online gambling singapore online gambling singapore online slot malaysia online slot malaysia mega888 malaysia slot gacor live casino malaysia online betting malaysia mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 遇見大數據可視化: 圖表的視覺系統感知

摘要: 在上篇兩篇文章裡《遇見大數據可視化:基礎研究》和《遇見大數據可視化:來做一個數據可視化報表》,簡單的介紹了下可視化的基礎和製作流程。我們也發現將數據進行可視化的好處,可以清晰有效的傳達數據信息,以實現“用視覺的方式去思考”。相比數據的公平,視覺的方式會帶有一定的引導性。


大數據

作者:騰訊雲

在上篇兩篇文章裡《遇見大數據可視化:基礎研究》《遇見大數據可視化:來做一個數據可視化報表》,簡單的介紹了下可視化的基礎和製作流程。我們也發現將數據進行可視化的好處,可以清晰有效的傳達數據信息,以實現“用視覺的方式去思考”。相比數據的公平,視覺的方式會帶有一定的引導性。

大數據

如上圖所示,我們能快速的發現圖形上的不同之處。NSF的圖形和圖像處理小組稱之為“可視化感知”,人眼的啟動時間至少需要200毫秒,在啟動時間內能感知到區別的存在(*見附錄) 。上圖就是一種簡單的預先處理感知實例,目標對象具有視覺屬性“圓形”,“長條形”干擾物對像沒有(所有非目標對像都被認為是乾擾物)。觀察者一眼就能知道目標對像是否存在還是不存在。

這種“可視化感知”實際上是運用人眼低層視覺系統(Preattentive Processing)的引發的快速感知特徵。能夠迅速的引發預設在圖形中的潛在目標對象的注意。所以我們在可視化設計中可以運用這一特點,快速的遷移觀察者的注意點。

大數據

按照Anne Treisman在早期提出特徵理論(Feature integration theory人類視覺注意力最有影響力的心理模型之一),我們可以繼續去尋找影響【個體特徵】的視覺屬性點。

大數據

通過去預設目標對象和乾擾對象的顏色、大小、對比和方向的不同特徵屬性。觀察者也可以快速的通過這種“特徵搜索” 遷移注意點。

之所以很快就能找到這些注意點,因為它們跟其乾擾項相比,最多只相差了一種視覺元素。比如,紅色線條和黑色線條,長線條和短線條。當只有一種視覺元素的時候,我們的視覺系統中的低層視覺系統(Preattentive Processing) 就起作用了,它可以平行處理所有在圖中出現的點,然後很快找到特徵點。我們再來看下反例

大數據

跟上面的例子相比,我們要花相對長的時間找到那個注意點。原因很簡單,因為圖中使用了兩種視覺元素來區分特殊點,顏色和大小,方向和對比。在這種情況下,我們的低層視覺系統(Preattentive Processing)就不行了,視覺系統需要一個一個的處理每個點,識別兩種元素,做仔細的區分。

理論說了這麼多,那在我們做可視化圖表的時候有什麼作用呢?在可視化中,我們希望想讓用戶注意到重要的數據,可以用單一特徵去引導用戶的注意點。

大數據

上圖圖表,展示一個國內云廠商的用戶佔比情況之類的數據,大致如上。那作為本廠的產品騰訊雲,我們希望觀察者關注到騰訊雲的數據,佔比【50%】。但是上圖的使用了多個視覺元素,沒用突出目標項,這樣就很難引導觀察者的注意點。

修改上圖圖表,減少視覺元素的使用,我們再來看一個圖。

大數據

從這個圖表來看,只使用一個目標項和一個乾擾項作為視覺元素的差異,我們就可以去引導觀察者的注意點。引導到我們想要重點說明的數據上面去。

但是對於數據可視化來說,引導注意點,其目的是為了讓觀察者快速的去了解數據,而非刻意誘導,造成觀察者的誤解。

大數據

我們來看一個例子,上圖是一個銷售財年的報表,2015年銷售額100萬,2016年到達200萬,從上圖圖表展示出來給觀察者的信息就是,2016年比2015年銷售額增長了1倍的樣子。

大數據

但是我們把所有數據拉出來看,卻發現出完全不同的事實,2013年銷售額400萬,2014年300萬,2015年100萬。2016年雖然比2015年增長了,但是和前幾年相比有著明顯的下滑,這就是一種圖表展示的錯誤誘導的方式。

大數據

這種在Y軸上誘導的方式很常見,經常【某額寶】上展示近幾日收益的時候,通過圖表好像3月15號的時候收益非常高,但是仔細去看Y軸上的數值,會發現其實3月15號比3月10號的收益增長只有0.6%的,但是感觀上給觀察者非常誇張的展示。

大數據

而按照坐標軸為0%來展示的情況,實際只是一個非常穩定的狀態。

數據可視化的真正價值在於,讓觀察者輕鬆的理解數據的價值。“可視化感知”低層視覺系統(Preattentive Processing)是讓觀察者快速的找到重點數據所在,而非孤立數據導致傳遞給觀察者錯誤的理解。

附錄:

我們將圖形的展示時間設置為200毫秒,只設置一個視覺元素(形狀) 。“圓形”作為目標對象,“長條形”作為乾擾對象。測試觀察“可視化感知”的低層視覺系統(Preattentive Processing)的實際作用。

大數據

除了上述列舉的【形狀】、【顏色】、【大小】、【對比】、【方向】。還列舉出一下視覺元素的對比【密度】、【閉環】、【曲率】、【整體方向】、【投影方向】和【投影深度】。

大數據

End.

轉貼自: 36大數據


留下你的回應

以訪客張貼回應

0

在此對話中的人們

YOU MAY BE INTERESTED