データと情報の視覚化

データおよび情報の視覚化（データviz/visまたは情報viz/vis）^[2]は、静的、動的またはインタラクティブな視覚アイテムの助けを借りて、大量^[3]の複雑な定量的および定性的なデータと情報を、伝達しやすく理解しやすいグラフィックまたは視覚的表現を設計および作成する手法です。通常、特定の専門分野から収集されたデータと情報に基づいているこれらの視覚化は、より広い対象者が、データ内の他の方法では識別が難しい構造、関係性、相関関係、ローカルおよびグローバルなパターン、傾向、変動、不変性、クラスター、外れ値、および異常なグループを視覚的に探索および発見し、迅速に理解、解釈し、重要な洞察を得るのに役立つように設計されています（探索的視覚化）。[ ^{4 ] [5] [6]}一般大衆（マスコミュニケーション）向けに、既知の特定の情報を簡潔にわかりやすく魅力的に伝えることを目的と

データ視覚化は、主に定量的な生データの集合を図式的に視覚的に提示することに関係しています。データ視覚化で使用される視覚形式には、表、チャート、グラフ (円グラフ、棒グラフ、折れ線グラフ、面グラフ、円錐グラフ、ピラミッドグラフ、ドーナツグラフ、ヒストグラム、スペクトログラム、コホートグラフ、ウォーターフォールグラフ、ファネルグラフ、ブレットグラフなど)、図、プロット(散布図、分布図、箱ひげ図など)、地理空間マップ(比例シンボルマップ、階級区分図、等値線マップ、ヒートマップなど)、図、相関マトリックス、パーセンテージゲージなどがあり、ダッシュボードで組み合わせることもできます。

一方、情報視覚化は、定量的 (数値) データと定性的 (非数値、つまり言語またはグラフィック) で主に抽象的な情報を含む複数の大規模で複雑なデータセットを扱い、その目的は、生データに価値を付加し、閲覧者の理解力を向上させ、認知力を強化し、閲覧者がコンピューター支援のグラフィック表示を操作して操作する際に洞察を引き出し、意思決定できるようにすることです。情報視覚化で使用される視覚ツールには、マップ(ツリー マップなど)、アニメーション、インフォグラフィック、サンキー ダイアグラム、フロー チャート、ネットワーク ダイアグラム、セマンティック ネットワーク、エンティティ関係図、ベン図、タイムライン、マインド マップなどがあります。

仮想現実、拡張現実、複合現実などの新興技術は、情報の視覚化をより没入型、直感的、インタラクティブ、かつ簡単に操作できるようにし、ユーザーの視覚的知覚と認知を向上させる可能性があります。^{[7]データと情報の視覚化では、}データベース、情報システム、ファイルシステム、ドキュメント、ビジネスデータなどから収集された抽象的で非物理的で非空間的なデータをグラフィカルに提示および探索することが目標です（プレゼンテーションと探索の視覚化）。これは、仮説を確認または拒否するために物理的および空間的な科学的データに基づいて現実的な画像をレンダリングすることを目標とする科学的視覚化の分野とは異なります（確認の視覚化）。^[8]

効果的なデータ視覚化は、適切なソースから提供され、文脈化され、シンプルで整理されています。基礎となるデータは正確で最新のものであり、洞察が信頼できるものであることが保証されます。グラフィカルなアイテムは、与えられたデータセットに対して適切に選択され、見た目にも魅力的で、形、色、その他の視覚要素が意味のある、気を散らさない方法で意図的に使用されています。ビジュアルには、サポートテキスト（ラベルとタイトル）が付随します。これらの言葉とグラフィックのコンポーネントは、明確で迅速かつ記憶に残る理解を確実にするために互いに補完し合います。効果的な情報視覚化は、対象となる聴衆のニーズと懸念、専門知識のレベルを認識し、意図的に意図した結論に導きます。^{[9] [3]}このような効果的な視覚化は、専門的で複雑なビッグデータ主導のアイデアを、視覚的に魅力的で魅力的かつアクセスしやすい方法で、より広いグループの非技術者の聴衆に伝えるだけでなく、ドメインの専門家や経営幹部が意思決定を行ったり、パフォーマンスを監視したり、新しいアイデアを生み出したり、研究を刺激したりするためにも使用できます。^{[9] [4]}さらに、データ サイエンティスト、データ アナリスト、データ マイニングの専門家は、データ視覚化を使用して、データの品質をチェックし、データ内のエラー、異常なギャップ、欠損値を見つけ、データをクリーンアップし、データの構造と機能を調査し、データ駆動型モデルの出力を評価します。^[4]ビジネスでは、データと情報の視覚化はデータ ストーリーテリングの一部を構成することができ、一貫した物語構造またはストーリーラインと組み合わせて、分析されたデータを文脈化し、データ分析から得られた洞察を明確かつ記憶に残るように伝え、ビジネス価値を生み出すために、聴衆に意思決定や行動を起こすよう説得することを目的としています。^{[3] [10]これは、}統計グラフィックスの分野とは対照的です。統計グラフィックスの分野では、複雑な統計データが統計の専門知識を持つ研究者やアナリスト間で正確かつ精密にグラフィックで伝えられ、探索的なデータ分析を実行したり、そのような分析の結果を伝えたりするのに役立ち、視覚的な魅力、特定の問題への注目を集めること、ストーリーテリングはそれほど重要ではありません。^[11]

