View
326
Download
0
Category
Tags:
Preview:
DESCRIPTION
Apresentação panorâmica sobre a área emergente de Visual Analytics, citando principais conceitos e referências que vêm moldando suas práticas. Apresentada no Rio BigData Meetup de 21 de outubro de 2014, no anfiteatro do Rio Data Center na PUC-Rio.
Citation preview
Princípios, práticas e ferramentas
VISUAL ANALYTICS 101
Rio B ig Data Meetup
21/Out/2014Luís Rodr igues
l u i s@lu i s rodr igues .com.br
Rio B ig Data Meetup
21/Out/2014Luís Rodr igues
l u i s@lu i s rodr igues .com.br
“A melhor forma de ter boas ideias é
ter muitas ideias e ir jogando fora as
ruins.”Linus Pauling
Nobel de Química, 1954Nobel da Paz, 1962
Único a receber 2 prêmios sozinho1 dos 4 a receber mais de um prêmio
1 dos 2 a receber prêmios em 2 categorias
INTRODefi niçãoPor quê?
Como?Cognição
VisualAbordagens
FerramentasInspi ração
Referências
VISUAL ANALYTICS 101
DEFINIÇÃO FORMAL
Thomas & Cook (2005):Visual analytics is the science of analytical reasoning facilitated by interactive visual interfaces.
Analytical reasoning is central to the analyst’s task of applying human judgments to reach conclusions from a combination of evidence and assumptions.
Intro
DEFINIÇÃOPor quê?
Como?Cognição Visual
AbordagensFerramentas
Inspi raçãoReferências
VISUAL ANALYTICS 101
NA PRÁTICA
A
NÁ
LISE
DADOS
AÇÃO
dataviz
dataviz
dataviz
dataviz
dataviz
dataviz
dataviz
dataviz
dataviz
dataviz
dataviz
Intro
DEFINIÇÃOPor quê?
Como?Cognição Visual
AbordagensFerramentas
Inspi raçãoReferências
VISUAL ANALYTICS 101
POR QUÊ?
Insights valiosos dos dados
Decisões melhor embasadas
Comunicação mais efetivaProcessamento de grandes volumes, velocidades, variedade...
...assim como qualquer área relacionada com Big Data!
IntroDefi nição
POR QUÊ?Como?
Cognição VisualAbordagens
FerramentasInspi ração
Referências
VISUAL ANALYTICS 101
MAIS ESPECIFICAMENTE
Aumentar a probabilidade de se encontrar algo:Sem sentidoContra-intuitivoDesconcertantePolêmico ImprevisívelBizarro
Qual algoritmo?Qual forma?Qual valor (v = b/c)?
in_sight
IntroDefi nição
POR QUÊ?Como?
Cognição VisualAbordagens
FerramentasInspi ração
Referências
VISUAL ANALYTICS 101
COMO TER MAIS INSIGHTS?
Não começar com uma hipótese/pergunta Vira um obstáculo Vira um compromisso
Evitar conclusões por analogia Experiência pode cegar Você quer NOVAS ideias
Não explorar os dados sozinho Qualquer um é melhor que nenhum Cada um vê diferente
Ver os dados de diversas formas em diversos contextos MUITAS PERSPECTIVAS Se não houver insight, houve
APRENDIZADO
IntroDefi niçãoPor quê?
COMO?Cognição Visual
AbordagensFerramentas
Inspi raçãoReferências
VISUAL ANALYTICS 101
COMO ESTIMULAR MUITAS PERSPECTIVAS?
Assumir que não sabe tudoAbstrair, abstrair a abstração Prototipar rapidíssimo (5’)Co-customizar e compartilhar constantemente
Permitir drill down & aroundCruzar Bananas x LaranjasDescontrair e descomprometerPrestar atenção Inspirações cruzadasCognição visual
IntroDefi niçãoPor quê?
COMO?Cognição Visual
AbordagensFerramentas
Inspi raçãoReferências
VISUAL ANALYTICS 101
COGNIÇÃO VISUAL
“Nossos cérebros estão configurados para processar informação mais efetivamente de forma visual” (Simon)
“O olho e o córtex visual do cérebro formam um processador paralelo massivo, que compõem o canal com maior bandwidth para os centros cognitivos humanos” (Ware)
“Processamos mais pelo visual do que por todos os outros sentidos combinados” (Ware)
IntroDefi niçãoPor quê?
Como?
COGNIÇÃO VISUAL
AbordagensFerramentas
Inspi raçãoReferências
VISUAL ANALYTICS 101
PREATTENTIVE PROCESSING (TREISMAN, 1980)
IntroDefi niçãoPor quê?
Como?
COGNIÇÃO VISUAL
AbordagensFerramentas
Inspi raçãoReferências
VISUAL ANALYTICS 101
PRECISÃO PERCEPTIVA VISUAL (CLEVELAND, 1985)
Depende...
IntroDefi niçãoPor quê?
Como?
COGNIÇÃO VISUAL
AbordagensFerramentas
Inspi raçãoReferências
VISUAL ANALYTICS 101
PRA QUEM? QUE DADOS? PRA QUÊ? QUE TECNOLOGIA?
IntroDefi niçãoPor quê?
Como?
