Loading article…
データと情報の視覚化（データビジュアライゼーションまたは情報ビジュアライゼーション）は、静的、動的、またはインタラクティブな視覚要素を使用して、定量的および定性的なデータと情報の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。これらの視覚化は、対象となるユーザーが、データ内の識別が困難な構造、関係、相関、局所的および全体的なパターン、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ことを目的としています。[ 2 ] [ 3 ] [ 4 ]情報を簡潔な形で魅力的な方法で一般の人々に伝えることを目的としている場合は、通常インフォグラフィックと呼ばれます。 [ 2 ]
データ視覚化とは、主に定量的な生データを、画像を用いて図式的に表現する手法です。データ視覚化で使用される視覚形式には、チャートやグラフ、地理空間マップ、図、相関行列、パーセンテージゲージなどがあります。
情報視覚化は、定量的データと定性的で主に抽象的な情報を含む、大規模で複雑なデータセットを複数扱います。その目的は、生データに付加価値を与え、閲覧者の理解度を向上させ、認知を強化し、グラフィカル表示をナビゲートして操作する際に洞察を得て意思決定を行うことです。使用される視覚ツールには、位置情報に基づくデータのマップ、階層的な[ 5 ]データ組織、サンキー図などの関係性を優先する表示、フローチャート、タイムラインなどがあります。
さらに、ナラティブビジュアライゼーションとは、チャート、グラフ、地図などの視覚要素を用いてデータや情報を伝える手法です。このアプローチは、データ分析、ストーリーテリング、ビジュアライゼーションを融合させ、構造化された物語の流れを通して情報を提示します。つまり、単に統計情報を示すためだけでなく、データを通して物語を語るためにビジュアルを用いるのです。その目的は、説得力のあるストーリー主導型の視覚体験を通して、人々がデータにおける傾向、パターン、関係性を把握できるよう支援することです。
仮想現実、拡張現実、複合現実などの新興技術は、情報視覚化をより没入型、直感的、インタラクティブ、かつ操作しやすいものにし、それによってユーザーの視覚的知覚と認知を強化する可能性を秘めている。[ 6 ]データおよび情報視覚化では、データベース、情報システム、ファイルシステム、文書、ビジネスデータから収集された抽象的で非物理的かつ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あり、これは、仮説を確認または否定するために物理的および空間的な科学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とは異なる。[ 7 ]
効果的なデータ視覚化は、適切な情報源に基づき、適切な文脈で提示され、シンプルで分かりやすい方法で提示されます。基となるデータは正確かつ最新のものであり、洞察の信頼性を保証します。グラフィック要素は適切に選択され、美的に魅力的であり、形状、色、その他の視覚要素は、意味のある、邪魔にならない方法で意図的に使用されます。ビジュアルには、補足テキストが添えられています。言語要素とグラフィック要素は互いに補完し合い、明確で迅速かつ記憶に残る理解を保証します。効果的な情報視覚化は、対象オーディエンスのニーズと専門知識レベルを認識しています。[ 8 ] [ 1 ]効果的な視覚化は、専門的で複雑なビッグデータ駆動のアイデアを、非技術系のオーディエンスに視覚的に魅力的で魅力的かつアクセスしやすい方法で伝えるために使用でき、ドメインエキスパートや経営幹部が意思決定、パフォーマンスの監視、アイデアの創出、研究の促進を行うために使用できます。[ 8 ] [ 2 ]
データサイエンティスト、アナリスト、データマイニングスペシャリストは、データ視覚化を使用して、データ品質をチェックし、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、データの構造と特徴を探索し、データ駆動型モデルの出力を評価します。[ 2 ]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となることがあり、分析されたデータを文脈化し、分析から得られた洞察を伝え、聴衆に意思決定や行動を促すために、物語構造と組み合わせて使用されます。 [ 1 ] [ 9 ]これは、統計グラフィックスとは対照的です。統計グラフィックスでは、複雑なデータが研究者やアナリストの間でグラフィカルに伝達され、探索的データ分析の実行やそのような分析結果の伝達に役立てられますが、視覚的な魅力、特定の問題への注目、ストーリーテリングはそれほど重要ではありません。[ 10 ]
データと情報の視覚化は学際的であり、記述統計学[ 11 ] 、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、インタラクティブコンピュータグラフィックス、ヒューマンコンピュータインタラクション[12]に見られる原理を取り入れています。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ので、芸術と科学の両方です[ 13 ]。ビジュアルアナリティクスは、統計データ分析、データと情報の視覚化、インタラクティブなビジュアルインターフェースを通じた人間の分析的推論を組み合わせて、ユーザーが結論に達したり、実行可能な洞察を得たり、コンピュータでは難しい情報に基づいた意思決定を行ったりできるように支援します。人々が視覚化の種類をどのように読み、誤読するかの研究は、視覚化の種類と機能が最も理解しやすく効果的であるかを判断するのに役立ちます[ 14 ] [ 15 ] 。意図せず不十分な、または意図的に誤解を招くような欺瞞的な視覚化は、誤情報を拡散し、世論を操作し、世論をそらす強力なツールとして機能する可能性があります。[ 16 ]このように、データ視覚化リテラシーは、過去のテキストリテラシー、数学リテラシー、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構成要素となっている。 [ 17 ]
データと情報の視覚化の分野は、「人間とコンピュータのインタラクション、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、写真、ビジネス手法の研究から生まれた。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、創薬において、ますます重要な要素として応用されている」[ 18 ] 。
