Submit Search
Upload
ビジュアルアナリティクスの芸術と科学
•
1 like
•
450 views
K T
Follow
データをビジュアル化するためのベストプラクティスをまとめました。
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 88
Download now
Download to read offline
Recommended
データマネジメント今昔物語〜プロダクトの視点から見るカオスと進化 #TechMar
データマネジメント今昔物語〜プロダクトの視点から見るカオスと進化 #TechMar
K T
Building_metaverse_0.1
Building_metaverse_0.1
Sangwook Park
データ価値を最大化するビジュアル分析とストーリーテリングの重要性
データ価値を最大化するビジュアル分析とストーリーテリングの重要性
Ryusuke Ashiya
ノンプログラミングで始めるAR (HoloLens 2 / ARCore / ARKit) 開発 with MRTK
ノンプログラミングで始めるAR (HoloLens 2 / ARCore / ARKit) 開発 with MRTK
Takashi Yoshinaga
地図タイルを作成・公開してみて わかった108個のこと(foss4g tokyo 2013発表資料)
地図タイルを作成・公開してみて わかった108個のこと(foss4g tokyo 2013発表資料)
Mizutani Takayuki
World Locking Tools V1.0.0について~ 機能と導入 ~
World Locking Tools V1.0.0について~ 機能と導入 ~
Takahiro Miyaura
GCC2016 ゲームエフェクト制作の現状報告
GCC2016 ゲームエフェクト制作の現状報告
t h
ヒューレットパッカード社の社員の離職リスク予測 第一回機械学習ビジネス研究会 #ml_business
ヒューレットパッカード社の社員の離職リスク予測 第一回機械学習ビジネス研究会 #ml_business
Tokoroten Nakayama
Recommended
データマネジメント今昔物語〜プロダクトの視点から見るカオスと進化 #TechMar
データマネジメント今昔物語〜プロダクトの視点から見るカオスと進化 #TechMar
K T
Building_metaverse_0.1
Building_metaverse_0.1
Sangwook Park
データ価値を最大化するビジュアル分析とストーリーテリングの重要性
データ価値を最大化するビジュアル分析とストーリーテリングの重要性
Ryusuke Ashiya
ノンプログラミングで始めるAR (HoloLens 2 / ARCore / ARKit) 開発 with MRTK
ノンプログラミングで始めるAR (HoloLens 2 / ARCore / ARKit) 開発 with MRTK
Takashi Yoshinaga
地図タイルを作成・公開してみて わかった108個のこと(foss4g tokyo 2013発表資料)
地図タイルを作成・公開してみて わかった108個のこと(foss4g tokyo 2013発表資料)
Mizutani Takayuki
World Locking Tools V1.0.0について~ 機能と導入 ~
World Locking Tools V1.0.0について~ 機能と導入 ~
Takahiro Miyaura
GCC2016 ゲームエフェクト制作の現状報告
GCC2016 ゲームエフェクト制作の現状報告
t h
ヒューレットパッカード社の社員の離職リスク予測 第一回機械学習ビジネス研究会 #ml_business
ヒューレットパッカード社の社員の離職リスク予測 第一回機械学習ビジネス研究会 #ml_business
Tokoroten Nakayama
プロダクトオーナー2.0
プロダクトオーナー2.0
toshihiro ichitani
Unityでスマホアプリが作れるか?
Unityでスマホアプリが作れるか?
MakotoItoh
Data × AI でどんな業務が改善できる? 製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介
Data × AI でどんな業務が改善できる? 製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介
IoTビジネス共創ラボ
エンジニアから飛んでくるマサカリを受け止める心得
エンジニアから飛んでくるマサカリを受け止める心得
Reimi Kuramochi Chiba
データからインサイト そして、アイデアの発想へ(CJM/POV/HMW)
データからインサイト そして、アイデアの発想へ(CJM/POV/HMW)
Masanori Kado
営業さんまで、社員全員がSQLを使う 「越境型組織」 ができるまでの3+1のポイント | リブセンス
営業さんまで、社員全員がSQLを使う 「越境型組織」 ができるまでの3+1のポイント | リブセンス
Livesense Inc.
【Unite 2017 Tokyo】ゲームAI・ゲームデザインから考えるゲームの過去・現在・未来
【Unite 2017 Tokyo】ゲームAI・ゲームデザインから考えるゲームの過去・現在・未来
Unity Technologies Japan K.K.
