В примере с землетрясениями частицей данных было отдельное землетрясение со свойствами: координата, сила и дата землетрясения.

На визуализации каждое землетрясение показано точкой, а сила землетрясения показана яркостью и цветом свечения вокруг точки. Это видно на легенде, которая располагается вдоль нижнего края визуализации и сделана, прямо скажем, не очень удачно:

Но само свечение как графический приём работает отлично: в относительно спокойных зонах видны отдельные точки, а в областях высокой тектонической активности землетрясения разрушительной силы сливаются в светящееся облако опасности. Мы пока не акцентируем внимание на том, каким образом точки расположены на плоскости — это наш следующий шаг. Сейчас важно увидеть, что частицы‑землетрясения переданы атомами‑точками, а сила землетрясений показана яркостью и цветом свечения (фактически, обводки) этой точки.

В примере с Московским марафоном частицей данных является бегун с набором свойств: пол, возраст и возрастная группа, финишный результат, положение на трассе в разное время от старта, страна, город, команда.

На основной визуализации, где бегуны перемещаются на карте, каждый бегун превращается в цветную точку, при этом цветом мы кодируем сразу два параметра — пол и возраст бегуна. Напомню, что пол показан цветом, а возрастные группы закодированы оттенками, от светлого (молодёжь) к тёмному (старшее поколение).

Главный кайф этого подхода в том, что на других диаграммах — распределение по полу и возрастным группам, распределение по времени финиша — визуальный атом не меняется. Мы как будто взяли разноцветную массу бегунов и иначе разложили её на плоскости:

Все графики здесь слеплены из одного «теста», мы раскладываем одни и те же частицы данных по‑разному в разных осях. И как следствие, все графики на визуализации получаются логичным образом связаны между собой: мы можем легко представить, как изменится «удав» и график финишей, если на диаграмме пола и возраста мы выберем только конкретную группу бегунов (например, мужчин, 35...39).

Далеко не во всех примерах мы увидим такое единство кодирования, но именно к нему мы должны стремиться «под капотом». Важно понимать, как именно сконструирован тот или иной график, и где на нём уровень частицы данных. Тогда объединять графики в логичные и цельные дашборды будет легко, а пользоваться такими дашбордами удобно.

Приведу последний пример — визуализацию рынка облигаций. Частица данных здесь выпуск (например, ГазпромБ22), визуальный атом — фигура, которая цветом кодирует рейтинг бумаг, размером их ликвидность, а формой наличие этих бумаг в портфеле заказчика.

Тут интересны два момента. Во‑первых, это довольно уникальный случай, когда получилось задействовать одновременно форму фигуры и её размер. Обычно это плохая идея, так как при кодировании размером числового параметра, сравнивать площади фигур разной формы у нас не получится, а значит мы на глаз не сможем идентифицировать одинаковые значения или степень различий. Но здесь у ликвидности было всего три возможных значения (высокая, средняя и низкая), которые были переданы тремя размерами фигур. А форм было всего две. Поэтому на итоговой визуализации мы имели дело с крупными/средними/мелкими кружками и треугольниками, которые вполне поддавались расшифровке.

Во‑вторых, на графике набор облигаций мог быть показан двумя разными способами, набором точек или одной кривой:

Для сравнения разных наборов между собой удобно было использовать отображение в кривых:

Но при этом про каждую кривую мы понимаем, что она есть «усреднение» по конкретному набору конкретных бондов:

А значит, кривая — это не вещь в себе, а ещё один понятный способ представления, за которым лежит всё тот же набор точек‑бумаг.

Итак, визуальный атом кодирует свойства частицы данных своими графическими свойствами и простраивает связи между разными графиками на дашборде. Визуальные атомы можно «визуально» суммировать, но в этом случае важно понимать, как получившаяся форма раскладывается на составные атомы.