データと情報の視覚化の分野は、記述統計学（18世紀初頭）^{[12] 、} 視覚コミュニケーション、グラフィックデザイン、認知科学、そして最近ではインタラクティブコンピュータグラフィックスや人間とコンピュータの相互作用^[13]の分野に見られる原理を取り入れているため、学際的な性質を持っています。効果的な視覚化にはデザインスキル、統計スキル、コンピューティングスキルが必要なため、GershonやPageなどの著者は、視覚化は芸術であると同時に科学でもあると主張しています。[ ^14]隣接する分野のビジュアル分析は、統計データ分析、データと情報の視覚化、人間の分析的推論をインタラクティブなビジュアルインターフェイスを通じて組み合わせ、人間のユーザーが結論を導き、実用的な洞察を得て、情報に基づいた決定を下せるように支援します。これらは、コンピュータでは難しいことです。

人々がさまざまな種類の視覚化をどのように読み、どのように誤読するかを研究することで、どのような種類と特徴の視覚化が最も理解しやすく、情報を伝達するのに効果的であるかを判断するのに役立っています。 ^{[15] [16]}一方、意図せずに質の低い、または意図的に誤解を招き、欺瞞的な視覚化（誤情報視覚化）は、誤った情報を広め、一般の認識を操作し、世論を特定の議題に向けさせる強力なツールとして機能する可能性があります。 ^[17]したがって、データ視覚化リテラシーは、過去にテキスト、数学、視覚リテラシーが果たした役割と同様に、情報化時代のデータおよび情報リテラシーの重要な要素になっています。 ^[18]

データと情報の視覚化の分野は、「人間とコンピュータの相互作用、コンピュータサイエンス、グラフィックス、ビジュアルデザイン、心理学、ビジネス手法の研究から生まれました。科学研究​​、デジタルライブラリ、データマイニング、金融データ分析、市場調査、製造生産管理、新薬発見などの重要な要素としてますます応用されています。」^[19]

データと情報の視覚化は、「視覚的表現とインタラクション技術は、人間の目の広い帯域幅の心への経路を利用して、ユーザーが一度に大量の情報を見て、探索し、理解できるようにする」ことを前提としています。情報視覚化は、抽象的な情報を直感的な方法で伝えるためのアプローチの作成に重点を置いています。^[20]

データ分析は、産業界のあらゆる応用研究と問題解決に欠かせない要素です。最も基本的なデータ分析アプローチは、視覚化（ヒストグラム、散布図、表面プロット、ツリーマップ、平行座標プロットなど）、統計（仮説検定、回帰、PCAなど）、データマイニング（関連マイニングなど）、機械学習手法（クラスタリング、分類、決定木など）です。これらのアプローチのうち、情報視覚化、つまり視覚データ分析は、人間のアナリストの認知スキルに最も依存しており、人間の想像力と創造力によってのみ制限される、構造化されていない実用的な洞察の発見を可能にします。アナリストは、データの視覚化を解釈できるようにするために、高度な方法を学ぶ必要はありません。情報視覚化は仮説生成スキームでもあり、通常は、統計的仮説検定などのより分析的または正式な分析がそれに続きます。

情報を明確かつ効率的に伝えるために、データ視覚化では統計グラフ、プロット、情報グラフなどのツールが使用されます。数値データは、定量的なメッセージを視覚的に伝えるために、点、線、または棒を使用してエンコードされる場合があります。^[21]効果的な視覚化は、ユーザーがデータと証拠を分析して推論するのに役立ちます。^[22]視覚化により、複雑なデータがよりアクセスしやすく、理解しやすく、使いやすくなりますが、簡素化されることもあります。^{[23]ユーザーは、比較を行う、}因果関係を理解するなど、特定の分析タスクを実行する場合があり、グラフの設計原則（比較の表示や因果関係の表示など）はタスクに従います。表は通常、ユーザーが特定の測定値を調べる場合に使用され、さまざまな種類のグラフは、1つ以上の変数のデータ内のパターンまたは関係を示すために使用されます。

データ視覚化とは、データや情報をグラフィックに含まれる視覚オブジェクト (点、線、バーなど) としてエンコードして伝える技術を指します。目的は、情報をユーザーに明確かつ効率的に伝えることです。これは、データ分析またはデータ サイエンスのステップの 1 つです。Vitaly Friedman (2008) によると、「データ視覚化の主な目的は、グラフィカルな手段を使用して情報を明確かつ効果的に伝えることです。これは、データ視覚化が機能的であるためには退屈に見えたり、美しく見えるためには極端に洗練されている必要があるという意味ではありません。アイデアを効果的に伝えるには、美的な形式と機能性の両方が連携して、より直感的な方法で重要な側面を伝えることで、かなりまばらで複雑なデータ セットに対する洞察を提供する必要があります。しかし、デザイナーは形式と機能のバランスをとることができず、情報を伝えるという主な目的を果たせない、見事なデータ視覚化を作成することがよくあります。」^[24]

実際、フェルナンダ・ヴィエガスとマーティン・M・ワッテンバーグは、理想的な視覚化は明確に伝えるだけでなく、視聴者の関心と注意を刺激するものでなければならないと示唆している。^[25]

