Datavisualisering er præsentationen af data på en måde, der giver det mest effektive arbejde for en person at studere dem. [1] Datavisualisering bruges i vid udstrækning i videnskabelig og statistisk forskning (især inden for prognoser, datamining , forretningsanalyse ) , i instruktionsdesign til træning og test, i nyhedsrapporter og analytiske anmeldelser. Datavisualisering er relateret til informationsvisualisering , infografik , videnskabelig datavisualisering , undersøgende dataanalyse og statistisk grafik .
Begreberne "datavisualisering" (DV) og " infografik " betragtes ofte som synonyme, men præsentationseksperter skelner mellem de to. [2] I en tilgang betragtes VD som en del af infografikken, som ifølge denne opfattelse er en kombination af VD, illustrationer, tegninger og tekst, der tjener til at formidle et sammenhængende budskab. [3]
En anden tilgang skelner betinget mellem disse begreber i henhold til skabelsesmetoden, æstetiske kvaliteter og mængden af data. Ifølge denne tilgang refererer infografik til repræsentationer af data, der er: menneskeskabte, specifikke for den præsenterede information, meget æstetiske og lav i data. I modsætning hertil refererer datavisualisering til repræsentationer, der er algoritmisk genereret, let reproducerbare for forskellige prøver og lignende datatyper, ikke indeholder mange dekorative elementer, men viser store mængder data. [fire]
Oprindelsen af datapræsentation i form af tabeller, diagrammer og kort kan spores tilbage til oldtiden. [5] Et håndgribeligt behov for præsentation af information af høj kvalitet begyndte at opstå under renæssancen, med fremkomsten af store mængder data og visuel information fra geografi, astronomi, geometri, statistik og andre videnskaber. [6]
Den første halvdel af det 19. århundrede oplevede en betydelig stigning i arbejde, der brugte grafisk repræsentation af data. Ved midten af århundredet blev alle hovedtyperne af datarepræsentation opfundet: søjle- og cirkeldiagrammer, histogrammer, linjediagrammer, tidsseriediagrammer, konturdiagrammer osv. [7]
Væksttendensen begyndte at falde i begyndelsen af det 20. århundrede og gav plads til eksakt matematik. Men det var i denne periode, at lærebøger og kurser om grafiske metoder til at præsentere data begyndte at dukke op, og selve graferne begyndte at blive brugt ikke kun til at præsentere resultater, men også til at studere information og fremsætte hypoteser inden for astronomi, fysik, biologi og andre videnskaber. [otte]
Visualisering fik en ny runde i tredje kvartal af det 20. århundrede. Tre begivenheder bidrog til dette [9] :
I henhold til formålet med datapræsentation opdeles visualisering i præsentation ( eng. "præsentation" , "forklaring" ) og forskning ( eng. "udforskning" ). Præsentationsvisualisering er designet til at præsentere data for et bestemt publikum (for eksempel som en del af et videnskabeligt arbejde, rapport eller analytisk gennemgang i nyhederne). Udforskende visualisering er designet til at analysere og behandle et sæt data, for eksempel for at opdage mønstre i dem.
Der er også hybride præsentations-forskningsformer for datavisualisering. I dette tilfælde er målet stadig den samme præsentation af den indlejrede information, dog får en person mulighed for at studere det viste datasæt i detaljer gennem interaktive elementer, for eksempel ved at pålægge eventuelle begrænsninger på dataene. [12]
Datavisualiseringsundersystemet er en vigtig komponent i data mining-systemer af høj kvalitet , især dem, der fokuserer på at behandle store mængder information. I business intelligence - systemer kan visualisering bruges på alle stadier af databehandlingsprocessen [13] :
I modsætning til den sædvanlige grafiske grænseflade giver disse værktøjer:
| Visualisering af teknisk information | |
|---|---|
| Områder |
|
| Billedtyper _ |
|
| Personligheder |
|
| Beslægtede områder |
|
| Data | |
|---|---|
| |