COGNIÇÃO VISUAL
AbordagensFerramentas
Inspi raçãoReferências
VISUAL ANALYTICS 101
REGRA ABSOLUTA
ABORDAGENS & INSPIRAÇÕES
Um vê diferente do outroUm mesmo indivíduo vê diferente a depender do contexto
Use isso a seu favor Menos dashboards: ferramentas de
acompanhamento e comunicação Menos IMPOSIÇÃO/ESTAGNAÇÃO
Mais protótipos flexíveis: ferramentas de discussão e colaboração Mais SUGESTÃO/DINAMICIDADE
IntroDefi niçãoPor quê?
Como?Cognição Visual
ABORDAGENS
FerramentasInspi ração
Referências
VISUAL ANALYTICS 101
ABORDAGENS VISUAIS
Tukey (1977): Primórdios... “Exploratory data analysis”: o
valor do visual Caneta, lápis, papel: sugestões
para clareza e ênfaseTufte (1983-2001): Salto!
Leituras micro/macro Estratificação (em camadas) e
separação Pequenos múltiplos Cor e informação Narrativas de espaço e tempo
IntroDefi niçãoPor quê?
Como?Cognição Visual
ABORDAGENS
FerramentasInspi ração
Referências
VISUAL ANALYTICS 101
ABORDAGENS VISUAIS: TUFTE
www.sealthreinhold.com/tuftes-rules Intro
Defi niçãoPor quê?
Como?Cognição Visual
ABORDAGENS
FerramentasInspi ração
Referências
VISUAL ANALYTICS 101
ABORDAGEM COGNITIVA
Schneiderman (1999) Aumentar o uso de recursos visuais
que expandam a capacidade de processamento
Reduzir a busca representando muitos dados em apenas um espaço
Estimular visualmente o reconhecimento de padrões
Estimular visualmente a inferência de relacionamentos
Ativar o monitoramento perceptivo de um grande número de eventos
Prover um meio manipulável/interativo para exploração
IntroDefi niçãoPor quê?
Como?Cognição Visual
ABORDAGENS
FerramentasInspi ração
Referências
VISUAL ANALYTICS 101
ABORDAGEM SISTÊMICA (YAU, 2013)
IntroDefi niçãoPor quê?
Como?Cognição Visual
ABORDAGENS
FerramentasInspi ração
Referências
VISUAL ANALYTICS 101
FERRAMENTAS
Cada semana (dia?) aparece uma... selection.datavisualization.ch
www.visualisingdata.com/index.php/resources
A lista continua crescendo...
IntroDefi niçãoPor quê?
Como?Cognição Visual
Abordagens
FERRAMENTAS
Inspi raçãoReferências
VISUAL ANALYTICS 101
NA PRÁTICA
A
NÁ
LISE
DADOS
AÇÃO
dataviz
dataviz
dataviz
dataviz
dataviz
dataviz
dataviz
dataviz
dataviz
dataviz
dataviz
Intro
DEFINIÇÃOPor quê?
Como?Cognição Visual
AbordagensFerramentas
Inspi raçãoReferências
VISUAL ANALYTICS 101
APLICAÇÃO > FERRAMENTA
Exploração
Prototipação
Publicação
Cognição e Análise Colaborativas
R
TableauQlikViewSpotfire
D3.js
IntroDefi niçãoPor quê?
Como?Cognição Visual
Abordagens
FERRAMENTAS
Inspi raçãoReferências
VISUAL ANALYTICS 101
COMPARAÇÃO: TRUSTRADIUS
IntroDefi niçãoPor quê?
Como?Cognição Visual
Abordagens
FERRAMENTAS
Inspi raçãoReferências
VISUAL ANALYTICS 101
COMPARAÇÃO: INDEED
IntroDefi niçãoPor quê?
Como?Cognição Visual
Abordagens
FERRAMENTAS
Inspi raçãoReferências
VISUAL ANALYTICS 101
INSPIRAÇÃO
Galerias com curadoriavisualoop.com/11044/30-amazing-data-viz-galleries-everyone-should-follow
D3.js: Mike Bostockbl.ocks.org/mbostock
Data Artwww.openprocessing.org/browse/?viewBy=most&filter=favorited
IntroDefi niçãoPor quê?
Como?Cognição Visual
AbordagensFerramentas
INSPIRAÇÃOReferências
VISUAL ANALYTICS 101
REFERÊNCIAS DESTA APRESENTAÇÃO
Thomas & Cook: Illuminating the Path: The R&D Agenda for Visual Analytics
Mike Bostock: d3js.org Alberto Cairo: Functional Art William Cleveland: Visualizing Data Ben Shneiderman: Readings in Information
Visualization: Using Vision to Think Phil Simon: The Visual Organization Anne Treisman: A feature integration theory of
attention John Tukey: Exploratory Data Analysis Edward Tufte: The Visual Display of
Quantitative Information Colin Ware: Information Visualization, Third
Edition: Perception for Design Nathan Yau: Data Points: Visualization That
Means Something & flowingdata.com Muitos outros autores e obras...
IntroDefi niçãoPor quê?
Como?Cognição Visual
AbordagensFerramentas
Inspi ração
REFERÊNCIAS
VISUAL ANALYTICS 101
É SÓ O COMEÇO...
Rio B ig Data Meetup
21/Out/2014Luís Rodr igues
l u i s@lu i s rodr igues .com.br
OBRIGADO.
Rio B ig Data Meetup
21/Out/2014Luís Rodr igues
l u i s@lu i s rodr igues .com.br
Recommended