データ視覚化は、情報グラフィックス、情報視覚化、科学的視覚化、探索的データ分析、統計グラフィックスと密接に関連しています。新世紀において、データ視覚化は研究、教育、開発の活発な分野となっています。Post et al. (2002) によると、データ視覚化は科学的視覚化と情報視覚化を統合しています。^[26]

商業環境では、データの視覚化はダッシュボードと呼ばれることがよくあります。インフォグラフィックは、データの視覚化のもう 1 つの非常に一般的な形式です。

エドワード・タフテは、情報ディスプレイのユーザーは 比較などの特定の分析タスクを実行していると説明しています。情報グラフィックのデザイン原則は、分析タスクをサポートするものでなければなりません。 ^[28]ウィリアム・クリーブランドとロバート・マギルが示すように、さまざまなグラフィック要素が多かれ少なかれこれを効果的に達成します。たとえば、ドットプロットと棒グラフは円グラフよりも優れています。^[29]

エドワード・タフテは1983年の著書『定量的情報の視覚的表示』^[30] の中で、 「グラフィカル表示」と効果的なグラフィカル表示の原則を次のように定義しています。「統計グラフの優秀さは、複雑なアイデアを明快、正確、効率的に伝えることです。グラフィカル表示は次のようなものでなければなりません。

• データを表示する
• 方法論、グラフィックデザイン、グラフィック制作の技術、または他の何かについてではなく、内容について視聴者に考えさせる
• データが示す内容を歪曲しないようにする
• 小さなスペースに多くの数字を表示する
• 大規模なデータセットを一貫性のあるものにする
• 異なるデータを比較する目を促す
• 広い概要から細かい構造まで、いくつかの詳細レベルでデータを明らかにする
• かなり明確な目的を果たす：説明、調査、集計、装飾
• データセットの統計的および言語的説明と密接に統合される。

グラフィックはデータを明らかにし、実際、従来の統計計算よりも正確で、より明らかにすることができます。」^[31]

たとえば、ミナール図は、1812年から1813年にかけてナポレオン軍が被った損失を示しています。6つの変数がプロットされています。軍隊の規模、2次元面上の位置 (x と y)、時間、移動方向、温度です。線の幅は比較 (ある時点における軍隊の規模) を示し、温度軸は軍隊の規模の変化の原因を示唆しています。この2次元面上の多変量表示は、信頼性を高めるためにソースデータを特定しながら、すぐに理解できるストーリーを伝えます。タフテは1983年に「これはおそらく、これまでに描かれた中で最高の統計グラフである」と書いています。^[31]

これらの原則を適用しないと、誤解を招くグラフになったり、メッセージが歪んだり、誤った結論を裏付けたりする可能性がある。タフテによれば、チャートジャンクとは、メッセージを強調しないグラフィックの内部装飾や、不必要な 3 次元効果や遠近法効果を指す。説明のキーを画像自体から不必要に切り離し、画像とキーの間を視線が行き来する必要があるのは、「管理上のゴミ」の一種である。「データとインク」の比率を最大化し、可能であればデータ以外のインクを消去する必要がある。^[31]

議会予算局は2014年6月のプレゼンテーションで、グラフィック表示に関するベストプラクティスをいくつかまとめました。これには、a) 対象者を知ること、b) レポートの文脈から外れても独立して機能するグラフィックをデザインすること、c) レポートの主要メッセージを伝えるグラフィックをデザインすることなどが含まれています。^[32]

著者の Stephen Few 氏は、一連のデータと、メッセージの伝達に使用される関連グラフからユーザーが理解または伝達しようとする可能性のある 8 種類の定量的メッセージについて説明しています。

1. 時系列: 10 年間の失業率や気温の測定値など、1 つの変数が一定期間にわたって記録されます。折れ線グラフを使用して、時間の経過に伴う傾向を示すことができます。
2. ランキング: カテゴリ区分は昇順または降順にランク付けされます。たとえば、単一期間における営業担当者 (カテゴリ、各営業担当者はカテゴリ区分) による営業実績 (メジャー) のランキングなどです。棒グラフを使用して、営業担当者間の比較を表示できます。
3. 部分対全体: カテゴリの細分は、全体に対する比率 (つまり、100% に対するパーセンテージ) として測定されます。円グラフまたは棒グラフでは、市場における競合他社の市場シェアなどの比率の比較を表示できます。
4. 偏差: カテゴリ別の細分化は、特定の期間における企業の複数の部門の実際の支出と予算支出の比較など、基準と比較されます。棒グラフでは、実際の金額と基準金額の比較を表示できます。
5. 頻度分布: 特定の変数の観測回数を、指定された間隔で表示します。たとえば、株式市場の収益が 0～10%、11～20% などの間隔内にある年数などです。この分析には、棒グラフの一種であるヒストグラムを使用できます。箱ひげ図は、中央値、四分位数、外れ値などの分布に関する主要な統計を視覚化するのに役立ちます。
6. 相関: 2 つの変数 (X、Y) で表される観測値を比較して、同じ方向に動く傾向があるか、反対方向に動く傾向があるかを判断します。たとえば、数か月のサンプルについて失業率 (X) とインフレ率 (Y) をプロットします。このメッセージには通常、散布図が使用されます。
7. 名目比較: 製品コード別の売上高など、特定の順序なしでカテゴリの細分を比較します。この比較には棒グラフを使用できます。
8. 地理または地理空間：州別の失業率や建物の各階にいる人数など、地図やレイアウト上の変数の比較。カルトグラムが使用される典型的なグラフィックです。^{[21] [34]}

