Jock D. Mackinlay、Kevin Winslow 優れたビジュアライ ゼーションの作成 2 目次 視覚化の歴史 ............................................................................................ 3 さまざまなニーズに対応するさまざまなデータビジュアル ....... 4 1700 ～ 1900 年代 : 視覚化の変容 ................................................. 5 20 世紀に起こった進歩と乱用 ............................................................ 6 コンピューターを使った視覚化: 個人史 ........................................... 7 現在 : 人間の知覚の力 .......................................................................... 9 さまざまなビューを必要とするさまざまなデータ ........................10 人間の知覚 : その力と限界 ...............................................................11 構成と対話式の活用 .............................................................................12 データ使って伝えるストーリー ...........................................................13 まとめ: 教訓 ...............................................................................................16 本書では、古代の洞窟壁画からコンピューター革命、そして Tableau の誕生に至るまで、視覚表現の歴史をたど ります。 データ研究の先駆者たちについて述べ、視覚的コミュニケーションの手法に変革をもたらすことにつながっ たその業績を紹介します。 また、さまざまな形式のデータビジュアルについて理解を深め、効果的なビジュアル を作る際の壁と、そうした壁を乗り越えるために利用できる手段について検討します。 最後に、人間の知覚の力 (およびその限界) と、データを使って人がストーリーを伝える方法 (まさに古代の洞窟壁画の場合と同じように) を明らかにします。 3 過去の視覚化の歴史 視覚表現は、人間が学習したり理解したりする基本的な要素です。 データの視覚化の 影響と進化を考察するには、まず過去に目を向けて、人間がデータを形にして表現する 方法が時とともにどう変化してきたかを理解する必要があります。 これから見ていくよう に、人類は太古の昔から、教えるため、意味を伝えるため、ストーリーを語るために、視 覚化を利用してきました。 地図には特に長い歴史があります。 下の写真はトルコで発見 された 9 フィート (約 3 メートル) の壁画で、年代は紀元前 6,200 年にさかのぼります。 手前に見えるのはチャタルヒュユクの都市で、背後にはハサンダー火山がそびえていま す [1、2]。 この壁画の意図は明らかになっていません。芸術的表現だったかもしれません が、データマップだった可能性もあります。 目的が何であれ、これは人類が考えや発 想を伝えるために絵や図をどう利用していたかを示す初期の例です。 4 さまざまなニーズに対応するさまざまなデータビジュアル データの視覚表現には、2 つの代表的なタイプがあります。 どちらも大変重要ですが、 優れた視覚化を作成する場合に必要な要素が異なります。 1 つ目はプレゼンテーションで、データビジュアルを利用して伝達を行います。 このタイ プの視覚表現には 2 つの役割があります。情報の提供者と情報の受け手です。 プレ ゼンテーションの基本的な役割は伝えることと説得することです。 たとえば、以下に示 す粘土板は古代メソポタミアの都市計画で、バビロニアの都市ニップルを表していると 考えられており、都市の防御を修復する方法を説明するために使用されていた可能性 があります [3]。 2 つ目はビジュアライゼーションと呼ばれます。 これはかなり新しい用語で、考えるため にビジュアルを利用するという考え方です。 ビジュアライゼーションでは、経験は能動的 であり、人々は質問に答えようとします。 