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経路を利用して、ユーザーが大量の情報を一度に見て、探索して、理解できるようにする」ことを前提としている。情報視覚化は、抽象的な情報を直感的な方法で伝えるアプローチの作成に焦点を当てている。[ 19 ]
データ分析は、あらゆる応用研究や産業界における問題解決に不可欠な要素です。最も基本的なデータ分析手法としては、可視化（ヒストグラム、散布図、サーフェスプロット、ツリーマップ、平行座標プロットなど）、統計（仮説検定、回帰分析、主成分分析など）、データマイニング（アソシエーションマイニングなど）、機械学習手法（クラスタリング、分類、決定木など）が挙げられます。これらの手法の中でも、情報可視化、すなわち視覚的データ分析は、人間の分析者の認知能力に最も依存しており、人間の想像力と創造性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。分析者は、データの可視化を解釈するために高度な手法を学ぶ必要はありません。情報可視化は仮説生成スキームでもあり、統計的仮説検定などのより分析的または形式的な分析が後に続くことが多く、実際によく行われます。
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、情報グラフィックなどのツールを使用します。数値データは、点、線、または棒を使用してエンコードされ、定量的なメッセージを視覚的に伝えることができます。[ 20 ]効果的な視覚化は、ユーザーがデータと証拠を分析し、推論するのに役立ちます。[ 21 ]複雑なデータをよりアクセスしやすく、理解しやすく、使用しやすくしますが、還元主義的になる場合もあります。[ 22 ]ユーザーは、比較や因果関係の理解など、特定の分析タスクを持っている場合があり、グラフィックの設計原則（つまり、比較を示すか因果関係を示すか）はタスクに従います。表は一般的に、ユーザーが特定の測定値を調べるときに使用され、さまざまな種類のチャートは、1 つ以上の変数のデータ内のパターンや関係を示すために使用されます。
データビジュアライゼーションとは、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、棒など）として符号化することで、それらを伝達するために使用される技術を指します。その目的は、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、「データビジュアライゼーションの主な目的は、グラフィカルな手段を通じて情報を明確かつ効果的に伝えることです。これは、データビジュアライゼーションが機能的であるために退屈に見える必要があったり、美しく見えるために非常に洗練されている必要があったりす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、美的形式と機能性の両方が両立し、比較的疎で複雑なデータセットの主要な側面をより直感的な方法で伝えることで、洞察を提供する必要があります。しかし、デザイナーはしばしば形式と機能のバランスを取ることができず、情報伝達という主な目的を果たせない豪華なデータビジュアライゼーションを作成しています。」[ 23 ]
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、理想的なビジュアライゼーション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べきだと提唱した。[ 24 ]
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。新千年紀において、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、科学的視覚化と情報視覚化を統合したものです。[ 25 ]
商業環境において、データ視覚化はしばしばダッシュボードと呼ばれます。インフォグラフィックも、データ視覚化の非常に一般的な形態の一つです。
エドワード・タフティは、情報表示の利用者は 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る。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あるべきである。 [ 27 ]ウィリアム・クリーブランドとロバート・マクギルが示すように、さまざまなグラフィック要素がこれを多かれ少なかれ効果的に達成する。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る。[ 28 ]
エドワード・タフティは、1983年の著書『定量的情報の視覚的表示』 [ 29 ] 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。「統計グラフィックの卓越性とは、複雑なアイデアを明瞭かつ正確に、そして効率的に伝えることです。グラフィカル表示は次のことを行うべきです。」
グラフィックはデータを明らかにする。実際、グラフィックは従来の統計計算よりも正確で、より多くの情報を明らかにすることができる。」[ 30 ]
例えば、ミナール図は、1812年から1813年にかけてのナポレオン軍の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次元平面上の位置（xとy）、時間、移動方向、および温度です。線の太さは比較（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次元平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。タフティは1983年に、「これはこれまで描かれた中で最高の統計グラフかもしれない」と書いています。[ 30 ]
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、メッセージが歪められたり、誤った結論を裏付けてしまう可能性があります。タフティによれば、チャートジャンクとは、メッセージを強化しない図の余分な内部装飾や、不必要な3次元効果や遠近効果を指します。説明キーを画像自体から不必要に分離し、画像とキーの間を行ったり来たりさせる必要があるのは、「管理上のゴミ」の一種です。「データとインク」の比率を最大化し、可能な限り非データインクを消去する必要があります。[ 30 ]
