Приказивање или визуелизација података (често скраћено као data vizПрва формална, забележена, јавна употреба израза арихитектура представљања података била је на три формална догађаја покретања Microsoft Office 2007 у децембру, јануару и фебруару 2007–08 у Едмонтону, Калгарију и Ванкуверу (Канада) у презентацији Кели Лаут која је описивала систем пословне интелигенције дизајниран да побољша квалитет услуге у компанији за производњу целулозе и папира. Термин је даље коришћен и забележен у јавној употреби 16. децембра 2009. године у Microsoft Canada презентацији о вредности спајања пословне интелигенције са процесима корпоративне сарадње.) је интердисциплинарно поље које се бави графичким приказом. То је нарочито ефикасан начин комуникације када су подаци бројни, на пример у случају временских серија. Са академске тачке гледишта, овај приказ се може сматрати мапирањем између изворних података (обично нумеричких) и графичких елемената (на пример, линије или тачке на графикону). Мапирање одређује како атрибути ових елемената варирају у односу на податке. У овом светлу, стубичасти графикон је мапирање дужине стуба у односу на величину променљиве. Будући да графички дизајн мапирања може негативно да утиче на читљивост графикона, мапирање је главна компетенција визуелизације података. Приказивање података има своје корене у пољу статистике и стога се генерално сматра граном дескриптивне статистике. Међутим, будући да су за ефикасну визуелизацију потребне и вештине дизајнирања и статистичке и рачунарске вештине, неки аутори тврде да је то и уметност и наука.
Преглед мини|Приказивање података је један од корака у анализирању података и њиховом представљању корисницима. За јасну и ефикасну комуникацију информација, приказивање података користи статистичке графике, графиконе, информационе графике и друге алате. Нумерички подаци могу се кодирати уз помоћ тачака, линија или стубића да би се визуелно пренела квантитативна порука.Jump up to:a b "Stephen Few-Perceptual Edge-Selecting the Right Graph for Your Message-2004"(PDF). Archived (PDF) from the original on 2014-10-05. Retrieved 2014-09-08. Ефективно приказивање помаже корисницима да анализирају и расуђују о подацима и доказима. То чини сложене податке приступачнијим, разумљивијим и употребљивијим. Корисници могу имати одређене аналитичке задатке, као што је упоређивање или разумевање узрочности, а принцип дизајна графике (тј. приказивање поређења или приказивање узрочности) прати задатак. Табеле се обично користе тамо где ће корисници тражити одређено мерење, док се дијаграми различитих типова користе за приказ образаца или односа у подацима за једну или више променљивих.
Приказивање података односи се на технике коришћене за комуницирање података или информација кодирањем у визуелне објекте (нпр. тачке, линије или стубиће) садржане у графиконима. Циљ је да се информације јасно и ефикасно комуницирају корисницима. То је један од корака у анализи података или науци о подацима. Према Виталију Фридману (2008), „главни циљ визуелизације података је да се информације јасно и ефикасно комуницирају графичким средствима. Не значи да приказивање података треба да изгледа досадно да би била функционална или изузетно софистицирано да би била лепа. Да би се идеје ефективно пренеле, и естетска форма и функционалност морају ићи руку под руку, пружајући увид у друге оскудне и сложене скупове података, преносећи њихове кључне аспекте на интуитивнији начин. Ипак, дизајнери често не успевају да постигну равнотежу између форме и функције, стварајући прелепе визуелизације података које не служе својој главној сврси - преношењу информација “. Archived 2008-07-22 at the Wayback Machine in: Graphics, Monday Inspiration, January 14th, 2008
Заправо, Фернанда Виегас и Мартин М. Ватенберг сугерисали су да идеално приказивање не би смело само јасно да комуницира, већ да подстиче ангажовање и пажњу гледалаца.Fernanda Viegas and Martin Wattenberg (April 19, 2011). "How To Make Data Look Sexy". CNN.com. Archived from the original on May 6, 2011. Retrieved May 7, 2017
Приказивање података је уско повезано са информационом графиком, визуелизацијом информација, научном визуелизацијом, анализом истраживачких података и статистичким графиконима. У новом миленијуму, приказивање података постало је активно подручје истраживања, подучавања и развоја. Према Посту и сар. (2002), оно обједињује научну визуелизацију и визуелизацију информација.Jump up to:a b Frits H. Post, Gregory M. Nielson and Georges-Pierre Bonneau Archived 2009-10-07 at the Wayback Machine.
У комерцијалном окружењу, визуеаизација података се често назива контролном таблом. Инфографици су још један врло чест облик визуелизације података.
Основе
Карактеристике ефективних графичких приказа мини|Дијаграм инвазије Наполеонове Француске на Русију аутора Чарлса Јозефа Минарда из 1869. године, рани пример информативне графике Професор Едвард Туфте објаснио је да корисници информативних приказа извршавају одређене аналитичке задатке као што је поређење. Принцип дизајна информативне графике треба да подржи аналитички задатак.techatstate (7 August 2013). "Tech@State: Data Visualization - Keynote by Dr Edward Tufte". Archived from the original on 29 March 2017. Retrieved 29 November 2016 – via YouTube. Као што су Вилијам Кливленд и Роберт Макгил приказали, различити графички елементи ово могу постићи мање или више ефикасно. На пример, тачкасти графикони и стубасти графикони надмашују пита дијаграме.
