раскрывать структуры и делать невидимое видимым. • Создание визуализаций не отличается от создания журналистских текстов. Дизайнер (журналист) кодирует информацию, зритель (читатель) декодирует ее.
  • 108. Создаем повествование • Сначала общая картина, потом отдельные подробности и фильтрация, лишь затем дополнительные детали
  • 109. Создать визуализацию несложно, если: - понимать правила восприятия информации - иметь четкое представление о том, что вы хотите показать (= журналистский тезис)
  • 110. Правила восприятия информации
  • 111. • Мозг лучше воспринимает различия в цвете, чем различия в форме
  • 112. Ориентация, цвет, форма
  • 113. Близость расположения • Объекты, расположенные рядом друг с другом, воспринимаются как одна группа
  • 114. Схожесть • Идентичные объекты воспринимаются как часть одной группы
  • 115. Связанность • Объекты, связанные при помощи графических средств, воспринимаются как часть одной группы
  • 116. Собственный опыт: анализ службы попутчиков Mitfahrgelegenheit.de
  • 117. Куда едут немцы 1 мая?
  • 118. Исходные данные на сайте mitfahrgelegenheit.de
  • 119. Как извлечь? • • • • Google Spreadsheets: =importHTML Расширение Google Scraper Python Scraper (ScraperWiki) Outwit Hub!
  • 120. OutWit Hub
  • 121. Дальнейшие шаги • Очистка данных, экспорт в Excel/ Google Fusion Tables • Сортировка и фильтрация • Определение формата и ограничений (только 50 самых населенных городов, визуальная часть)
  • 122. Сортировка
  • 123. Результат
  • 124. Инструменты • • • • • • Google Spreadsheets Google scraper add-on OutWit Hub Excel Google Pivot Tables Google Fusion Tables: creating the network diagram and embedding it on the blog • Datawrapper: creating bar charts with top-10 cities
  • 125. Если вам не хватает технических знаний, есть два выхода: • Снизить собственный уровень ожиданий и создать базовую визуализацию • Найти профессионалов, которые сделают сложный продукт на основе вашей идеи
  • 126. Что нужно изучить • Принципы восприятия и организации информации (Gestalt School of Psychology/ Gestalt laws), информационный дизайн • Основы статистики («Я верю только той статистике, которую сам сфальсифицировал») – стандартное отклонение, медиан, модус, погрешность • Основы графического дизайна и картографии
  • 127. Развивайте визуальное и аналитическое мышление!
  • 128. Как создавать собственные визуализации?
  • 129. С чего начать? • Изучайте и критикуйте чужие работы: – конкурсы визуализаций: visualizing.org, infobeautyawards.com – блоги – Дата-блоги онлайн-СМИ • Придумывайте, что бы вы сделали лучше • Попытайтесь сделать лучше
  • 130. Подходы • Есть данные –> ищем историю • Есть история -> ищем подтверждение в данных
  • 131. Основные шаги при создании визуализаций • Создание наброска/ концепции • Поиск и подготовка данных • Анализ данных/ визуализация
  • 132. Создание наброска
  • 133. Поиск и подготовка данных
  • 134. Поиск и подготовка данных – самый трудозатратный этап при создании визуализации
  • 135. Поиск и подготовка данных (1) 1) Находим данные (данные уже есть в читаемом формате – Excel, csv, etc/ API/ скрейпинг/ извлечение из PDF). Подробнее: ЬЕГТИН 2) Изучаем данные: насколько они соответствуют нашим целям? Просматриваем, фильтруем, сортируем (Excel, Tableau, Google Refine). – – – – Подходят ли нам данные? Присутствуют ли все необходимые категории? Подходящий временной промежуток? Определяем категории данных
  • 136. Поиск и подготовка данных (2) 3) Подчищаем данные: убираем дубликаты, приводим названия к общему формату (Frankruft – Frankfurt-am-Main – Frankfurt/Main) 4) Трансформируем данные для дальнейшего анализа: - Извлекаем отдельные переменные (год из даты) - Совмещаем переменные (полное имя из двух ячеек с именем и фамилией) - Считаем при необходимости относительные числа (проценты) - Убираем то, что не собираемся использовать