議会予算局は、 2014年6月のプレゼンテーションで、図表表示に関するいくつかのベストプラクティスをまとめました。これには、a) 対象読者を理解すること、b) レポートの文脈から切り離して単独で理解できる図表を設計すること、c) レポートの重要なメッセージを伝える図表を設計すること、などが含まれます。[ 31 ]
Useful criteria for a data or information visualization include:[32]
Readability means that a viewer can understand the underlying data, such as by comparing proportionally sized visual elements to assess their respective data values, or by using a legend to decode a map, such as identifying coloured regions on a climate map to determine the temperature at a particular location. For greatest efficiency and simplicity of design and user experience, this readability is enhanced through the use of bijective mapping in that design of the image elements - where the mapping of representational element to data variable is unique.[33]
Kosara (2007)[32] also identifies the need for a visualisation to be "recognisable as a visualisation and not appear to be something else". He also states that recognisability and readability may not always be required in all types of visualisation e.g. "informative art" (which would still meet all three above criteria but might not look like a visualisation) or "artistic visualisation" (which similarly is still based on non-visual data to create an image, but may not be readable or recognisable).
Author Stephen Few described eight types of quantitative messages that users may attempt to understand or communicate from a set of data and the associated graphs used to help communicate the message:
データ分析担当者は、データセットをレビューする際に、上記のメッセージや図表の種類の一部または全部が、自身のタスクや対象者に適してい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性やメッセージを特定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、形状、向き、距離、色（色相）の違いを、大きな処理努力なしに容易に区別できます。これらは「前注意属性」と呼ばれます。たとえば、数字の「5」が数列に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が、その数字がサイズ、向き、または色が異なる場合は、前注意処理によってその数字の出現を素早く認識できます。[ 36 ]
魅力的なグラフィックは、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、人間は表面積よりも線の長さの違いを処理しやすいため、比較を示すために表面積を使用する円グラフよりも、比較を示すために線の長さを使用する棒グラフを使用する方が効果的である可能性があります。[ 36 ]
ほぼすべてのデータ視覚化は、人間が消費するために作成されます。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。[ 37 ]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、人間のプロセスを指します。[ 38 ]人間の視覚処理は、変化を検出し、量、サイズ、形状、明るさの変化を比較するのに効率的です。記号データのプロパティが視覚的プロパティにマッピングされると、人間は大量のデータを効率的に閲覧できます。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、関係などを示すための異なる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、個人は平均して19%少ない認知資源を使用し、詳細を4.5%よく思い出すことができることが示されています。[ 39 ]
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を網羅し、さまざまな分野の貢献をまとめた記述はありません。[ 40 ]ヨーク大学のマイケル・フレンドリーとダニエル・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。データ視覚化は現代の発展ではありません。先史時代から、星のデータ、つまり星の位置などの情報は、更新世以降、洞窟の壁（南フランスのラスコー洞窟で見られるような）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）、インカのキープ（紀元前2600年）、マーシャル諸島の棒チャート（年代不明）などの物理的な人工物も、定量的情報を視覚化したものと考えることができます。[ 42 ] [ 43 ]
