В сети огромное количество примеров визуализации данных, но не все они хороши и достойны подражания. Даже в шортлистах престижных международных конкурсов встречаются эффектные, но бедные на смыслы работы. Как среди этих примеров отыскать те, на которые можно равняться, с помощью которых можно учиться и развиваться?

Я выделяю семь принципов, которые служат мне критериями оценки чужих визуализаций и ориентирами при создании собственных работ. Вот они:

  1. Визуализация проявляет.

  2. Информативность.

  3. Многомерность.

  4. Наглядность.

  5. Логичность и удобство использования.

  6. Эстетичность.

  7. Правдивость.

В следующих советах я разберу каждый из этих принципов подробно.

Начнём с первого принципа и сразу обратимся к примеру:

Землетрясения с 1898 года. Джон Нельсон, IDV Solutions. Фликр

На этой карте показаны все землетрясения, зафиксированные на нашей планете с 1898 года. Изобразив их точками на карте, мы проявили картину, которую невозможно увидеть, изучая таблицу с исходными данными, картину, которую ни один человек не видел своими глазами. За скоплениями точек‑землетрясений проступают очертания тектонических плит.

Обратите внимание, что на карте видна не только общая картина с глобальным трендом (сейсмическая активность на границах плит), но и каждое отдельное землетрясение, которое эту картину формирует. Когда за общей картиной видны детали, доверие к ней — больше, а погружение в тему — глубже. Мы не просто видим очертания плит, мы обращаем внимание, что активность вдоль границ отличается по силе и характеру, задаём вопросы, строим гипотезы.

Без этой карты землетрясений не обходится ни одно моё публичное выступление, она олицетворяет для меня самую важную задачу визуализации как инструмента. Хорошая визуализация позволяет увидеть невидимое, она проявляет скрытые в таблицах закономерности и аномалии. При этом общая картина формируется из деталей, которые не просто изображают факты, но позволяют погрузиться в тему и проанализировать эти закономерности.

Ещё один блестящий пример, иллюстрирующий этот принцип, — карта смертельных случаев во время эпидемии холеры 1854 года в Лондоне, созданная доктором Джоном Сноу.

Это была не первая эпидемия, которую исследовал Джон Сноу, к этому времени он уже подозревал, что холера передаётся через воду. Изучение воды под микроскопом не дало результатов. Но отсутствие видимых загрязнений и не опровергало гипотезу. И тогда доктор Сноу обратился к данным. Чтобы проверить свою гипотезу, врач изобразил 83 смертельных случая чёрточками на карте, вместе с кружочками — источниками питьевой воды, и сразу предположил, что источником заражения является колонка на пересечении Броад‑стрит и Кембридж‑стрит.

Вспышка холеры на Броад‑стрит. Википедия

Большинство смертей сосредоточено вблизи этой колонки, но само по себе это, конечно, не доказывает причинно‑следственную связь между колонкой и холерой. Джон Сноу, как настоящий детектив, исследует случаи, которые противоречат его гипотезе. В своём отчёте он пишет: «Из десяти случаев, которые расположены ближе к другой колонке, о пятерых погибших известно, что они всегда брали воду на Броад‑стрит, потому что она им больше нравилась на вкус». Он также выясняет, что столяр с Ноэль‑стрит работал на Броад‑стрит, а маленькие девочки из Хем‑ярда, Энджел‑корта и Грейт‑Виндмил‑стрит ходили в школу Дуфорда на Броад‑стрит и частенько пили воду из той самой злополучной колонки.

Ещё один аспект, который можно изучить на карте — это «белые пятна» вокруг колонки, места, где при большом скоплении людей смерти редки или отсутствуют совсем. А именно, пивоварня и работный дом.

Джон Сноу исследует и эти аномалии и выясняет, что из 70 сотрудников пивоварни никто не заболел холерой в серьёзной форме, а ещё выясняет, что сотрудникам разрешено в рабочее время пить пиво в достаточном количестве, так что они, вероятно, воду из колонки не пили вообще. Что касается работного дома, то у них на территории находится собственный колодец, и там из 535 заключённых умерло от холеры всего 5. Если бы смертность внутри работного дома была такой же, как в окружающих домах, это число приближалось бы к сотне.

Карта показывает важную закономерность — близость большинства случаев к колонке, но она не постулирует эту закономерность, а демонстрирует её наглядно, складывая общую картину из отдельных точек‑смертей. Таким образом, доверие зрителя к этой картине и выводу, который мы делаем, очень высоко. Но на общей картине, сформированной таким образом — из отдельных точек‑данных, — видны и аномалии. И именно расследование случаев, которые противоречат гипотезе, выявление их связи с колонкой на Броад‑стрит, окончательно убеждает зрителя в достоверности гипотезы.

Оба примера показывают, что визуализация — это мощный инструмент выявления закономерностей, а также убедительной презентации выводов, основанных на данных. Если же визуализация не показала ничего нового по сравнению с исходной таблицей, как это было в случае инфографики о футбольных трансферах, это повод продолжить эксперименты в поисках более классного решения.

Визуализация данныхПринципы визуализации
Отправить
Поделиться
Запинить

Рекомендуем другие советы