  • 137. Поиск и подготовка данных (3) 5) Консолидация данных: добавляем дополнительные слои данных 6) Визуальный анализ данных: - Изучаем данные и представляем их визуально перед тем, как создавать конечный продукт - Сравнения и пропорции (сравниваем со средними значениями, стандартными отклонениями, прогнозами)
  • 138. Поиск и подготовка данных (4) • Отфильтровываем сигнал от шума: берем только то, что действительно важно и из чего мы можем создать историю. • Вот почему важно понимать, что именно вы хотите показать и что хотите этим сказать
  • 139. Командная работа
  • 140. Распределение ролей в команде: • Инициатор (стратег) • Data scientist/ data miner должен находить, извлекать, обрабатывать и подготавливать данные (статистический и математический анализ данных) • Журналист рассказывает историю (основные тезисы и углы подачи) • Computer scientist претворяет проект в жизнь (программирование) • Дизайнер работает в паре с программистом • Cognitive scientist отвечает за визуальное восприятие информации (теории коммуникаций, теории цвета, humancomputer interaction) • Communicator отвечает за взаимодействие между клиентом и исполнителями и за решение вопросов в команде • Менеджер проекта отвечает за развитие проекта и за доведение его до логического завершения
  • 141. Факторы и ограничения
  • 142. Какие факторы влияют на создание визуализации? • Цель (личные проекты, собственные инициативы для кого-то, заказы на конкретную тему с конкретными цифрами) • Временные рамки (умение распределять время и управлять проектами) • Бюджет • Давление со стороны клиента/ коллег • Формат (статическая или интерактивная визуализация? Для интернета, планшетов или смартфонов? Постер или полстраницы в журнале? Видеоанимация? Одиночный проект или серия визуализаций?) • Технические решения (Какие технические ресурсы есть в распоряжении? Только бесплатные сервисы или платные профессиональные программы? Техническая инфраструктура/ собственные сервисы? Какие браузеры должны отображать визуализацию? Базы данных?)
  • 143. Списки и ссылки
  • 144. Их нужно знать: дизайнеры и журналисты • • • • • • • • Грегор Айш (driven-by-data.net) Мориц Штефанер (stefaner.eu) Ян Швохоу (schwochow.de) Ян Тульп (tulpinteractive.com) Кристофер Варноу (christopherwarnow.com) Себастиан Мондиаль (@djournalismus) Юлиус Трегер (@juliustroeger) Мирко Лоренц (mirkolorenz.com)
  • 145. Что почитать: книги • Dona M. Wong, „The Wall Street Journal Guide to Information Graphics“ • Noah Iliinsky & Julie Steele, „Designing Data Visualizations“ • Andy Kirk, „Data Visualization: a successful design process“ • Steven Few, „Show me the Numbers“ • Don Norman, „Design of Everyday Things“ • Simon Rogers, „The Guardian: Facts are Sacred“ • Colin Ware, „Visual Thinking by Design“ • Ben Goldacre, „Bad Science“ • Nathan Yau, „Visualize This“ • Nigel Holmes, „Designer‘s Guide to Creating Charts and Diagrams“ • Edward Tufte, „The visual display of Quantitative Information“
  • 146. Что почитать: сайты и блоги • • • • • • • • • • http://www.theguardian.com/news/datablog http://www.periscopic.com/ http://infosthetics.com/ http://www.visualisingdata.com/ http://benfry.com/ http://bost.ocks.org/mike/ http://eagereyes.org/ http://www.thefunctionalart.com/ http://vis4.net/blog/ https://drawingbynumbers.org/
  • 147. Списки ресурсов и инструментов • http://www.visualisingdata.com/index.php/re sources/ • http://mediakar.org/tools/visualisation/ • http://datavisualization.ch/tools/ • http://te-st.ru/tools/
  • 148. Инструменты: графики и статистика • • • • • • • Datawrapper Tableau public Google Chart Tools: Wordle Excel Google Fusion Tables / Pivot Tables R: www.r-project.org/
  • 149. Инструменты: карты • • • • • • • • • Arc GIS Quantum GIS CartoDB (http://cartodb.com/). Geocommons Instant Atlas (http://communities.instantatlas.com/) Polymaps (http://polymaps.org/) Kartograph (http://kartograph.org/) Leaflet (http://leafletjs.com/) OpenStreetMap (http://www.openstreetmap.org/)
  • 150. Как со мной связаться Наталья Карбасова mediakar.org Twitter: @karbasa karbasova@ymail.com

×