最初に記録されたデータ視覚化は、紀元前1160年のトリノ・パピルス地図に遡ることができ、これ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る。[ 44 ]このような地図は主題図法に分類でき、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イラストを通して特定のデータと情報を提示し、伝達するタイプのデータ視覚化である。最も初期の記録されたデータ視覚化の形態は、さまざまな文化のさまざまな主題図と、図示された情報を提供し、解釈を可能にする表意文字と象形文字であった。たとえば、ミケーネの線文字B粘土板は、後期青銅器時代の地中海の貿易に関する情報を視覚化していた。座標の概念は古代エジプトの測量士によって町の配置に使用され、少なくとも紀元前200年までには、地上と天体の位置は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オス・プトレマイオス[紀元前85年頃-紀元前165年頃]による球状の地球の緯度と経度への地図投影は、14世紀まで基準として機能した。[ 44 ]
紙と羊皮紙の発明により、視覚化のさらなる発展が可能になった。10世紀または11世紀のグラフの1つは、修道院学校の教科書の付録で使用されている惑星の動きの図である。[ 45 ]このグラフは、時間の関数として惑星軌道の傾斜を表すことを意図していたようだ。この目的のために、黄道帯は、時間軸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た。垂直軸は黄道帯の幅を示している。周期が一致しないため、水平スケールは各惑星ごとに個別に選択されたようだ。付随するテキストは振幅のみに言及している。曲線は時間的に関連していないようだ。
16 世紀までに、物理量、地理的位置、天体位置の精密な観測と測定のための技術と機器は十分に発達していました (例えば、ティコ・ブラーエ[1546–1601] が天文台の壁全体を覆うように作った「壁四分儀」など)。特に重要だったのは、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した。[ 40 ]非常に早い段階で、時間の測定は学者たちにデータの視覚化の革新的な方法を開発させました (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 ]など)。
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開発し、これは値の表示と計算の実際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・パスカルの統計学と確率論の研究は、私たちが現在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 ]これらの発展は、定量的データのグラフィカルな伝達の可能性を見出したウィリアム・プレイフェアが、統計のグラフィカルな方法を生み出し、発展させるのに役立ちました。 [ 37 ] 1786年、プレイフェアは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。
20世紀後半、ジャック・ベルタンは定量グラフを用いて情報を「直感的、明瞭、正確かつ効率的に」表現した。[ 37 ]ジョン・テューキーとエドワード・タフティはデータ視覚化の限界を押し広げた。テューキーは探索的データ分析という新しい統計的手法で、タフティは著書『定量情報の視覚的表示』で、統計学者だけでなく一般の人々にもデータ視覚化技術を洗練させる道を開いた。技術の進歩に伴い、データ視覚化も進歩した。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、ソフトウェアによる視覚化へと至った。[ 47 ]
現代の可視化の研究は、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、「当初から科学的問題を研究するために使用されてきました。しかし、初期の頃はグラフィックス能力の不足により、その有用性が制限されることがよくありました。可視化への最近の重点は、1987 年に Computer Graphics の科学計算における可視化に関する特集号から始まりました。それ以来、 IEEE コンピュータソサエティとACM SIGGRAPHが共催するいくつかの会議やワークショップが開催されてきました」。[ 48 ]これらは、データ可視化、情報可視化、科学的可視化の一般的なトピック、およびボリューム可視化などのより具体的な分野に特化しています。
SAS、SOFA、R、Minitab 、Cornerstoneなどのプログラムは、統計学の分野でデータ視覚化を可能にします。D3 、Python （ matplotlib、seaborn経由）、JavaScript 、Java（JavaFX経由）などのプログラミング言語といった、より個人に特化したその他のデータ視覚化アプリケーションは、定量的データの視覚化を可能にします。私立学校も、 The Data Incubatorのような無料プログラムやGeneral Assemblyのような有料プログラムなど、データ視覚化と関連するプログラミングライブラリの学習需要に応えるプログラムを開発しています。[ 49 ]
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います。[ 50 ]このプログラムでは、次のような問いを投げかけています。インタラクティブなデータ視覚化は、科学者やエンジニアがデータをより効果的に探索するのにどのように役立つでしょうか？コンピューティング、デザイン、デザイン思考は、研究成果を最大化するのにどのように役立つでしょうか？これらの分野からの知識を活用するのに最も効果的な方法論は何でしょうか？関連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、データの調査、そして最終的にはデータに対する新たな洞察を得るのに役立てることで、このプログラムは、複雑な科学的問題に対する新しい学際的アプローチを開発し、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ています。
