TIEDON VISUALISOIN- NIN PERUSTEET REITITIN-HANKE, METROPOLIA AMMATTIKORKEAKOULU PÄIVI KERÄNEN

Transkriptio

1 TIEDON VISUALISOIN- NIN PERUSTEET REITITIN-HANKE, METROPOLIA AMMATTIKORKEAKOULU PÄIVI KERÄNEN

2 PÄIVÄN TAVOITTEET Mitä tiedon visualisointi on? Mitä visualisoinnilla voidaan saavuttaa? Miten hahmotamme näkemäämme? Miten visualisointitapa valitaan? Mitä välttää? Mitä haluamme kurssin aikana visualisoida? Omien projektien lyhyet esittelyt

3 Tiedon visualisointi? David McCandless

4 MITÄ VISUALISOINTI ON? (ROBERT KOSARA): Visualisointi perustuu (eivisuaaliseen) dataan Visualisointiprosessi tuottaa lopputuloksenaan kuvan Lopputuloksen tulee olla tulkittavissa ja tunnistettavissa

5 MITÄ NÄEMME? MITEN HAVAITSEMME?

6 Näkökyky ihminen vs. kissa, kuvat: Nickolay Lamm

7

8 Alberto Cairo: Functional Art

9 GREGORY BATESON: Information is the difference that makes a difference

10

11 HYVÄN MUODON LAKI LÄHEISYYDEN LAKI

12 LÄHEISYYDEN LAKI HYVÄN JATKON LAKI

13 SULKEUTUVUUDEN LAKI

14 SAMANKALTAISUUDEN LAKI

15 SYMMETRIAN LAKI

16 YHTEENLIITTYMISEN LAKI

17 YHTEENLIITTYMISEN LAKI

18 YHTEISEN LIIKKEEN LAKI

19 KOHDE JA ALUSTA

20 ALUE

21

22 Xiaoji Chen; Dominik Dahlem; Eric Baczuk

23

24

25 Michell Zappa

26

27 IKONISUUS JA SKEMAATTISUUS

28

29 VISUALISOINNIN LYHYT HISTORIA

30 VISUALISOINNIN LAJIT?

31 JUUSO KOPONEN, INFORMAATIOMUOTOILU.FI: 1. Tietoa välittävä grafiikka (infografiikka) 2. Eksploratiivinen grafiikka 3. Höystegrafiikka tai infografiikkamainen kuvitus Jako ei ole terävärajainen, vaan usein grafiikassa on kaikkia piirteitä

32 Hannu Kyyriäinen

33 JOHN SNOW 1753

34

35 Yle -

36 Podlaska Dorota

37

38 VISUALISOINTI- MENETELMIÄ MITEN VALITA?

39 David McCandless

40 VISUALISOINTITYYPIN VALINTA Ei yksiselitteisiä vastauksia... Lähtökohtia: Mitä haluat kertoa? Mitä visualisoinnin katsoja haluaa tietää aiheesta? Minkälaisia asioiden välisiä suhteita tutkit? Onko tarvetta yksityiskohtien tarkalle vertailtavuudelle vai riittääkö yleisempi trendin hahmottaminen Montako muuttujaa on? Mitä voit yksinkertaistaa? Psst.. Vertaa (tieto)aineistoasi olemassa oleviin visualisointeihin

41 VISUALISOITAVIA Aikasarjat Tilastolliset jakaumat Kartat Hierarkiat Verkostot

42 William S. Cleveland & Robert McGill: Graphical Perception and Graphical Methods for Analyzing Scientific Data Visualisointi: Alberto Cairo

43

44 ESIMERKKEJÄ VISUALISOINTITYYPPIEN OMINAISUUKSISTA:

45 HYVÄ VISUALISOINTI (EDWARD TUFTE) korkea tieto-muste -suhde (data ink ratio) kaavioromun minimointi (chart junk) monitoiminnallisten elementtien käyttö (multifunctioning elements) suuri tietotiheys ja vähän monikertoja (data density) estetiikka

46 Muste-tieto -suhde

47 Kaavioromu Nigel Holmes

48 Monitoiminnallisten elementtien käyttö Leonard P. Ayres: The war with Germany; a statistical summary

49 Jos tilasto on tylsä, siinä on väärät luvut Edward Tufte

50 MITÄ VÄLTTÄÄ? VISUALISOINTI- VIRHEITÄ?

51 grafiikan esittämä ilmiön koko datan esittämä ilmiön koko = valekerroin - Edward Tufte

52

53

54

55

56

57 KAAVIOROMUA? Nigel Holmes Scott Bateman et al

58 YHTEENVETO KÄYTÄNNÖN VINKKEJÄ

59 KÄYTÄNNÖN VINKKEJÄ (ALBERTO CAIRO) Määritä, mitä haluat visualisoinnilla kertoa Kerää mahdollisimman paljon tietoa aiheesta Valitse tarkoituksesi kannalta sopivin visualisointitapa Täydennä tarvittaessa taustatutkimustasi, luonnostele Pohdi visuaalista ilmettä, valitse fontit (mielellään 1-2) ja värit (2-3 ja näiden eri sävyt) Toteuta lopullinen visualisointi sopivia työkaluja hyödyntäen Rakenne ennen tyyliä! P.S. Kuvittele visualisoinnin osat nelikulmioiksi taittoa rakentaessasi (grid)

60 VISUALIZATION WHEEL (ALBERTO CAIRO):

61 TEKSTIT Kiinnitä huomiota visualisoinnin otsikkoon ja muihin teksteihin kokonaisuuden tulisi kertoa tarina! Mieti, pitääkö katsojaa opastaa lukemaan visualisointiasi vai ei Tiivis, napakka teksti on usein hyvästä Teksti voi tyylillisesti täydentää visuaalista ilmettä, mutta neutraali ilmaisukin toimii useimmissa tapauksista

62

63 MAKSUTTOMIA VISUALISOINTITYÖKALUJA Many Eyes Digital Methods Tableau StatSilk Google Muita

64 KÄYTÄNNÖN VINKKEJÄ Apua värien valintaan Värisokeus Datalähteitä Tilastokeskus: Helsinki Region Infoshare: Maailmanpankki: YK: The Guardian: /jan/14/all-our-datasets-index

65 LISÄÄ TIETOA Informaatiomuotoilu Guardianin DataBlog Information is Beautiful Lisää teoriaa Ja vielä lisää Alberto Cairon Mitä luen nyt lista

66