If文から機械学習への道
If文から機械学習への道
nishio
NTTみたいな企業でアジャイル開発してて思ったこと(公開用)#xpjug
NTTみたいな企業でアジャイル開発してて思ったこと(公開用)#xpjug
Satoru KawaBuchi
MRTKで始めるAR開発 (HoloLens 1 and 2, ARCore, ARkit)
MRTKで始めるAR開発 (HoloLens 1 and 2, ARCore, ARkit)
Takashi Yoshinaga
Product ManagerとProduct Ownerの役割の違いについて
Product ManagerとProduct Ownerの役割の違いについて
Noritaka Shinohara
開発モデルの作り方(守破離の破)
開発モデルの作り方(守破離の破)
Arata Fujimura
AIビジネス推進人材に必要なスキルとその育成方法
AIビジネス推進人材に必要なスキルとその育成方法
munjapan
RailsGirls から始める エンジニアリングはじめの一歩
RailsGirls から始める エンジニアリングはじめの一歩
Hiroshi SHIBATA
多様な働き⽅のチームでどうやって アジャイルにやるの?(雁行陣開発)
多様な働き⽅のチームでどうやって アジャイルにやるの?(雁行陣開発)
toshihiro ichitani
메타버스 (업데이트)
메타버스 (업데이트)
Sangkyun Kim
学生時代に知っておきたかったWeb技術の学び方の学び方 | リブセンス
学生時代に知っておきたかったWeb技術の学び方の学び方 | リブセンス
Livesense Inc.
ソフトウェア設計の学び方を考える
ソフトウェア設計の学び方を考える
増田 亨
SES2020 IoTアーキテクチャ・デザインパターン
SES2020 IoTアーキテクチャ・デザインパターン
Hironori Washizaki
5分で解るセキュアコーディング
5分で解るセキュアコーディング
Yasuo Ohgaki
More Related Content
What's hot
プロダクトオーナー2.0
プロダクトオーナー2.0
toshihiro ichitani
Unityでスマホアプリが作れるか?
Unityでスマホアプリが作れるか?
MakotoItoh
Data × AI でどんな業務が改善できる? 製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介
Data × AI でどんな業務が改善できる? 製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介
IoTビジネス共創ラボ
エンジニアから飛んでくるマサカリを受け止める心得
エンジニアから飛んでくるマサカリを受け止める心得
Reimi Kuramochi Chiba
データからインサイト そして、アイデアの発想へ(CJM/POV/HMW)
データからインサイト そして、アイデアの発想へ(CJM/POV/HMW)
Masanori Kado
営業さんまで、社員全員がSQLを使う 「越境型組織」 ができるまでの3+1のポイント | リブセンス
営業さんまで、社員全員がSQLを使う 「越境型組織」 ができるまでの3+1のポイント | リブセンス
Livesense Inc.
【Unite 2017 Tokyo】ゲームAI・ゲームデザインから考えるゲームの過去・現在・未来
【Unite 2017 Tokyo】ゲームAI・ゲームデザインから考えるゲームの過去・現在・未来
Unity Technologies Japan K.K.
If文から機械学習への道
If文から機械学習への道
nishio
NTTみたいな企業でアジャイル開発してて思ったこと(公開用)#xpjug
NTTみたいな企業でアジャイル開発してて思ったこと(公開用)#xpjug
Satoru KawaBuchi
MRTKで始めるAR開発 (HoloLens 1 and 2, ARCore, ARkit)
MRTKで始めるAR開発 (HoloLens 1 and 2, ARCore, ARkit)
Takashi Yoshinaga
Product ManagerとProduct Ownerの役割の違いについて
Product ManagerとProduct Ownerの役割の違いについて
Noritaka Shinohara
開発モデルの作り方(守破離の破)
開発モデルの作り方(守破離の破)
Arata Fujimura
AIビジネス推進人材に必要なスキルとその育成方法
AIビジネス推進人材に必要なスキルとその育成方法
munjapan
RailsGirls から始める エンジニアリングはじめの一歩
RailsGirls から始める エンジニアリングはじめの一歩
Hiroshi SHIBATA
多様な働き⽅のチームでどうやって アジャイルにやるの?(雁行陣開発)
多様な働き⽅のチームでどうやって アジャイルにやるの?(雁行陣開発)
toshihiro ichitani
메타버스 (업데이트)
메타버스 (업데이트)
Sangkyun Kim
学生時代に知っておきたかったWeb技術の学び方の学び方 | リブセンス
学生時代に知っておきたかったWeb技術の学び方の学び方 | リブセンス
Livesense Inc.
ソフトウェア設計の学び方を考える
ソフトウェア設計の学び方を考える
増田 亨
SES2020 IoTアーキテクチャ・デザインパターン
SES2020 IoTアーキテクチャ・デザインパターン
Hironori Washizaki
5分で解るセキュアコーディング
5分で解るセキュアコーディング
Yasuo Ohgaki
What's hot
(20)
プロダクトオーナー2.0
プロダクトオーナー2.0
Unityでスマホアプリが作れるか?