一連のデータを確認するアナリストは、上記のメッセージとグラフィックの種類の一部またはすべてが自分のタスクと対象者に当てはまるかどうかを検討する場合があります。データ内の意味のある関係とメッセージを識別するための試行錯誤のプロセスは、探索的データ分析の一部です。

人間は、線の長さ、形、向き、距離、色（色相）の違いを、大きな処理努力をすることなく容易に区別することができます。これらは「前注意属性」と呼ばれます。たとえば、一連の数字の中で「5」という数字が何回出現するかを識別するには、かなりの時間と労力（「注意処理」）が必要になる場合があります。しかし、その数字が大きさ、向き、または色が異なる場合、前注意処理を通じてその数字のインスタンスをすぐに認識できます。^[35]

説得力のあるグラフィックは、前注意処理と属性、およびこれらの属性の相対的な強さを活用します。たとえば、人間は線の長さの違いを表面積よりも簡単に処理できるため、円グラフ（表面積を使用して比較を示す）よりも棒グラフ（線の長さを使用して比較を示す）を使用する方が効果的である可能性があります。^[35]

ほぼすべてのデータ視覚化は、人間が利用するために作成されています。直感的な視覚化を設計するには、人間の知覚と認知に関する知識が必要です。^[36]認知とは、知覚、注意、学習、記憶、思考、概念形成、読解、問題解決などの人間のプロセスを指します。^[37]人間の視覚処理は、変化を検出し、量、サイズ、形状、明度の変化を比較するのに効率的です。記号データの特性が視覚特性にマッピングされると、人間は大量のデータを効率的に参照できます。脳のニューロンの2/3が視覚処理に関与していると推定されています。適切な視覚化は、視覚化されていない定量的データではそれほど明白ではない潜在的なつながりや関係性などを示すための別のアプローチを提供します。視覚化はデータ探索の手段になり得ます。

研究によると、データ視覚化とテキストを比較した場合、個人の使用認知リソースは平均で19％少なく、詳細を思い出す能力は4.5％向上することが示されています。^[38]

視覚化に関する現代の研究はコンピュータグラフィックスから始まりました。コンピュータグラフィックスは「最初から科学的問題の研究に使われてきました。しかし、初期の頃はグラフィックスのパワー不足のためにその有用性が限られることが多かったのです。視覚化に対する最近の重点は、1987年に『Computer Graphics on Visualization in Scientific Computing 』という特別号から始まりました。それ以来、 IEEE Computer SocietyとACM SIGGRAPHが共催する会議やワークショップがいくつか開催されています」。^{[39]これらは、}データ視覚化、情報視覚化、科学的視覚化といった一般的なトピックや、ボリューム視覚化などのより具体的な領域に焦点を当ててきました。1786年、ウィリアム・プレイフェアが最初のプレゼンテーショングラフィックスを発表しました。

データ視覚化の包括的な「歴史」は存在しません。視覚的思考とデータの視覚的表現の発展全体にわたる説明はなく、さまざまな分野の貢献を照合するものもありません。^[40]ヨーク大学のマイケル・フレンドリーとダニエル・J・デニスは、視覚化の包括的な歴史を提供しようとするプロジェクトに取り組んでいます。一般的な考えに反して、データ視覚化は現代の発展ではありません。先史時代以来、更新世以来、恒星データ、つまり星の位置などの情報は洞窟の壁（南フランスのラスコー洞窟で発見されたものなど）に視覚化されていました。 [ 41 ]^{メソポタミアの}粘土トークン（紀元前5500年）、インカのキプス（紀元前2600年）、マーシャル諸島の棒グラフ（nd）などの物理的な遺物も、定量的な情報を視覚化したものと考えることができます。^{[42] [43]}

記録に残る最初のデータ視覚化は、紀元前1160年のトリノのパピルスの地図に遡ります。この地図は、地質資源の分布を正確に示し、それらの資源の採石に関する情報を提供しています。^{[44]このような地図は、}テーマ別地図作成に分類できます。これは、特定の地理的領域に関連する特定のテーマを示すように設計された地理的なイラストを通じて、特定のデータと情報を提示および伝えるタイプのデータ視覚化です。記録に残る最も古い形式のデータ視覚化は、さまざまな文化のさまざまなテーマの地図と、示された情報を提供および解釈できる表意文字と象形文字でした。たとえば、ミケーネの線文字Bの粘土板は、地中海における後期青銅器時代の貿易に関する情報を視覚化しました。座標の概念は古代エジプトの測量士が町の配置に使用し、地球と天の位置は少なくとも紀元前200年までに緯度と経度に似たものによって特定され、アレクサンドリアのクラウディウス・プトレマイオス[  85年頃-  165年頃]による球形の地球の緯度と経度の地図投影は14世紀まで参照基準として機能しました。^[44]

紙と羊皮紙の発明により、歴史を通じて視覚化がさらに発展しました。図は、10世紀またはおそらく11世紀の、修道院の学校の教科書の付録で使用されていた惑星の動きの図解を意図したグラフを示しています。^[45]このグラフは、明らかに、惑星の軌道の傾斜を時間の関数としてプロットすることを意図していました。この目的のために、黄道帯は、時間または経度軸として30に分割された水平線を持つ平面上に表されました。垂直軸は黄道帯の幅を示します。周期を一致させることができないため、水平スケールは各惑星ごとに個別に選択されたようです。付随するテキストは振幅のみに言及しています。曲線は明らかに時間的には関連していません。

