Visual Analytics 101 - Princípios, práticas e ferramentas

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




“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


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


NA PRÁTICA

A

NÁ

LISE

DADOS

AÇÃO

dataviz

dataviz

dataviz

dataviz

dataviz

dataviz

dataviz

dataviz

dataviz

dataviz

dataviz

Intro






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


Referências


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


Referências


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




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


COMO?Cognição Visual




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)


Como?

COGNIÇÃO VISUAL




PREATTENTIVE PROCESSING (TREISMAN, 1980)


Como?

COGNIÇÃO VISUAL




PRECISÃO PERCEPTIVA VISUAL (CLEVELAND, 1985)

Depende...


Como?

COGNIÇÃO VISUAL




PRA QUEM? QUE DADOS? PRA QUÊ? QUE TECNOLOGIA?


Como?

COGNIÇÃO VISUAL




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



ABORDAGENS


Referências


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



ABORDAGENS


Referências


ABORDAGENS VISUAIS: TUFTE

www.sealthreinhold.com/tuftes-rules Intro

Defi niçãoPor quê?


ABORDAGENS


Referências


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



ABORDAGENS


Referências


ABORDAGEM SISTÊMICA (YAU, 2013)



ABORDAGENS


Referências


FERRAMENTAS

Cada semana (dia?) aparece uma... selection.datavisualization.ch

www.visualisingdata.com/index.php/resources

A lista continua crescendo...



Abordagens

FERRAMENTAS



NA PRÁTICA

A

NÁ

LISE

DADOS

AÇÃO

dataviz

dataviz

dataviz

dataviz

dataviz

dataviz

dataviz

dataviz

dataviz

dataviz

dataviz

Intro






APLICAÇÃO > FERRAMENTA

Exploração

Prototipação

Publicação

Cognição e Análise Colaborativas

R

TableauQlikViewSpotfire

D3.js



Abordagens

FERRAMENTAS



COMPARAÇÃO: TRUSTRADIUS



Abordagens

FERRAMENTAS



COMPARAÇÃO: INDEED



Abordagens

FERRAMENTAS



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




INSPIRAÇÃOReferências


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...




Inspi ração

REFERÊNCIAS


É SÓ O COMEÇO...




OBRIGADO.




Data & Analytics

Visual Analytics 101 - Princípios, práticas e ferramentas