Unityでスマホアプリが作れるか?
Data × AI でどんな業務が改善できる? 製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介
Data × AI でどんな業務が改善できる? 製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介
エンジニアから飛んでくるマサカリを受け止める心得
エンジニアから飛んでくるマサカリを受け止める心得
データからインサイト そして、アイデアの発想へ(CJM/POV/HMW)
データからインサイト そして、アイデアの発想へ(CJM/POV/HMW)
営業さんまで、社員全員がSQLを使う 「越境型組織」 ができるまでの3+1のポイント | リブセンス
営業さんまで、社員全員がSQLを使う 「越境型組織」 ができるまでの3+1のポイント | リブセンス
【Unite 2017 Tokyo】ゲームAI・ゲームデザインから考えるゲームの過去・現在・未来
【Unite 2017 Tokyo】ゲームAI・ゲームデザインから考えるゲームの過去・現在・未来
If文から機械学習への道
If文から機械学習への道
NTTみたいな企業でアジャイル開発してて思ったこと(公開用)#xpjug
NTTみたいな企業でアジャイル開発してて思ったこと(公開用)#xpjug
MRTKで始めるAR開発 (HoloLens 1 and 2, ARCore, ARkit)
MRTKで始めるAR開発 (HoloLens 1 and 2, ARCore, ARkit)
Product ManagerとProduct Ownerの役割の違いについて
Product ManagerとProduct Ownerの役割の違いについて
開発モデルの作り方(守破離の破)
開発モデルの作り方(守破離の破)
AIビジネス推進人材に必要なスキルとその育成方法
AIビジネス推進人材に必要なスキルとその育成方法
RailsGirls から始める エンジニアリングはじめの一歩
RailsGirls から始める エンジニアリングはじめの一歩
多様な働き⽅のチームでどうやって アジャイルにやるの?(雁行陣開発)
多様な働き⽅のチームでどうやって アジャイルにやるの?(雁行陣開発)
메타버스 (업데이트)
메타버스 (업데이트)
学生時代に知っておきたかったWeb技術の学び方の学び方 | リブセンス
学生時代に知っておきたかったWeb技術の学び方の学び方 | リブセンス
ソフトウェア設計の学び方を考える
ソフトウェア設計の学び方を考える
SES2020 IoTアーキテクチャ・デザインパターン
SES2020 IoTアーキテクチャ・デザインパターン
5分で解るセキュアコーディング
5分で解るセキュアコーディング
ビジュアルアナリティクスの芸術と科学
1.
Art and Science
of Visual Analytics Original Article by Mac Bryla | Translate & Arranged by KT
2.
なぜデータをビジュアル化するのでしょうか?
3.
脳がどう働くのか知る必要があります
4.
ゲームをしてみましょう
5.
6.
ゲームをしてみましょう
7.
8.
18596746321475030608030504090 70502769843010215346748950213 06057204020503090845064201040 70204070835061305080239245798 18596746321475030608030504090 70502769843010215346748950213 06057204020503090845064201040 70204070835061305080239245798 18596746321475030608030504090 70502769843010215346748950213 06057204020503090845064201040 70204070835061305080239245798
9.
ビジュアル・アナリティクスとは? ビジュアル・アナリティクスとは 私たちの視覚能⼒を活かして認識を拡⼤する データの表現⽅法です。 Visual analytics is
the representation of data that exploits our visual perception abilities in order to amplify cognition. - Andy Kirk
10.
数字の裏になにかある?
11.
数字の裏になにかある?
12.
きれいなチャート チャートは数字を楽しく表現するためのもの、 と考えることは間違いです。 チャートは理解するためのツールなのです。 "It’s a common
mistake to think that charts are just a fancy way of showing numbers. They’re not. They’re tools for understanding." -Robert Kosara
13.
ビジュアル・アナリティクスのプロセス ビジュアル化のベストプラクティス
14.
ビジュアル・アナリティクスのサイクル
15.
ビジュアル・アナリティクスのサイクル
16.
なぜ視覚化が 簡単に⾏えなければならないのでしょうか?
17.
記憶とプロセス
18.
記憶とプロセス
19.
⼈間の認知と認識 34 x 72 ̶̶̶̶̶̶̶ 68 2380 ̶̶̶̶̶̶̶ 2448
20.
⾃分の中から外に出し、 出したものを⾒て再度理解を深める
21.
⽂字を書くには?
22.