地図のたとえに戻り、1569 年に発表された有 名なメルカトル図法の地図について考えてみましょう。この地図は、旅行と航海に使われ ていました [4]。 このタイプの地図は作業に使用できます。 2 点間に線を引くことで、地 図は遠大な距離に及ぶ航路を表示できます。 この地図を使いこなすことによって、人は 進路を決定できます。 このタイプの「質疑応答」がビジュアライゼーションによるデータ 表現の一例です。 5 1700 ～ 1900 年代: 視覚化の変容 ビジュアライゼーションの歴史において重要な変換点をもたらしたのは、統計的表現の 父として広く認められるスコットランドの技師、William Playfair です。 Playfair は 1786 年 に発表した『Commercial and Political Atlas』という本の中で、イギリスの貿易収支を説明 するためにデータをグラフで図示しました。 Playfair による革新的なデータビジュアライ ゼーションの多くは今日でも使用されています。 左の図にあるのが Playfair の発明の 1 つである円グラフです [5]。 円グラフのベストプラクティス については、こちらをクリック してください。 その後間もなく、統計図がプレゼンテーションに使用されるようになりました。 有名な例の 1 つは、イギリスの医師、Dr. John Snow によるものです。この医師は 1855 年にロンドン を襲ったコレラの流行に対処するために統計図を使いました。 Snow 医師はロンドンの 地図にコレラ感染者を点でプロットしました。 これらの点を見ると、患者の大半がブロード 街のポンプ式井戸の周辺に住んでいたがわかります。 その地域から離れた発生例を調 べてみると、やはり同じブロード街のポンプと関係していたことがわかりました。 Snow 医 師の発表を受けて、汚染したポンプのハンドルが取り外されると、コレラの流行は収束に 向かいました。 これは、ビジュアライゼーションの力で質問に答えることができるだけでな く、この例では公共の利益にも貢献できることも示されています。 Snow 医師の地図はプ レゼンテーションスタイルが効果を発揮した例ともいえます。Snow 医師のデータに十分な 説得力があったからこそ、市当局が納得して、汚染されたポンプのハンドルを取り外し、 コレラの流行が収まりました。 データプレゼンテーションの最も有名な例は、フランスの土木技師、Charles Minard 氏に よるもので、ナポレオンのモスクワ遠征 (およびその後の撤退) のストーリーを記録する ためにビジュアライゼーションを用いています。 下図を見るとわかるように、Minard 氏の 図では、進軍する軍隊の規模を薄い影付きの棒で表示しています [6]。 棒の太さは、軍 がモスクワに近づくにつれて、着実に細くなっていきます。 その下の黒い棒は、モスクワ から撤退して帰ってくる途中の軍団の人数を示しています。 図の下部には外部気温を記録した線があり、気温が兵力低下に深刻な影響を与えてい るのがわかります。 図の中心部で黒い棒が一時的に太くなっているのは、以前に離れ た分隊が主力部隊に合流したためです。 しかし、図に描かれた渡河地点へ来ると、棒 はさらに細くなり、氷まじりの水が及ぼした影響を明確に示しています。 最終的に黒い棒 は行軍開始地点に戻って薄い影付きの棒と並びます。比較すると、かつては大規模だっ た兵力がごく少数に減った様子がわかります。 このように、シンプルな図が説得力のあ るストーリーを伝えます。 6 20 世紀に起こった進歩と乱用 1900 年代半ばまでに、統計図はよく利用されるようになり、乱用も起こりました。 この乱用を受 けて、アメリカの作家、Darrell Huff 氏は 1955 年に『How to Lie with Statistics (邦題 : 統計で ウソをつく法)』を出版しました。 Huff が述べた操作の例を下図に示します。 左側の図はデー タをそのまま表示したプレゼンテーションの例です。一方、右上の図ではゼロを削除し、支出額 が大幅に上昇しているように見せています。 右下の図は同じデータにさらに加工を加えて、 非常に驚くべき結果となっています。 Huff の本が役立つのは (そしてお勧めするのは)、 ビジュアルを操作するといかに印象の異なるストーリーが伝わるかがわかるだけでなく、 効果的な統計結果を作成する方法もわかるからです。 その後 10 年以上たってから、フランスの理論家、Jacques Bertin が『Semiology of Graphics』 を出版しました [8]。Bertin がとりわけ興味を抱いたのは統計的なマッピングで、データの表 示には、 点、線、エリアという 3 種類の要素が関係していると述べています。 