近年、ゲームの人気が高まるにつれ、データと情報の視覚化はゲーム業界で徐々に活用されるようになってきた。プレイヤーの統計情報やゲームのパフォーマンスを評価するための分析ツールが用いられ、それらは体力ポイント、マップ、図などの形で視覚化される。これらのデータは開発者によって収集・保存される。ゲームにおけるこれらのツールの導入は、開発者がユーザーエクスペリエンスを向上させ、新しいゲームの開発やアップデートを行う上で役立つ。
データ視覚化には特有の用語があり、その一部は統計学に由来する。例えば、著者のスティーブン・フューは、有意義な分析や視覚化を支援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る。
量的変数と質的変数の区別は重要である。なぜなら、この2種類の変数は異なる視覚化方法を必要とするからである。
情報表示の主な種類は、表とグラフの2つである。
エプラーとレングラーは、さまざまなデータ視覚化方法を表示するインタラクティブなチャートである「視覚化方法の周期表」を開発しました。これには、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方法が含まれています。[ 53 ]タマラ・ムンツナーは、 「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、人々がタスクをより効果的に実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」と述べています。ムンツナーは、視覚化は「人間をコンピュータによる意思決定方法に置き換えるのではなく、人間の能力を拡張する必要がある場合に適している」と主張しています。[ 54 ]
インタラクティブなデータ視覚化により、グラフ上 の要素を変更したり、複数のグラフをリンクしたりするための直接的な操作が可能になります。[ 57 ]
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た。その発展の例は、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る。[ 58 ]
一般的な相互作用には以下が含まれます。
データ視覚化の範囲にはさまざまなアプローチがあります。一般的な焦点の1つは、Friedman (2008) のように情報提示です。Friendly (2008) は、データ視覚化の主な2つの部分、統計グラフィックスと主題地図作成を想定しています。[ 59 ]この流れで、「データ視覚化：現代のアプローチ」(2007) の記事は、データ視覚化の7つの主題の概要を示しています。[ 60 ]
これらのテーマはすべて、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。
コンピュータサイエンスの観点から、Frits Post は 2002 年にこの分野をサブ分野に分類しました: [ 25 ] [ 61 ]
ハーバード・ビジネス・レビュー誌で、スコット・ベリナートはデータ視覚化へのアプローチのフレームワークを開発しました。[ 62 ]視覚的に考えるには、ユーザーは次の2つの質問を考慮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。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データであったり、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、情報を伝えようとしているのか（宣言的視覚化）それとも何かを解明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・ベリナー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。[ 62 ]
これら4種類の視覚コミュニケーションは以下のとおりです。
データと情報の視覚化に関する知見は、次のような分野で応用されています。[ 18 ]
この分野における著名な学術研究機関および産業界の研究機関は以下のとおりです。
データ可視化研究における重要度順に並べたこの分野の会議[ 64 ]は以下のとおりです。
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）とは、意味や知識を最適に伝えるために、データを識別、特定、操作、フォーマット、提示することを目指す一連のスキルである。歴史的に、データプレゼンテーションアーキテクチャはケリー・ラウト氏に帰せられています。[ 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不可欠な、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、数値、データ、統計の科学を融合させ、データから価値ある情報を発見し、それを利用可能で関連性があり、実行可能なものにするとともに、データ視覚化、コミュニケーション、組織心理学、変更管理の技術を組み合わせ、ビジネスインテリジェンスソリューションに、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し、推進するデータ範囲、配信タイミング、形式、視覚化を提供します。DPAはITスキルでもビジネススキルでもなく、独立した専門分野として存在します。データ視覚化と混同されがちですが、データプレゼンテーションアーキテクチャは、既に選択されたデータの最適な提示方法だけでなく、どのデータをどのスケジュールで、どのような形式で提示するかを決定することを含む、はるかに幅広いスキルセットです。データ視覚化スキルはDPAの要素の1つです。」
DPAには主に2つの目的がある。
上記の目的を踏まえ、データプレゼンテーションアーキテクチャの実際の作業は以下の要素から構成されます。
DPAの仕事は、以下のような他のいくつかの分野と共通点があります。
{{citation}}: CS1 maint: multiple names: authors list (link)。データソース：高度法執行機関迅速対応訓練センター
エド・ホーキンスは
これらの月ごとの気温データを取得し、螺旋状にプロットしました。つまり、各年について、円の中心の周りに12の点（各月1つ）があり、気温が高いほど外側に、気温が低いほど内側に近くなっています。