⽂字を書くには?
23.
Flow
24.
データを⾒るには?
25.
データを⾒るには?
26.
ビジュアル・アナリティクスのサイクル
27.
クロス集計 vs.
28.
⾊付きテーブル
29.
棒グラフ&⾊
30.
詳細も⾒ることができる
31.
記憶とプロセスの⼒を⼗分に発揮する Sensory Memoryを有効に使ってあげることで、 Short-term Memoryを有意義な考察に使うことができる
32.
記憶とプロセスの⼒を有意義に使う 読まなくていいものを読ませない(⾒てわかるようにする) 覚えなくていいものを覚えさせないことによって 脳の⼒を思索に振り向ける
33.
ビジュアル化のベストプラクティス Preattentive Attributes 色 地図 コンテキスト 比較対象 ダッシュボード デザイン
34.
記憶とプロセス
35.
Preattentive = 前注意的な
36.
Preattentive Attributes ⾊(彩度) ⾊(⾊相) 位置囲い サイズ 向き
幅 ⻑さ 形状 空間グループ ⼈間の知覚と認識
37.
Preattentive Attributes ⾊(彩度) ⾊(⾊相) 位置囲い サイズ 向き
幅 ⻑さ 形状 空間グループ ⼈間の知覚と認識 Form Colour Position
38.
どのPreattentive Attributesが⼀番強いでしょう? 形状、サイズ、⾊、位置 で想像してみてください。
39.
40.
どのPreattentive Attributesが⼀番強いでしょう? 形状、サイズ、⾊、位置 で確認してみてください。
41.
位置 色 サイズ 形状 重要度 高 低 Preattentive Attributesの強さ
42.
Tableauのマークカード
43.
データのタイプ 分類的な名義 アジア ヨーロッパ 北アメリカ トヨタ BMW フェラーリ ワイン ビール ⽔ 順序的な名義 ⾦ 銀 銅 とても良い 良い 悪い ⾼ 中 低 量的 重さ 10kg, 25kg, 100kg 価格 100,
1270, 3450 温度 -12℃, 3 ℃, 45 ℃
44.
データのタイプとPreattentive Attributesの相性は?
45.
データのタイプと相性のいいPreattentive Attributes 分類的な名義 順序的な名義
量的 位置 ⻑さ サイズ ⾊の彩度 形状 ⾊相 位置 サイズ ⾊の彩度 ⾊相 形状
46.
⼈がイメージしやすい組み合わせ 時間場所 ⽐較値
47.
⼈がイメージしやすい組み合わせ 相対的割合
48.
⼈がイメージしやすい組み合わせ 関連性
49.
⼈がイメージしやすい組み合わせ
50.
有効に使いましょう。(多⽤厳禁)
51.
⾊
52.
⾊
53.
⾊
54.
⾊
55.
⾊
56.
⾊
57.
⾊の背景
58.
59.
地図
60.
マッピングから得る洞察
61.
マッピングから得る洞察
62.
マッピングから得る洞察
63.
コンテキスト
64.
コンテキスト
65.
コンテキスト
66.
⽐較対象
67.
どのくらいすごいの? スカイダイブの世界記録
68.
データを強化 気象観測用 ゴム気球 旅客機 エベレスト 最も高い建物民間企業の 有人宇宙飛行 成層圏 対流圏
69.
ダッシュボード
70.
伝えたいことは何ですか
71.
パターン2︓メッセージは何ですか 強調すべき点を整理して、伝わりやすくする
72.
©2011 Tableau Software
Inc. All rights reserved. データから情報を抽出 102
73.
データから情報を抽出
74.
探索型 中立 パターン1:探索型
75.
説明型 意見が明確 http://graphics-info.blogspot.hk/2012/09/malofiej-20-look-at-our-participation.html パターン2:説明型 → ストーリーテリング
76.
デザイン
77.
考えなくてもわかる⾃然なデザインを⽬指す
78.
#fail
79.
#fail
80.
It’s not rocket
science
81.
⾒てわかるものは読まなくてもわかる
82.
なにが欲しい?と聞いてはいけません。
83.
84.
85.
86.
ビジュアル・アナリティクスのプロセス ビジュアル化のベストプラクティス
87.
ビジュアル化のベストプラクティス Preattentive Attributes 色 地図 コンテキスト 比較対象 ダッシュボード デザイン
88.
ビジュアル・アナリティクスとは? ビジュアル・アナリティクスとは 私たちの視覚能⼒を活かして認識を拡⼤する データの表現⽅法です。 Visual analytics is
the representation of data that exploits our visual perception abilities in order to amplify cognition. - Andy Kirk
Download now