Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Art and Science of Visual Analytics Episode 2
Search
Sponsored
·
Your Podcast. Everywhere. Effortlessly.
Share. Educate. Inspire. Entertain. You do you. We'll handle the rest.
→
Kazuya Araki
November 25, 2019
Science
0
79
Art and Science of Visual Analytics Episode 2
Kazuya Araki
November 25, 2019
Tweet
Share
More Decks by Kazuya Araki
See All by Kazuya Araki
Tableau事例紹介 / Tableau Case Study of Eureka
kazuya_araki_tokyo
1
1.1k
Tableau事例紹介 & 課題共有
kazuya_araki_tokyo
1
2.1k
統計とは? @ICUHS
kazuya_araki_tokyo
0
310
License Management @BizReach, Inc.
kazuya_araki_tokyo
0
100
Art and Science of Visual Analytics Episode 0
kazuya_araki_tokyo
0
87
Art and Science of Visual Analytics Episode 1
kazuya_araki_tokyo
1
150
Art and Science of Visual Analytics Episode 3
kazuya_araki_tokyo
0
67
Tableau + Pythonとデータのあり方
kazuya_araki_tokyo
2
140
株式会社ビズリーチの紹介@Data Analyst Meetup Tokyo vol.8
kazuya_araki_tokyo
0
95
Other Decks in Science
See All in Science
データベース14: B+木 & ハッシュ索引
trycycle
PRO
0
660
PPIのみを用いたAIによる薬剤–遺伝子–疾患 相互作用の同定
tagtag
PRO
0
160
Rashomon at the Sound: Reconstructing all possible paleoearthquake histories in the Puget Lowland through topological search
cossatot
0
520
Navigating Weather and Climate Data
rabernat
0
110
やるべきときにMLをやる AIエージェント開発
fufufukakaka
2
1.1k
Celebrate UTIG: Staff and Student Awards 2025
utig
0
790
白金鉱業Meetup_Vol.20 効果検証ことはじめ / Introduction to Impact Evaluation
brainpadpr
2
1.6k
データベース08: 実体関連モデルとは?
trycycle
PRO
0
1k
データマイニング - グラフ埋め込み入門
trycycle
PRO
1
160
Hakonwa-Quaternion
hiranabe
1
180
Lean4による汎化誤差評価の形式化
milano0017
1
430
baseballrによるMLBデータの抽出と階層ベイズモデルによる打率の推定 / TokyoR118
dropout009
2
810
Featured
See All Featured
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
333
22k
BBQ
matthewcrist
89
10k
Embracing the Ebb and Flow
colly
88
5k
Reflections from 52 weeks, 52 projects
jeffersonlam
356
21k
10 Git Anti Patterns You Should be Aware of
lemiorhan
PRO
659
61k
How to build an LLM SEO readiness audit: a practical framework
nmsamuel
1
650
[RailsConf 2023] Rails as a piece of cake
palkan
59
6.3k
Are puppies a ranking factor?
jonoalderson
1
2.7k
Understanding Cognitive Biases in Performance Measurement
bluesmoon
32
2.8k
My Coaching Mixtape
mlcsv
0
51
Visualization
eitanlees
150
17k
Tips & Tricks on How to Get Your First Job In Tech
honzajavorek
0
440
Transcript
Art and Science of Visual Analytics Episode 2: Forms and
Positions
None
Episode 0 Visual Analytics 考えなくても、理解できるように工夫する Preattentive Attributes Visual Analyticsを助ける考え方(= Art
and Science)
今回は、形と位置
Preattentive Attributesの種類 Color - 色 Form - 形 Position -
位置 Movement - 動き
Form Color Position
TL;DR (Visual) Illusion Shapes and Position
ゲームをしましょう :)
どちらが大きい?
どちらが大きい?
傾きが大きいのは?
傾きが大きいのは?
人間の視覚を騙すのはとても簡単
None
None
None
以上を頭の片隅に
記憶の三段階 タイプ 保持期間 容量制限 Sensory memory(即時記憶) 200~500ミリ秒 特徴のあるものだけ。 Short-term memory(短期記憶)
10~15秒 一度に7項目まで。 Long-term memory(長期記憶) 生涯 個人差がある。
Best Practices of Shapes and Position
組み合わせの法則
向き + 位置 = 折れ線グラフ
長さ + 幅 + 位置 = 棒グラフ
形状 + 位置 + グループ = 散布図
複雑そうなグラフも紐解くと組み合わせ
長さ + 幅 + 位置 + サイズ = ウォーターフォールチャート
サイズ + 位置 + グループ = バブルチャート
サイズ + グループ = パックバブルチャート
空間を最大限活用する
サイズ + 位置 + 囲い = ツリーマップ
位置(緯度、経度) + 囲い = 地図
色も組み合わせてみると、さらに強力に
長さ + 幅 + 位置 + 囲い + 色相 =
積み上げ棒グラフ
向き + 位置 + 囲い + 色相 = 面グラフ
サイズ + 向き(角度) + 囲い + 色相 = 円グラフ
位置 + 囲い + 彩度 = ヒートマップ
すべてのグラフは Preattentive Attributesから できている
TL;DR (Visual) Illusion 人間の視覚情報は容易に騙される(錯覚、錯視) 視覚を悪用しないように注意する Shapes and Position すべてのグラフを構成している要素はPreattentive Attributesである
色と組み合わせると強力な表現力となる
None