Infographics & data visualization - corso base FBK
•
1 like•546 views
Slide utilizzate per il corso di data visualization per i colleghi di FBK. Il corso si presenta introduttivo, con una parte pratica per imparare a mettere in luce i concetti. Sono presentati una serie di strumenti ed una sezione dedicata alla creazione di mappe.
Recommended
More Related Content
Similar to Infographics & data visualization - corso base FBK
Similar to Infographics & data visualization - corso base FBK (20)
More from Maurizio Napolitano
More from Maurizio Napolitano (20)
Infographics & data visualization - corso base FBK
- 1. napo@fbk.eu Risorse Umane Infographics & Data Visualization corso base Maurizio Napolitano <napo@fbk.eu>
- 2. napo@fbk.eu Risorse Umane una idea condivisa di data visualization e infographics Visualizzazioni buone e cattive A cosa fare attenzione (principali errori) Fondamenti sui dati Laboratorio (strumenti) PERCORSO DI OGGI
- 4. napo@fbk.eu Risorse Umane I COMPITI DI UNA BUONA VISUALIZZAZIONE DI DATI ● Rispondere alle domande (o scoprirle) ● Prendere decisioni ● Visualizzare i dati nel contesto ● Supportare il calcolo grafico ● Trovare i pattern (modelli) ● Presentare argomenti o raccontare una storia ● Ispirare
- 7. napo@fbk.eu Risorse Umane A Bolzano ci sono 261 ristoranti 32 sono gestiti da cinesi 11.8 % Fonte: Camera di Commercio di Bolzano Cosa comunica meglio? Intrepretazione dei dati: usi, rischi e metodologie
- 8. napo@fbk.eu Risorse Umane “una rappresentazione visuale di dati dovrebbe essere abbastanza semplice da stare sul portellone di un furgone”. principio di Feynman-Tufte Inventore delle Sparkline un piccolo e semplice grafico della grandezza di una parola, con risoluzione tipografica. Edward Tufte
- 9. napo@fbk.eu Risorse Umane I COMPITI DI UNA BUONA VISUALIZZAZIONE DI DATI ● Rispondere (o scoprire) domande ● Prendere decisioni ● Visualizzare i dati nel contesto ● Individuare ricorrenze ● Presentare argomenti ● Raccontare una storia ● Ispirare
- 10. napo@fbk.eu Risorse Umane https://dati.trentino.it/dataset/farmacie-pat PERCHÈ VISUALIZZARE? dati statistiche
- 11. napo@fbk.eu Risorse Umane COME SI FA CON GOOGLE SPREADSHEET scrivere in A1 =IMPORTDATA("http://servizi.apss.tn.it/opendata/FARM001.csv") da DATI
- 12. napo@fbk.eu Risorse Umane da DATI CREAZIONE TABELLA PIVOT COME SI FA CON GOOGLE SPREADSHEET
- 13. napo@fbk.eu Risorse Umane da DATI … e crea la tabella STATISTICHE … a ... COME SI FA CON GOOGLE SPREADSHEET
- 15. napo@fbk.eu Risorse Umane TABELLE VS GRAFICI L'uso di grafici laddove non sono necessari può portare a inutili confusioni / interpretazioni . Più un grafico ha bisogno di una spiegazione, meno il grafico è necessario. I grafici non sempre trasmettono le informazioni come fanno invece le tabelle. https://en.wikipedia.org/wiki/Misleading_graph
- 16. napo@fbk.eu Risorse Umane ESERCIZIO creare un grafico dalla tabella ottenuta confrontiamo i risultati e vediamo cosa dicono le buone pratiche
- 17. napo@fbk.eu Risorse Umane PRINCIPI DI ECCELLENZA GRAFICA Mostrare i dati Indurre l'utente a riflettere sulla sostanza dei risultati Evitare di alterare ciò che i dati hanno da dire Presentare molti numeri in maniera efficiente Incoraggiare l'occhio a confronto fra valori Fornire diversi livelli di dettaglio (da una panoramica ad struttura precisa) Dare un obiettivo chiaro: descrizione, esplorazione, tabulazione, decorazione Le descrizioni dei dati devono essere integrate E. R. Tufte. La visualizzazione visiva di informazioni quantitative. 2 ° ed. Graphics Press, Cheshire, Connecticut. 2001.