これらの要素 には、特性があり、一番重要なのは「位置」です。 位置以外の 6 つの特性には、色、サイズ、 形状、陰影、方向、模様があります。 Bertin はこのような要素や特性を手がかりとして、図形 データを作成する方法について紹介しています。 Bertin は分類表などのビジュアル分析に関する非常に重要な手法も開発しました。 置換行 列と呼ばれるこの手法は、表の行と列を操作して、以前に並び替えられていないデータに パターンを見出し、値の間の相関関係を示します。 常に革新的だった Bertin は、1977 年に 『Graphics and Graphic Information Processing』という別の本を出版しました。この本では、 コンピューターを使ったビジュアライゼーションに関する初期の作業について説明しています。 Bertin の時代のコンピューターは、まだ彼が要求するような処理を実証する段階に達してい ませんでしたが、技術の爆発的な進歩によって、この分野はすぐに大幅な発展を遂げること になります。 7 コンピューターを使った視覚化: 個人史 ビジュアライゼーションとプレゼンテーションの歴史は、コンピューターの出現で一気に加 速しました。 ここでは私の個人的な歴史を取り上げます。 1986 年、私は博士論文のた めに、APT (プレゼンテーションツール) という名称のプログラムを作成しました。 Bertin の記号学を拡張して自動化することで、下図のようなグラフ化したプレゼンテーションを 自動的に作成するプレゼンテーションツールを生み出しました。 この図は従来の散布図 (バブルチャート) に 4 つの次元を示しています。 これは画期的でした。デザイン作業に コンピューターを活用して、効果的なデータのビューをデザインする方法について十分な 知識があることが示されたからです。 同じ年、米国国立科学財団 (NSF) の委員会は、サイエンティフィックビジュアライゼーション、 とりわけ科学の諸問題を解決するためのコンピューターグラフィックス使用について、レ ポートを作成しています。 彼らがコンピューターで作成した雷雨の画像は極めて印象的 で、ビジュアライゼーションに役立つコンピューターの使用について、さらなる研究を進め ることに対する議会の強い支持につながりました。 1987 年、Richard Becker と William Cleveland は多次元データに取り組みました。これこそ、 ほぼすべての問題を解決する鍵です。 インタラクティブブラッシングと呼ばれる彼らの手法 を使うと、線のセットを選択できるようになり、他のあらゆるビューにそれを表示できます。 このインタラクティブな要素によって、多次元空間についての理解はさらに深まりました。 90 年代になると、私は Xerox のパロアルト研究所で Stuart Card、George Robertson とチームを組みました。 コンピューターの助けを借りて、私たちはパースペクティブウォー ル、コーンツリーを含む 2 次元表示、3 次元表示を開発しました。 この研究は、私と Card、Ben Shneiderman の共著で『Readings in Information Visualization』としてまとめて います [9]。 この本では、コンピューターを使用したビジュアライゼーションの研究には基 本的な構造と、グラフィカルビューでデータをコード化するプロセス (データとビューの両 方を含む) があることを述べています。 つまり、生データから始まって、そのデータを変 換し、ビジュアル構造にコード化し、ビューの変換を用いてそれをコンテキストにまとめま す。 このプロセスはすべて 1 人のタスクとして行われ、その人がすべての変換を制御し ます。 基本的に、このプロセスではインタラクティブなビジュアライゼーションを作成しま す。 このプロセスで対処されなかったのは、生データのソースでした。 8 ここで Tableau が登場します。 2003 年、Chris Stolte はスタンフォード大学の博士論文で、生 データに効果的にアクセスする方法を明らかにしました。 Stolte と指導教官の Pat Hanrahan が開発したのが、VizQL と呼ばれる視覚化言語です。VizQL はデータグラフィックとそれを データベースに接続する方法を記述しました。 この研究の基礎になったのが、Bertin の記 号学と私の論文の研究でした。 VizQL は直感的なドラッグ&ドロップシステムもサポートし、 それが最終的に Tableau のインターフェイスに進化したのです。 基本的に、VizQL を使うと、 ユーザーはクエリを選んで、それを表示に変換できるようになります。 