16世紀までに、物理量や地理・天体の位置を正確に観測・測定する技術や機器が発達した（例えば、ティコ・ブラーエ[1546-1601]が天文台の壁一面を覆う「壁象限」を建設）。特に重要なのは、地図上の位置を正確に決定するための三角測量やその他の方法の開発であった。^[40]非常に早い時期に、時間の測定によって学者たちはデータを視覚化する革新的な方法を開発するようになった（例えば、1596年のローレンツ・コドマン、1596年のヨハネス・テンポラリウス^[46]）。

フランスの哲学者で数学者のルネ・デカルトとピエール・ド・フェルマーは解析幾何学と二次元座標系を考案し、値の表示と計算の実用的な方法に大きな影響を与えました。フェルマーとブレーズ・パスカルの統計と確率論に関する研究は、現在私たちがデータとして概念化しているものの基礎を築きました。^[40]インタラクションデザイン財団によると、これらの発展により、量的データのグラフィカルな伝達の可能性を見出していたウィリアム・プレイフェアが統計のグラフィカルな手法を生み出し、開発することができました。^[36]

20世紀後半、ジャック・ベルタンは定量的なグラフを使用して情報を「直感的に、明確に、正確に、そして効率的に」表現しました。^[36]

ジョン・テューキーとエドワード・タフテは、データ視覚化の限界を押し広げました。テューキーは新しい統計的アプローチである探索的データ分析で、タフテは著書「定量的情報の視覚的表示」で、統計学者以外の人々のためにデータ視覚化技術を洗練させる道を開きました。技術の進歩とともにデータ視覚化も進歩しました。手描きの視覚化から始まり、インタラクティブなデザインを含むより技術的なアプリケーションへと進化し、ソフトウェア視覚化につながりました。^[47]

SAS、SOFA、R、Minitab 、Cornerstoneなどのプログラムにより、統計分野でのデータの視覚化が可能になります。他のデータ視覚化アプリケーションは、より個人に特化しており、D3、Python、JavaScriptなどのプログラミング言語は、定量データの視覚化を可能にします。私立学校も、データ視覚化と関連プログラミングライブラリの学習の需要を満たすプログラムを開発しており、これにはThe Data Incubatorなどの無料プログラムやGeneral Assemblyなどの有料プログラムが含まれます。^[48]

2013 年のシンポジウム「データから発見へ」を皮切りに、アートセンター カレッジ オブ デザイン、カリフォルニア工科大学、パサデナの JPL は、インタラクティブなデータ視覚化に関する年次プログラムを実施してきました。^[49]このプログラムでは、インタラクティブなデータ視覚化によって、科学者やエンジニアがデータをより効果的に調査するにはどうすればよいか、コンピューティング、デザイン、デザイン思考によって、研究成果を最大化するにはどうすればよいか、これらの分野の知識を活用するにはどのような方法論が最も効果的か、といった問いかけを行っています。関係情報を適切な視覚的およびインタラクティブな特性でエンコードして、データを調べ、最終的にデータに対する新しい洞察を得ることで、このプログラムは、デザイン思考と、コンピューティング、ユーザー中心設計、インタラクション デザイン、3D グラフィックスの最新の手法を組み合わせ、複雑な科学問題に対する新しい学際的なアプローチを開発しています。

データの視覚化には特定の用語が関係しており、その一部は統計から派生しています。たとえば、著者の Stephen Few は、意味のある分析や視覚化をサポートするために組み合わせて使用​​される 2 種類のデータを定義しています。

• カテゴリ変数: 特定の特性を持つオブジェクトのグループを表します。カテゴリ変数は名目変数または順序変数のいずれかになります。名目変数、たとえば性別は順序がないため、名目変数です。順序変数は順序のあるカテゴリであり、たとえば、ある人がどの年齢層に属するかを記録します。^[50]
• 定量的：人の身長や環境の温度などの測定値を表します。定量的変数は連続または離散のいずれかになります。連続変数は、測定は常により正確に行うことができるという考えを捉えています。一方、離散変数には、いくつかの結果の数や年単位で測定された年齢など、限られた数の可能性しかありません。^[50]

定量的変数とカテゴリ変数を区別することは重要です。なぜなら、これら 2 つのタイプでは視覚化に異なる方法が必要になるためです。

情報表示の主な 2 つのタイプは、表とグラフです。

• テーブルには、カテゴリ ラベルが付いた行と列に整理された定量データが含まれます。これは主に、特定の値を検索するために使用されます。上記の例では、テーブルには、名前 (質的変数) と年齢 (量的変数) を表すカテゴリ列ラベルがあり、データの各行は 1 人の人物 (サンプリングされた実験単位またはカテゴリのサブディビジョン) を表します。
• グラフは主にデータ間の関係性を示すために使用され、視覚的なオブジェクト（線、棒、点など）としてエンコードされた値を表します。数値は、1つまたは複数の軸で区切られた領域内に表示されます。これらの軸は、視覚的なオブジェクトにラベルを付けて値を割り当てるために使用されるスケール（定量的およびカテゴリ的）を提供します。多くのグラフはチャートとも呼ばれます。^[51]