У својој књизи „Визуелни приказ квантитативних информација“ из 1983. године, Едвард Туфте дефинише „графичке приказе“ и принципе за ефикасно графичко приказивање у следећем пасусу: „Изврсност статистичке графике састоји се од сложених идеја саопштених са јасноћом, прецизношћу и ефикасношћу. Графички прикази треба да: прикажу податке подстакну гледаоца да размишља о суштини, а не о методологији, графичком дизајну, технологији графичке израде или нечему другом избегну искривљавање онога што подаци треба да саопште представе много бројева у малом простору учине велике скупове података кохереним охрабре око да упореди различите делове података открију податке на неколико нивоа детаља, од широког прегледа до фине структуре имају јасну сврху: опис, истраживање, табеларно приказивање или украшавање буду уско интегрисани са статистичким и вербалним описима скупа података.
Графикони откривају податке. Заправо, графикон може да буде прецизнији и да открије много више од уобичајених статистичких прорачуна.
На пример, Минардов дијаграм приказује губитке које је претрпела Наполеонова војска у периоду 1812.–1813. Уцртано је шест променљивих: величина војске, њен положај на дводимензионалној површини (x и y), време, смер кретања и температура. Ширина линије илуструје поређење (величина војске у одређеним временским тачкама), док оса температуре сугерише узрок промене величине војске. Овај мултиваријантни приказ на дводимензионалној површини говори причу која се може одмах схватити док истовремено идентификује изворне податке ради изградње кредибилитета. Туфте је 1983. године написао: „Можда је то најбољи статистички графикон икада направљена.“
Непримењивање ових принципа може довести до погрешних графикона који искривљују поруку или подржавају погрешан закључак. Према Туфтеу, графички шум односи се на сувишну унутрашњу декорацију графикона која не побољшава поруку, или на неоправдане тродимензионалне или перспективне ефекте. Беспотребно одвајање експланаторног кључа од саме слике, захтевајући да се око креће напред-назад од слике до кључа, облик је „административног отпада“. Однос између података и мастила треба максимизирати, бришући мастило које не садржи податке где је то могуће.
Конгресна канцеларија за буџет је у презентацији из јуна 2014. године резимирала неколико најбољих пракси за графичке приказе. Ту су спадали:
а) Познавање публике;
б) Дизајн графикона који може бити самосталан ван контекста извештаја; и
ц) Дизајн графикона која саопштава кључне поруке у извештају. "Telling Visual Stories About Data - Congressional Budget Office". www.cbo.gov. Archived from the original on 2014-12-04. Retrieved 2014-11-27
Квантитативне поруке мини|Временска серија илустрована линијским графиконом који показује трендове у федералној потрошњи и приходима у Америци током времена мини|Скатер дијаграм који илуструје негативну корелацију између две променљиве (инфлација и незапосленост) мерене у различитим тачкама током времена Аутор Стивен Фју је описао осам врста квантитативних порука које корисници могу да покушају да схвате или искомуницирају из скупа података и са њим повезаних графикона који се користе да помогну да се порука пренесе: Временске серије: Једна променљива се бележи током одређеног временског периода, као што је стопа незапослености током периода од десет година. Линијски графикон се може користити за приказивање тренда. Рангирање: Категоријалне поделе рангиране су у растућем или опадајућем редоследу, као што је оцењивање продајног учинка (мера) од стране продајних лица (категорија, где је свако продајно лице одељак категорије) током једног периода. Стубичасти графикон може се користити за приказ поређења између продајних лица. Део-целина: Категоријалне поделе се мере као однос према целини (тј. проценат од 100%). Пита графикон или стубичасти графикон могу приказати поређење размера, као што је удео који представљају конкуренти на тржишту. Одступање: Категоријалне поделе се упоређују у односу на рефренцу, као што је поређење стварних и буџетских трошкова за неколико одељења предузећа у датом временском периоду. Стубичасти графикон може приказати поређење стварног и референтног износа. Дистрибуција фреквенције: Приказује број запажања одређене променљиве за дати интервал, као што је број година у којима је принос на тржишту у интервалима као што су 0-10% , 11-20%, итд. Хистограм, врста стубичастог графикона, може се користити за ову анализу. Кутијасти дијаграм помаже у визуелизацији кључне статистике о дистрибуцији, као што су медијана, квартили, аберантни случајеви, итд. Корелација: Поређење између опсервација представљених двема променљивим (X,Y) да би се утврдило да ли имају тенденцију да се крећу у истом или супротном смеру. На пример, уцртавање незапослености (X) и инфлације (Y) за узорак од неколико месеци. Скатер дијаграм се обично користи за ову поруку. Номинално поређење: Поређење категоријалних подела без одређеног редоследа, као што је количина продаје у односу на код производа. За ово поређење може се користити стубичасти графикон. Географско или геопросторно: Поређење променљиве на мапи или плану, као што је стопа незапослености по држави или број особа на различитим спратовима зграде. Уобичајено се користи картограм. "Stephen Few-Perceptual Edge-Graph Selection Matrix" (PDF). Archived (PDF) from the original on 2014-10-05. Retrieved 2014-09-08.
Аналитичари који прегледају скуп података могу размотрити да ли су неке или све поруке и горе наведени типови графикона применљиви на њихов задатак и публику. Процес покушаја и грешака ради идентификовања значајних односа и порука у подацима део је експлоративне анализе података.
Визуелна перцепција и приказивање података Човек може лако да увиди разлике у дужини линије, облику, оријентацији, растојању и боји (нијанси) без значајног напора у обради; оне се називају „пре-атентивни атрибути“. На пример, можда ће бити потребно значајно време и напор („атентивна обрада“) да би се идентификовао број пута када се цифра „5“ појављује у низу бројева; али ако се та цифра разликује по величини, оријентацији или боји, примери цифре могу се брзо уочити пре-атентивном обрадом.Jump up to:a b "Steven Few-Tapping the Power of Visual Perception-September 2004" (PDF). Archived (PDF) from the original on 2014-10-05. Retrieved 2014-10-08.