Stolte はデータを ビジュアルに結びつけることに成功し、それを実用的なアプリケーションにしました。 VizQL™ 技術の詳細については、こちらをクリックします。 9 現在 : 人間の知覚の力 これまで見てきた歴史のすべてから確かなことを 1 つ述べるとすれば、人間の知覚は強 力であるということです。 ただし人間の知覚は、視覚に訴える表示によって補完されたり、 拡大されたりすることがあります。 たとえば、下の図を見て、左側の表に集中してください。 次に、ひと目見て、数字の 9 がい くつあるか判断してみてください。 ここで右側の表に目を向けます。 今度は 9 が赤字になっ ています。この視覚に訴える表示によって、9 を数えるために要する時間はほんの数秒に 短縮されました。 これは「ポップアウト」と呼ばれる昔ながらの手法で、データのビジュアラ イゼーションによって大量のデータセットを認識し、発見を容易にする方法の 1 つです。 ポップアウトは、視覚に訴える表示のほんの一例 (とても初歩的なもの) で、人間の視覚 器官の力を活用する糸口にすぎません。 作家の Colin Ware はこのテーマについて一 連の書籍を著し、知覚処理の 3 つの基礎段階を明らかにしています。 最初のレベルに ある第 1 段階では、ビジュアルが備えている「特徴」を探します。 このプロセスは、目か ら大脳の視覚野に入ります。 第 2 段階はパターンの認識です。第 3 段階の注意段階で は、実際に数を計算します。 AT&T Bell Laboratories の 2 人の統計科学者、William S. Cleveland と Robert McGill が 実施した調査は、Ware の分析を裏付けています。 2 人の調査では、定量的な値を求め るための一番効果的な方法は「位置」であることがわかりました。 「位置」に続くその他 の要素には、長さ、面積、体積、角度、傾き、色、密度があります。 Cleveland と McGill が明らかにしたところによれば、「位置」とかけ離れた要素になるほど、人間の定量的な 知覚で正確に把握しづらくなります。 そう考えると、スプレッドシートにあるデータセットを 棒グラフ表示にしたり、さまざまな行長と色に変えたりすることは、より速い効果的な分 析につながるということです。 もちろん、これはすべて、目の前にあるタスクと最終的に 得ようとするデータよって異なります。 ここで Bertin に話を戻すと、彼は 3 つの異なる読み取りレベルがあることに着目しまし た。 初歩レベルは、1 つの値を特定するために目を向けるときに使用されます。 この場 合には、簡単なスプレッドシートでも効果を発揮します。 しかし、値と値の関係を求める 場合には、中級レベルに移行する必要があります。 このビューの一例となるには、棒グ ラフです。 棒がすべて 1 列に並んでいるので、その差を容易に把握できます。 最後に、 グローバルビュー (または要素が切り離されたビューであるゲシュタルトビュー) は全体 10 の関係に目を向けます。 この場合には、散布図が役立ちます。 このタイプの図は点 の集まりを包括的に含み、垂直方向と水平方向の軸に点の位置をプロットします。 この ビューを利用すると、きわめて効果的で「グローバル」なデータ表示が得られます。 さまざまなビューを必要とするさまざまなデータ 私たちの調査では、データのコード化による効果は、データの種類によって異なることが わかっています。 データの種類には名義、順序、定量的の 3 種類があります。 名義 データの種類の一例は命名規則です。たとえば、種類の異なる鳥に名前を付ける方法 などがそうです。 順序データの種類は、順序に従います。たとえば曜日などです。 定量的 データは、数値など測定可能なことを扱います。 定量的データの例は、長さ、時間、温度、 速度などです。 上記のデータの種類をプロットするために視覚的オプションについて検討すると、たとえ ば、「エリア」が効果的なデータの種類もあれば、そうでないデータの種類もあることがわ かります。 「エリア」ビューで名義データをプロットして、順序通りに並べても、あまり意味 がありません。 「エリア」ビューは順序データでは少しだけ効果があるとはいえ、データ の値が定まっているので、異なるサイズを目立たせるために使えるエリアはわずか数個 になります。 「エリア」ビューが最も効果的なのは量的データの場合で、ある秩序におけ る量的な値について正確な認識を伝えます。 視覚的表現を「色」に変更すると、上記の結論が逆になります。 「色」があまり効果を発 揮しないのは量的データです。データセット全体を正確に表現するだけの色を用意する のは困難なためです。 