- 18. napo@fbk.eu Risorse Umane ESERCIZIO creare un grafico dalla tabella ottenuta confrontiamo i risultati e vediamo cosa dicono le buone pratiche
- 19. napo@fbk.eu Risorse Umane PRINCIPALI ERRORI - TROPPA INFORMAZIONE (usare un approccio Keep It Simple and Sexy) - ABUSO DEI COLORI - BELLO NON VUOL DIRE EFFICACE - LE VISUALIZZAZIONI PARTONO DAI BUONI DATI
- 20. napo@fbk.eu Risorse Umane ABUSO DI ETICHETTE L'uso di parole rappresentate distorte o nel titolo del grafico o nelle etichette degli assi o nella didascalia potrebbe impropriamente ingannare il lettore https://en.wikipedia.org/wiki/Misleading_graph
- 21. napo@fbk.eu Risorse Umane sapere usare bene i COLORI
- 22. napo@fbk.eu Risorse Umane Quante volte vedi il numero tre? 43242950445435485760908979421854090545409102048 05904390905476012209750907648624597665421199867 75439098550404031029047694421208540878542570
- 23. napo@fbk.eu Risorse Umane Quante volte vedi il numero tre? 43242950445435485760908979421854090545409102048 05904390905476012209750907648624597665421199867 75439098550404031029047694421208540878542570
- 24. napo@fbk.eu Risorse Umane Un colore dominante difficoltà nel distinguere colori scuri dopo essere stati su http://colorbrewer2.org
- 25. napo@fbk.eu Risorse Umane UN GRAFICO TORTA EGIZIANO Lato esposto al sole della piramide Cielo Lato della piramide in ombra … o un binocolo puntato su una piramide?
- 27. napo@fbk.eu Risorse Umane L'elemento C sembra essere grande almeno quanto l'elemento A, mentre in realtà, è meno della metà LE BUGIE DEI GRAFICI TORTA https://en.wikipedia.org/wiki/Misleading_graph
- 28. napo@fbk.eu Risorse Umane Quale è il colore con più M&M's ?
- 29. napo@fbk.eu Risorse Umane Quale è il colore con più M&M's ?
- 31. napo@fbk.eu Risorse Umane https://data-storytelling.it/visualizzazione-efficace/alternative-ai-grafici-a-torta/ Alternative: grafici ad albero (treemap)
- 33. napo@fbk.eu Risorse Umane https://data-storytelling.it/visualizzazione-efficace/alternative-ai-grafici-a-torta/ Alternative: grafico a barre orizzontali al 100%
- 34. napo@fbk.eu Risorse Umane GRAFICI A TORTA Il confronto fra grafici a torta di diverse dimensioni può essere spesso fuorviante perché le persone non possono leggere con precisione l'area comparativa. L'uso di fette sottili sono difficili da distinguere e possono essere difficile da interpretare. L'utilizzo di percentuali come etichette su un grafico a torta può essere fuorviante quando la dimensione del campione è ridotta. Il grafico a torta in 3D oppure in 2D aggiungendo una 'inclinazione rende l'interpretazione ancora più difficile a causa dell'effetto distorto della prospettiva. . https://en.wikipedia.org/wiki/Misleading_graph
- 35. napo@fbk.eu Risorse Umane I grafici mostrano dati identici A sinistra: differenze significative A destra: le differenze non sono così significative GRAFICI TRONCATI https://en.wikipedia.org/wiki/Misleading_graph
- 36. napo@fbk.eu Risorse Umane CONFONDERE CAMBIANDO L'ASSE Y https://en.wikipedia.org/wiki/Misleading_graph
- 38. napo@fbk.eu Risorse Umane LOREM IPSUM DOLOR SIT AMET Suggerimenti sui barchart
- 39. napo@fbk.eu Risorse Umane L O R E M I P S U M D O L O R S I T A M E T C O N S E C T E T U E R A D I P I S C I N G E L N I B H E U I S M O D T I N C I D U N T D O L O R E M A G N A A L I Q U A M E N I M A D M I N I M V E N I A M LOREM IPSUM DOLOR SIT AMET CONSECTETUER ADIPISCING ELIT NIBH EUISMOD TINCIDUN T DOLORE MAGNA ALIQUAM ENIM AD MINIM VENIAM LE ETICHETTE ORIZZONTALI SONO PIÙ SEMPLICI DA LEGGERE