エプラー氏とレングラー氏は、さまざまなデータ視覚化手法を表示するインタラクティブなチャート「視覚化手法の周期表」を開発した。この表には、データ、情報、概念、戦略、メタファー、複合の 6 種類のデータ視覚化手法が含まれている。^[52]タマラ・マンツナー氏は「視覚化分析と設計」の中で、 「コンピュータベースの視覚化システムは、人々がより効率的にタスクを遂行できるように設計されたデータセットの視覚的表現を提供する」と書いている。マンツナー氏は、視覚化は「人々をコンピューターによる意思決定手法に置き換えるのではなく、人間の能力を増強する必要がある場合に適している」と論じている。^[53]

• カートグラム
• クラドグラム（系統発生）
• コンセプトマッピング
• 樹形図（分類）
• 情報可視化リファレンスモデル
• グランドツアー
• グラフ描画
• ヒートマップ
• 双曲木
• 多次元尺度
• 平行座標
• 問題解決環境
• ツリーマッピング

インタラクティブなデータ視覚化により、 グラフィカルプロット上で直接操作して要素を変更したり、複数のプロットをリンクしたりすることが可能になります。^[56]

インタラクティブなデータ視覚化は、 1960年代後半から統計学者の追求の対象となってきました。その開発の例は、アメリカ統計協会のビデオ貸出ライブラリで見ることができます。^[57]

一般的なやり取りは次のとおりです。

• ブラッシング:マウスを使用してペイントブラシを制御し、プロットの要素の色やグリフを直接変更します。ペイントブラシはポインターである場合もあれば、ポイントの周りにアウトラインのようなものを描画する場合もあります。アウトラインは投げ縄のように不規則な形状になることもあります。ブラッシングは、複数のプロットが表示され、プロット間に何らかのリンク メカニズムが存在する場合に最もよく使用されます。ブラッシングにはいくつかの異なる概念モデルと、多くの一般的なリンク メカニズムがあります。散布図のブラッシングは、アクティブなプロットのポイントが新しい特性のみを保持する一時的な操作になる場合があります。同時に、ポイントはブラシで囲まれたり交差したりします。または、ブラシを移動した後もポイントが新しい外観を保持する永続的な操作になる場合もあります。一時的なブラッシングは、先ほど説明したように、リンクされたブラッシングには通常選択されます。
• ペイント: 持続ブラッシングは、ポイントをクラスターにグループ化し、ツアーなどの他の操作を使用してグループを比較する場合に便利です。持続操作をペイントと呼ぶのが一般的な用語になりつつあります。
• 識別: ラベル付けまたはラベル ブラッシングとも呼ばれる、リンクできる別のプロット操作です。散布図の点または端、または棒グラフの棒にカーソルを近づけると、プロット要素を識別するラベルが表示されます。これは多くのインタラクティブ グラフィックスで広く使用されており、マウスオーバーと呼ばれることもあります。
• スケーリング: データをウィンドウにマッピングし、その領域の変化を確認します。マッピング関数は、同じプロットからさまざまなことを知るのに役立ちます。スケーリングは、散布図の混雑した領域を拡大するためによく使用されますが、プロットのアスペクト比を変更して、データのさまざまな特徴を明らかにするためにも使用できます。
• リンク: 1 つのプロットで選択された要素を別のプロットの要素に接続します。最も単純な種類のリンクは 1 対 1 で、両方のプロットが同じデータの異なる投影を示し、一方のプロットの 1 つのポイントがもう一方のプロットの 1 つのポイントと正確に対応します。エリア プロットを使用する場合、エリアの任意の部分をブラッシングすると、全体をブラッシングするのと同じ効果があり、対応するカテゴリのすべてのケースを選択するのと同じです。一部のプロット要素が複数のケースを表す場合でも、基礎となるリンク ルールによって、1 つのプロットの 1 つのケースが他のプロットの同じケースにリンクされます。また、サブジェクト ID などのカテゴリ変数によってリンクすることもできます。その場合、表示されているすべてのプロットで、そのサブジェクトに対応するすべてのデータ値が強調表示されます。

データ視覚化の範囲についてはさまざまなアプローチがあります。Friedman (2008) のように、情報プレゼンテーションに重点を置くのが一般的です。Friendly (2008) は、データ視覚化の 2 つの主要な部分、つまり統計グラフィックスとテーマ別地図作成を想定しています。^[58]この流れで、「データ視覚化: 最新のアプローチ」(2007) の記事では、データ視覚化の 7 つの主題の概要を示しています。^[59]