「色」が最も効果的なのは名義データで、それぞれのデータポイン トに明確な個別の色を割り当てられます。 効果的なビジュアライゼーションを作成するために、Tableau は下図に示すようなランキン グを使用しています。 3 つのデータの種類すべてを最も効果的に表現する方法なの で、「位置」はここでも最上位にあります。 ただし、この図を横断して見ていくと、それぞ れのデータの種類によってランキングが変化していることがわかります。 順位が上がる ビューもあれば、下がるビューもあります。 興味深いことに、「形状」は定量データや順 序データのプロットにはまったく該当しませんが、名義データの場合にはリストの最上位 に迫っています。 11 人間の知覚: その力と限界 人間の知覚は強力であり、複雑な大量のデータセットに対処できますが、一定の制約を 受けます。 このレッスンでは、データのさまざまなビューについて要約した Bertin の概 要を参照します。 1 つの主要な要素は、関与するディメンションの数です。1 次元、2 次 元、3 次元、または、「n」 次元になります。 2 番目の要素は、データが固定されている か、並べ替え可能かによって異なります。 最後の構成要素は、データが位相的であるか どうかです。 Bertin はこれらの要素を使用して、利用できるあらゆる種類のビューを表 示しました。 現在、Tableau はこれらの各ビューをサポートしており、「マップ」ビューも最 近導入されました。 「ノード - リンク」ビューは、近い将来利用できるようになる可能性も ありますが、現時点では表示できません。 下図にすべてのビューを示します。 オレンジ色の線の下にあるビューは、全体または ゲシュタルト (部分) として表示できます。 オレンジ色の線の上にあるビューは、時間の 即時認知としてのゲシュタルトとしては表示できません。 これは人間の知覚とデータ分析 の基本的な制約を表しています。人間がデータをコード化し、瞬間的に確認できるディメン ションの数には制限があります。 注目すべきは、3D グラフが Bertin の壁を越えられないということです。 第 3 次元は データのコード化に別のレイヤーを追加しましたが、オクルージョン (要素が重なりあって 見えなくなる事象) も発生するようになりました。 このオクルージョンによって、すべての データを確認することが困難になるため、特定のグラフィック要素を使った手段を取り 入れる必要があります。 3D を追加する際のもう 1 つの問題は、方向性の問題が加 わることです。 空間をあちこち移動できるということで、迷いやすくなってしまいます。 12 構成と対話式の活用 データを効果的に可視化するには、構成が重要であるのは明らかです。 多次元のケー スに対応するにあたり、ナポレオンのモスクワ遠征を取り上げた Minard のマップに戻り ましょう。 このマップは 2 つのイメージで構成されています。モスクワへの遠征と撤退の 状況を示す上部にある 2 本の線と、下部にある気温を示す別の線です。 これは効果的 な図ですが、ゲシュタルトビューではありません。すべてのデータを把握するには、目を 前後に動かして見る必要があります。 効果的なゲシュタルトビューの例について、Edward Tufte は「小規模な複数のビュー」と 述べています。 不動産データ用の散布図について考えてみましょう。 このグラフはゲシ ュタルトビューとして複数地区を表示できます。 また、すべてが 1 列に並んで共通の軸 を共有しているので、グラフで最も注目に値するデータポイントをすぐに確認できます。 構成はダッシュボードタイプのビューでも一役買っています。 グラフに注意深く選んだ色 使いを組み合わせて使用すると、目の動きに無駄がなくなり、値を比較して大量のデー タを把握できます。 Bertin に話を戻すと、彼は対話式 (インタラクティビティ) こそ多次元の問題に対処する 効果的な方法だと指摘しました。 並べ替えのほかにも、多次元データをより深く理解す るために採用できる手法は数多くあります。 下に示すような標準的な散布図について考えてみましょう。 この図は売上高と利益の内 訳を示しており、さらにコンテナと年で分類されています。 このように、あまりにも多くの データセットが互いに重なり合っていると、調査結果を把握できず、正確なゲシュタルト ビューを得られなくなります。 13 この状態を調整する 1 つの方法は、集計を用いることです。 たとえば、データを取得し てそれを年別に取り出すだけでデータ量が大幅に減り、結果としてグラフ上の重複も減 ります。 このように、集計は多次元データを扱う際の強力なツールになります。 もう 1 つの手法は、インタラクティブなフィルターを使うことです。 