- 40. napo@fbk.eu Risorse Umane L O R E M I P S U M D O L O R S I T A M E T C O N S E C T E T U E R A D I P I S C I N G E LI T N I B H E U I S M O D T I N C I D U N T D O L O R E M A G N A A LI Q U A M E N I M A D M I N I M V E N I A M LOREM IPSUM DOLOR SIT AMET CONSECTETUER ADIPISCING ELIT NIBH EUISMOD TINCIDUNT DOLORE MAGNA ALIQUAM ENIM AD MINIM VENIAM LE ETICHETTE ORIZZONTALI SONO PIÙ SEMPLICI DA LEGGERE
- 41. napo@fbk.eu Risorse Umane EQUILIBRARE CORRETTAMENTE LO SPAZIO TRA LE BARRE LOREM IPSUM DOLOR SIT AMET LOREM IPSUM DOLOR SIT AMET SPAZIO 1/2 - 1/3 DELLA LARGHEZZA DELLA BARRA
- 42. napo@fbk.eu Risorse Umane È PIÙ CORRETTO FAR INIZIARE LA SCALA DAL VALORE 0 0 LOREM IPSUM DOLOR SIT AMET 4 LOREM IPSUM DOLOR SIT AMET 4 6 2 8 10 10 8 12 12 6
- 43. napo@fbk.eu Risorse Umane UTILIZZATE UN SOLO COLORE PER BAR CHART, UN SECONDO COLORE PUÒ ESSERE UTILE PER EVIDENZIARE UN DATO LOREM IPSUM DOLOR SIT AMETLOREM IPSUM DOLOR SIT AMET
- 44. napo@fbk.eu Risorse Umane ORDINATE LE CATEGORIE: ALFABETICAMENTE LOREMIPSUMDOLOR SITAMETLOREM IPSUM DOLORSIT AMET
- 45. napo@fbk.eu Risorse Umane LOREM IPSUM DOLOR SIT AMETLOREM IPSUM DOLORSIT AMET ORDINATE LE CATEGORIE: PER VALORE
- 46. napo@fbk.eu Risorse Umane LOREM IPSUM DOLOR SIT AMETLOREM IPSUM DOLORSIT AMET ORDINATE LE CATEGORIE: PER SIGNIFICATO
- 47. napo@fbk.eu Risorse Umane LOREM 40% 30% 15% 5% 10% IPSUM DOLOR SIT AMET Suggerimenti sui Pie Chart
- 48. napo@fbk.eu Risorse Umane VERIFICATE SEMPRE CHE LA SOMMA DELLE FETTE SIA 100% 45% 30% 20% 15% 10% 40% 30% 15% 10% 5%
- 49. napo@fbk.eu Risorse Umane RAGGRUPPATE LE FETTE PIÙ PICCOLE DENTRO UN GENERICO “ALTRO”
- 50. napo@fbk.eu Risorse Umane PER FARE CONFRONTI TRA PERCENTUALI LO STACKED BAR CHART È PIÙ INDICATO LOREM IPSUM DOLOR LOREM IPSUM DOLOR
- 51. napo@fbk.eu Risorse Umane ORDINARE CORRETTAMENTE LE FETTE IN SENSO ORARIO A PARTIRE DALLA FETTA PIÙ GROSSA IN ORDINE DECRESCENTE LE DUE FETTE MAGGIORI NELLA PARTE SUPERIORE E LE RESTANTI NELLA PARTE INFERIORE
- 63. napo@fbk.eu Risorse Umane Creazione di mappe
- 64. napo@fbk.eu Risorse Umane JOHN SNOW - LA MAPPA DEL COLERA (1854)
- 67. napo@fbk.eu Risorse Umane https://xkcd.com/1138/ La mappa sta comunicando???
- 68. napo@fbk.eu Risorse Umane I CONFINI: ENCLAVE e EXCLAVE https://www.openstreetmap.org/relation/46664
- 71. napo@fbk.eu Risorse Umane DATA FILTER VISUALIZE STORY valore crescente verso il pubblico credits: Mirko Lorenz
- 72. napo@fbk.eu Risorse Umane In conclusione KISS Keep It Simple and Sexy
- 73. napo@fbk.eu Risorse Umane RISORSE LETTURE Libri "The Functional Art: An Introduction to Information Graphics and Visualization " di Alberto Cairo (2012) "The Visual Display of Quantitative Information" di Edward R. Tufte (2001) "How to Lie with Statistics" di Darrel Huff (1954) Web https://www.darkhorseanalytics.com/ https://en.wikipedia.org/wiki/Misleading_graph http://callingbullshit.org/ https://www.slideshare.net/janwillemtulp/data-visualization-5724069 https://medium.com/@namwookkim/data-driven-guide-designing-expressive-information-graphics-e068a0c552e9 https://github.com/ft-interactive/chart-doctor/blob/master/visual-vocabulary/Visual-vocabulary.pdf http://ft-interactive.github.io/visual-vocabulary/ https://wiki.openstreetmap.org/wiki/UMap http://de.straba.us/2015/05/22/tutorial-creare-una-mappa-online-con-fotografie-in-umap-aggiornabile-con-ethercalc/ STRUMENTI Usati in aula google spreadsheet - http://docs.google.com colorbrewer2 - http://colorbrewer2.org datawrapper - http://datawrapper.de rawgraphs - http://rawgraphs.io umap - http://umap.openstreetmap.fr flourish - http://flourish.studio Suggeriti Google Data Studio - https://datastudio.google.com Microsoft Power BI - https://powerbi.microsoft.com Superset - https://superset.incubator.apache.org/ Hyecoo - http://hyecoo.namwkim.org/ E2D3 - http://e2d3.org/