• 記事とリソース
• 接続の表示
• データの表示
• ニュースを表示しています
• ウェブサイトの表示
• マインドマップ
• ツールとサービス

これらすべての科目は、グラフィック デザインと情報表現に密接に関連しています。

一方、コンピュータサイエンスの観点から、フリッツ・H・ポストは2002年にこの分野をサブフィールドに分類した。^{[26] [60]}

• 情報の視覚化
• インタラクション技術とアーキテクチャ
• モデリング技術
• 多重解像度法
• 可視化アルゴリズムと技術
• ボリュームの視覚化

ハーバードビジネスレビューの中で、スコット・ベリナトはデータ視覚化に取り組むためのフレームワークを開発しました。^[61]視覚的に考え始めるには、ユーザーは2つの質問を検討する必要があります。1) 何を持っているか、2) 何をしているかです。最初のステップは、視覚化したいデータを特定することです。それは、過去10年間の利益のようなデータ駆動型であったり、特定の組織がどのように構成されているかのような概念的なアイデアであったりします。この質問に答えると、情報を伝達しようとしているのか（宣言的視覚化）それとも何かを理解しようとしているのか（探索的視覚化）に焦点を当てることができます。スコット・ベリナトはこれらの質問を組み合わせて、それぞれ独自の目標を持つ4種類の視覚的コミュニケーションを提示しています。^[61]

これら 4 つのタイプの視覚的コミュニケーションは次のとおりです。

• アイデアの例示（概念的および宣言的）^[61]
  • 概念を教えたり、説明したり、簡単に伝えたりするために使用されます。たとえば、組織図や意思決定ツリーなどです。
• アイデア創出（概念的および探索的）^[61]
  • 問題を発見、革新、解決するために使用されます。たとえば、ブレーンストーミング セッション後のホワイトボードなどです。
• 視覚的発見（データ駆動型および探索型）^[61]
  • 傾向を見つけ、データを理解するために使用されます。このタイプのビジュアルは、データセットがある程度不明で、タスクがオープンエンドである大規模で複雑なデータでより一般的です。
• 日常的なデータ可視化（データ駆動型および宣言型）^[61]
  • コンテキストの確認と設定に使用される、最も一般的でシンプルなタイプの視覚化。たとえば、時間の経過に伴う GDP の折れ線グラフなど。

データと情報の視覚化の洞察は、次のような分野に応用されています。^[19]

• 科学研究
• デジタルライブラリ
• データマイニング
• 情報グラフィック
• 財務データ分析
• ヘルスケア^[62]
• 市場調査
• 製造生産管理
• 犯罪マッピング
• 電子ガバナンスと政策モデリング
• デジタル人文学
• データアート

この分野で著名な学術研究室および産業界の研究室は次のとおりです。

• アドビリサーチ
• IBMリサーチ
• Google リサーチ
• マイクロソフトリサーチ
• パノプティコンソフトウェア
• 科学計算・画像研究所
• Tableau ソフトウェア
• メリーランド大学ヒューマンコンピュータインタラクションラボ

この分野の会議は、データ視覚化研究の重要性に基づいてランク付けされており、^[63]次のとおりです。

• IEEE Visualization : 科学的視覚化、情報視覚化、視覚分析に関する毎年開催される国際会議。会議は 10 月に開催されます。
• ACM SIGGRAPH : ACM SIGGRAPH 組織が主催するコンピュータ グラフィックスに関する年次国際会議。会議の日程はさまざまです。
• コンピューティング システムにおけるヒューマン ファクターに関する会議 (CHI) : ACM SIGCHIが主催する、人間とコンピュータのインタラクションに関する年次国際会議。会議は通常 4 月か 5 月に開催されます。
• Eurographics : ヨーロッパコンピュータグラフィックス協会が主催する、ヨーロッパ全域で毎年開催されるコンピュータグラフィックス会議。会議は通常 4 月か 5 月に開催されます。

その他の例については、カテゴリ:コンピュータグラフィックス組織を参照してください。

データ プレゼンテーション アーキテクチャ( DPA ) は、意味と適切な知識を最適に伝達できるようにデータを識別、検索、操作、フォーマット、および提示することを目的としたスキル セットです。

歴史的に、データ プレゼンテーション アーキテクチャという用語は、Kelly Lautt に帰属します。^[a]「データ プレゼンテーション アーキテクチャ (DPA) は、ビジネス インテリジェンスの成功と価値にとって重要な、めったに適用されないスキル セットです。データ プレゼンテーション アーキテクチャは、データから貴重な情報を発見し、それを使用可能で関連性があり、実行可能なものにするための数字、データ、統計の科学と、データ視覚化、コミュニケーション、組織心理学、変更管理の技術を結び付け、データの範囲、配信タイミング、形式、視覚化を備えたビジネス インテリジェンス ソリューションを提供します。これらの情報は、理解されたビジネス (または組織) 目標に向けた運用、戦術、戦略的な行動を最も効果的にサポートおよび推進します。DPA は、IT スキル セットでもビジネス スキル セットでもなく、別の専門分野として存在します。データ視覚化と混同されることの多いデータ プレゼンテーション アーキテクチャは、すでに選択されたデータを表示する最適な方法だけでなく、どのデータをどのようなスケジュールで、どのような形式で正確に表示するかを決定することを含む、はるかに広範なスキル セットです。データ視覚化スキルは、DPA の 1 つの要素です。」

DPA には主に 2 つの目的があります。

• データを使用して、可能な限り最も効率的な方法で知識を提供する（各対象者のニーズと役割を考慮して、ノイズ、複雑さ、不要なデータや詳細を最小限に抑える）
• データを使用して、可能な限り最も効果的な方法で知識を提供する（重要な意味を伝え、実行可能で、理解、行動、決定に影響を与えることができる、明確で理解しやすい方法で、各対象者に関連性があり、タイムリーで完全なデータを提供する）