上記の図に戻って、自 分が関心を抱いているデータセットだけを表示できるフィルターウィジェットを作成できる と考えてみます。 こうしたウィジェットを使うと、妥当と思われるデータの追加や削除を行 えるようになり、また、総合的な調査結果をよりわかりやすく表示できるようになります。 フィルターは多次元データに対処する効果的な方法ですが、弱点もあります。 たとえ ば、いくつかのデータセットを分離すると、そのデータセット同士の関係を確認することが 難しくなったり、確認できなくなったりします。 フィルターに伴う制限を回避するためには、ブラッシングとして知られるプロセスを使用で きます。 この手法を使うと、1 つ以上のデータセットに色を付けるだけで、コントラストを 認識しやすくなり、データセット間の関係を理解しやすくなります。 対話式を利用するもう 1 つの効果的な方法は、リンクを使用することです。 Google マッ プを例として取り上げます。 簡単なクエリで、いくつかのエリアに焦点を当てた地図を表 示した後、クリックしてより詳しいデータを表示できます。 ドロップダウンまたはページに あるウィジェットを利用することによって、さらにデータにフィルターを適用し、絞り込んだ ビューを確認できます。 このように、インタラクティブなリンクは、多次元データセットを扱 う際の非常に強力な方法となります。 データを使って伝えるストーリー データでストーリーを伝えるという考え方について説明するため、2004 年、パロアルトに ある Xerox の研究所からシアトルにある Tableau に転職した際の私のストーリーを使 います。 私の最優先課題の 1 つは、シアトルで最高の学区を見つけることでした。 す ぐに、The Seattle Times の Web サイトでわかりやすく整理されたオンラインガイドを見 つけました。 そこには、地域内のあらゆる学区の Washington Assessment of Student Learning (ワシントン州学生学習評価、WASL) のスコアと、各教科でその基準に達してい る生徒のパーセンテージが掲載されていました。 そのおかげでスコアの情報は得られま したが、学区の地理的な位置はわかりませんでした。 シアトルに住むのは初めてで、地 域のことを知らなかったため、私には地図、つまり統計地図が必要でした。 そのような地図は存在しなかったので、私は下の図を作りました。 近郊の学区と関連づ けて Tableau の所在地を表しています。 色付きの円は、それぞれの学区が、数学のス コアに関して WASL でどのような成績を収めているかを表しています。 たとえば、オフィ スに一番近いのはシアトル学区ですが、WASL については一番にはほど遠い成績です。 この地図を眺めて、ベルビュー学区に引っ越すことにしました。Tableau からそう遠くなく、 WASL の成績も良好だったからです。 14 時がたつにつれて、学校から得られる数学のスコアに不規則な傾向があることに気づき はじめました。 少し調べてみると、WASL の数学と読解の両方のグラフを表示している 詳細な Web サイトが見つかりました。 どちらのビューも長期間にわたるデータ傾向を表 示しており、どちらもその傾向は上昇していました。 また、ベルビュー学区はどちらの分 野においても州内で目立ってよい成績を収めていることがわかりました。 はっきりしない 点は、数学と読解のスコアが互いにどう関係しているかということでした。 もう少し詳しく 調べてみると、実際のデータソース自体が見つかりました。 私はこのデータを少し整理してから、それを Tableau に送り込みました。 その結果、とて も興味深いことがわかりました。 数学については読解よりもはるかに低いスコアが表示 されたのです。 数学に抱く興味と数学に関する経歴に後押しされて、私はデータを監視 しつづけ、以下に示すグラフを思い付きました。 15 過去 5 年の間、ワシントン州は WASL と ITBS (Iowa Testing Program) という 2 つの異 なるテストを利用してきたことが分かりました。 上のグラフはその 2 つを比較して得られ た少々驚くような結果を示しています。 WASL からの結果は時とともに上昇している一 方で、ITBS による結果は基本的に横這い状態です。 ITBS のスコアは生徒のデータを 全米から集めているので、私は WASL の数字は信用できないという結論に達しました。 このストーリーの教訓は、データには常に疑問を持つべきだということです。 データの出 所について質問し、データが伝えてくる内容が信頼できるか、理解できるかを、視覚化シ ステムを使用して確認するのです。 16 まとめ: 教訓 ストーリーを効果的に伝えるための基本的な教訓を振り返ってみましょう。 教訓 1: ビジュアルの作成で重要となる課題は信頼性。 適切なビューを設計しないと、知識や経 験を持った人が見たときに信頼を得られないだろう。 教訓 2: ビジュアルは表現力があり、データを正確に伝えるように確認する。 教訓 3: 人間の知覚を利用することによって、ビジュアルをより効果的に使用する。 効果的なビ ジュアルを作成するために役立つルールを以下に示す。 • グラフについて適切な語彙を使用する。 • 余白を活用する。 • 不要な資料を使用せず、乱雑にならないようにする。 教訓 4: ビューがコンテキストを含んでいることを確認する。 タイトル、キャプション、単位、解説な どはすべて、見る人がデータビューを理解するうえで役に立つ。 常に自分のデータと自 分の図や画像でストーリーを伝えようと努力する。 優れたストーリーには単なるデータ以 上のものがあることを理解し、次の点について考慮する。 • 自分の美学を意識して、効果のあるものはたいてい感情を伴うということを理解する。 言い換えると、効果的なビューは感情的な反応を引き起こし、読み手との本物の コミュニケーションにつながる。 • スタイルも重要である。 自分のビューに一貫性があり、見た目が美しいことを確認 する。 ビューは自分が誰で、何を大切にしているかを表している。 • ビューは面白くできる。 人々が楽しめるインタラクティブなビューは人をしっかりと引 きつける。 インタラクティブな要素を用いると、見る人がデータを操作し、質疑応答 をして、調査結果に自分でたどり着けるようになる。 これによって、自分のデータに 対する自信を育みやすくなる。 • ビューは鮮明かつ記憶に残るものにする。 構造とコンテキストに注意を払う。 17 Tableau について Tableau Software のミッションは、お客様がデータを見て理解できるように支援することです。 Tableau を 利用すれば、簡単に情報を分析してビジュアル化し、共有することができます。 すでに世界で 15,000 社を 超えるお客様が Tableau を導入し、オフィスや外出先で簡単にデータ分析を行っています。 また、無料の データビジュアル化ツールである Tableau Public を利用して、数万人のお客様がデータをインタラクティブ な Viz (ビジュアライゼーション) としてブログや Web サイトで共有しています。 無料トライアル版は、 www.tableau.com/ja-jp/products/trial からダウンロードできます。 その他のリソース 無料トライアル版をダウンロード その他のリソースを見る · 製品デモ · トレーニングとチュートリアル · コミュニティとサポート · カスタマーストーリー · ソリューション 参考文献 [1] http://www.henry-davis.com/MAPS/AncientWebPages/100B.html [2] http://www.math.yorku.ca/SCS/Gallery/milestone/sec2.html [3] http://www.henry-davis.com/MAPS/AncientWebPages/101.html [4] http://www.henry-davis.com/MAPS/Ren/Ren1/406B.htm [5] http://www.math.yorku.ca/SCS/Gallery/images/playfair2.jpg [6] http://www.math.yorku.ca/SCS/Gallery/images/minard.gif [7] Darrell Huff. How to Lie With Statistics. Norton, New York. 1955. [8] Jacques Bertin. Semiology of Graphics. University of Wisonson Press. 1983 (Semiologie Graphique Gauthier-Villars、Paris 1967). [9] Stuart K. Card, Jock D. Mackinlay, & Ben Shneiderman. Readings in Information Visualization: Using Vision to Think. Morgan Kaufman, San Francisco. 1999. Tableau および Tableau Software は、Tableau Software、Inc. の商標です。 その他の社名および製品名は各社の商標です。
© Copyright 2024 Paperzz