上記の目的を念頭に置いて、データ表示アーキテクチャの実際の作業は次のようになります。

• 役割、タスク、場所、テクノロジーへのアクセスに応じて、各視聴者に効果的な配信メカニズムを作成する
• 各文脈において各聴衆が必要とする重要な意味（関連知識）を定義する
• データ更新の必要な周期（データの最新性）を決定する
• データ表示の適切なタイミングを決定する（ユーザーがデータをいつ、どのくらいの頻度で見る必要があるか）
• 適切なデータを見つける (主題領域、過去の範囲、広さ、詳細レベルなど)
• 適切な分析、グループ化、視覚化、その他のプレゼンテーション形式を活用する

DPA の作業は、次のような他のいくつかの分野と共通点があります。

• ビジネス目標の決定、要件の収集、プロセスのマッピングにおけるビジネス分析。
• ビジネスプロセスの改善は、ビジネス目標の達成に向けて行動と意思決定を改善し、合理化することを目標としています。
• データの視覚化では、確立された視覚化の理論を使用して、データのプレゼンテーションに意味や重要性を追加または強調します。
• デジタル人文学では、複雑なデータを視覚化するより微妙な方法を探求します。
• 情報アーキテクチャですが、情報アーキテクチャの焦点は非構造化データにあるため、分析 (統計/データの意味で) と実際のコンテンツ (DPA の場合はデータ) を新しいエンティティと組み合わせに直接変換することは除外されます。
• HCIとインタラクション デザイン。インタラクティブなデータ視覚化を設計する方法に関する原則の多くは、HCI と学際的に開発されているためです。
• ビジュアル ジャーナリズムとデータ駆動型ジャーナリズムまたはデータ ジャーナリズム: ビジュアル ジャーナリズムは、ニュース ストーリーを伝えるためのあらゆる種類のグラフィックの促進に関係しており、データ駆動型ジャーナリズムとデータ ジャーナリズムは、必ずしもデータの視覚化で伝えられるわけではありません。それでも、ジャーナリズムの分野は、データを伝達するための新しいデータ視覚化の開発の最前線にあります。
• グラフィック デザインは、スタイル、タイポグラフィ、位置、その他の美的配慮を通じて情報を伝達します。

• ヒーリー、キエラン（2019）。データ視覚化：実践入門。プリンストン大学出版局。ISBN 978-0-691-18161-5。
• Wilke, Claus O. (2018)。データ視覚化の基礎。O'Reilly。ISBN 978-1-4920-3108-6。
• エバーグリーン、ステファニー (2016)。効果的なデータ視覚化: 適切なデータのための適切なチャート。セージ。ISBN 978-1-5063-0305-5。
• タフテ、エドワード R. (2015)。定量情報の視覚的表示(第 2 版)。グラフィックス プレス。ISBN 9780961392147。
• 川名瀬美 (2014). 適応型セマンティクス可視化 Eurographics Association.
• スティーブン・フュー（2012年）。数字を見せて：啓発のための表とグラフのデザイン（第2版）。アナリティクス・プレス。ISBN 9780970601971. OCLC  795009632.
• ウィルキンソン、リーランド(2012)。グラフィックスの文法。シュプリンガー。ISBN 978-1-4419-2033-1。
• マッツァ、リカルド（2009）。情報視覚化入門。シュプリンガー。ISBN 9781848002180. OCLC  458726890.
• Andreas Kerren、John T. Stasko、Jean-Daniel Fekete、Chris North (2008)。情報視覚化 - 人間中心の問題と展望。LNCS 最新技術調査第 4950 巻、Springer。
• スペンス、ロバート『 情報の視覚化：インタラクションのためのデザイン（第2版）』、Prentice Hall、2007年、ISBN 0-13-206550-9。 
• Jeffrey Heer、Stuart K. Card、James Landay (2005)。「Prefuse: インタラクティブな情報視覚化のためのツールキット」Wayback Machineに 2007-06-12 にアーカイブ。ACM Human Factors in Computing Systems CHI 2005に掲載。
• ポスト、フリッツ H.、ニールソン、グレゴリー M.、ボノー、ジョルジュ ピエール (2003)。データ視覚化: 最新技術。シュプリンガー。ISBN 978-1-4613-5430-7。
• Ben BedersonとBen Shneiderman (2003)。情報視覚化の技術: 読み物と考察。Morgan Kaufmann。
• コリン・ウェア (2000)。『情報の視覚化: デザインのための知覚』、モーガン・カウフマン。
• Stuart K. Card、Jock D. Mackinlay、Ben Shneiderman (1999)。『Readings in Information Visualization: Using Vision to Think』、Morgan Kaufmann Publishers。
• クリーブランド、ウィリアム S. (1993)。データの視覚化。ホバート プレス。ISBN 0-9634884-0-6。
• シュワビッシュ、ジョナサンA. 2014.「経済学者のためのデータ視覚化ガイド」Journal of Economic Perspectives、28（1）：209–34。

ウィキメディア・コモンズには、データの視覚化に関連するメディアがあります。

• テーマ別地図作成、統計グラフィックス、データ視覚化の歴史におけるマイルストーン、マイケル・フレンドリーとダニエル・J・デニスによる革新の図解年表。
• デューク大学 - クリスタ・ケレハー プレゼンテーション - インフォグラフィックによるコミュニケーション - 科学および工学情報の視覚化 - 2015 年 3 月 6 日