complex data visualized برای شما نام آشنا است؟ تا چه اندازه در مورد آن می‌دانید؟ در این مقاله قصد داریم شما را با انواع مختلف داده های پیچیده آشنا کنیم. همانطور که قبلاً متذکر شدیم، تصاویر در اصل یک روش قدرتمند برای انتقال پیام‌ها، ارائه اطلاعات و اقناع مخاطبان هستند. در این مقاله ارزش گذاری در مورد تجسم داده داریم. مواردی مانند:
- مغز می‌تواند تصاویری را ببیند که فقط 13 میلی ثانیه دوام دارند.
- چشم ما می‌تواند 36000 پیام تصویری را در هر ساعت ثبت کند.
- در کمتر از یک دهم ثانیه می‌توانیم حس یک صحنه بصری را به دست آوریم.
- 90% اطلاعات منتقل شده به مغز بصری است.
- پردازش تصویری در مغز 60000 برابر سریع‌تر از متن است.
اگر قصد دارید پروسه‌ای را عملی کنید، گروهی از افراد را متقاعد کنید یا اطلاعات خود را بهتر درک کنید؛ ایجاد یک نوع نمایش بصری برای هدایت افکار خود یا دیگران را در نظر بگیرید. کمی منابع الهام بخش می‌خواهید؟ نگاهی به این 8 مثال عالی از داده های پیچیده تجسم شده بندازید.
کاهش فقر شدید از موسسه بروکینگز
این نمودار تعاملی ارائه شده توسط موسسه بروکینگ نشان می‌دهد که چگونه فقر در طول قرن گذشته در سراسر جهان تغییر کرده است. در اصل این مسئله یک مثال عالی برای استفاده از complex data visualized برای گفتن یک داستان است. گرافیک داده‌های تعاملی با استفاده از داده‌های موجود در گزارشی با عنوان شمارش معکوس نهایی: چشم انداز پایان فقر شدید تا سال 2030، تشکیل شده است. هدف از تجسم داده به روش زیر شرح داده شده است:
“برای درک بهتر چالش پایان دادن به فقر، ما به الگوی کاهش فقر از نظر حرکت افراد فقیر در آن سوی خط فقر نگاه می‌کنیم. در این شکل سطح زیر منحنی نشان دهنده جمعیت کشورهای در حال توسعه است که با توجه به سطح مصرف روزانه افراد تنظیم شده است. ارتفاع منحنی در هر سطح مصرف مشخص، تعداد افرادی را نشان می‌دهد که با آن استاندارد زندگی دقیق روبرو هستند. بنابراین ناحیه زیر منحنی در سمت چپ خط فقر عمودی، تعداد افرادی را که در فقر زندگی می‌کنند، ثبت می‌کند.” با این نوشته در اصل هدف از تجسم داده های پیچیده برای کاهش فقر شدید شرح داده شد. در ادامه به مثال بعدی می‌پردازیم.
هرم عصر ایالات متحده
در این تجسم داده مرکز تحقیقات پیو قصد دارد تا در تلاش برای پیش بینی چالش‌هایی که در آینده نزدیک با آن روبرو خواهیم شد، به تغییر چگونگی تغییر کشور ما در طول زمان کمک کند. این نمودار برای complex data visualized هم به روش زیر شرح داده شده است:
“در این هرم در اصل هر نوار یک گروه 5 ساله را نشان می‌دهد. با سنین 0-4 در پایین و سنین 85 و بالاتر در قسمت بالایی. در هر جامعه‌ای از ابتدای تاریخ، هر زمان که جمعیتی را از این طریق شکسته‌اید، همیشه یک هرم خواهید داشت. اما از سال 1960 تا 2060، هرم ما به یک مستطیل تبدیل می‌شود. تقریباً به اندازه افراد زیر 5 سال آمریکایی، آمریکایی‌های بالای 85 سال خواهیم داشت. در اصل این سرزمین فقط برای ما ثبت نشده است، بلکه برای کل بشریت است.” در این مثال هم به خوبی از داده های پیچیده برای پرداختن به چالش‌ها در آینده استفاده شده است.
کلمه رژیم از جستجوی گوگل
در اصل این موضوع منبع نقاشی و تصویر جالبی در مورد رفتارها و نگرش‌های افراد قبل، در طول و بعد از تعطیلات دارد. مثالی که در این بخش برجسته شده است، نشان دادن حجم روزانه جستجو برای کلمه رژیم در طول سال است. همانطور که مشاهده می‌کنید، در هفته‌ها و ماه‌های منتهی به فصل تعطیلات افت قابل توجهی وجود دارد و پس از شروع سال نو، تقریباً فوری این مسئله اوج می‌گیرد. این موضوع در حقیقت یک روند جالب است که شاید بدون تجسم داده اگر ایجاد می‌شد، انقدر جذاب نبود. در ادامه مثال‌های جالب‌تری از استفاده از complex data visualized برای شما می‌زنیم.
اجاره در مقابل خرید از نیویورک تایمز
این منبع از نیویورک تایمز مثالی عالی از کارهایی است که می‌توانید برای هضم بیشتر داده های پیچیده انجام دهید. این مسئله در اصل یک ابزار تعاملی و مبتنی بر آموزش است که به بازدیدکنندگان کمک می‌کند تا درک و تصمیم گیری در مورد اجاره یا خرید خود را تعیین کنند. این موضوع به روش زیر شرح داده شده است:
“ماشین حساب، رایج‌ترین هزینه‌های مالکیت و اجاره را نگه می‌دارد. همچین چیزی را که به عنوان هزینه فرصت شناخته می‌شود، در نظر می‌گیرد. به عنوان مثال بازدهی که می‌توانستید با سرمایه گذاری به جای هزینه کردن در یک پیش پرداخت، به دست آورید. ماشین حساب فرض می‌کند که از سود شما در سرمایه گذاری به عنوان سود طولانی مدت مالیات گرفته می‌شود و خط پایین را بر این اساس تنظیم می‌کند. ماشین حساب هزینه فرصت را برای تمام قسمت‌های شرایط خرید و اجاره جدول بندی می‌کند. در نظر داشته باشید که تمام ارقام به دلار فعلی است.” منبع این مثال عالی در مورد complex data visualized همانطور که در ابتدا به آن اشاره کردیم، نیویورک تایمز است.
جدول زمانی موسیقی از گوگل
این تجسم جالب از گوگل، محبوبیت ژانرهای مختلف موسیقی را در طول زمان نشان می‌دهد. این استفاده از داده های پیچیده به روش زیر شرح داده شده است:
“جدول زمانی موسیقی در اصل ژانرهای افزایش و کاهش موسیقی را نشان می‌دهد. بر اساس تعداد کاربران موسیقی Google play دارای یک هنرمند یا آلبوم در کتابخانه موسیقی و سایر داده‌ها (مانند تاریخ انتشار آلبوم) است. هر نوار روی نمودار نمایانگر ژانری است. ضخامت نوار تقریباً به شما محبوبیت موسیقی منتشر شده در یک سال خاص در آن سبک را می‌دهد. به عنوان مثال، نوار جاز در دهه 1950 ضخیم است زیرا بسیاری از کتابخانه‌های کاربران حاوی آلبوم‌های جاز است که در دهه 50 منتشر شده است. برای بزرگ نمایی در ژانرهای تخصصی‌تر، می‌توانید روی نوارها کلیک کنید.” می‌بینید که می‌توان با استفاده از complex data visualized چه کارهای جالبی ارائه داد و چه پروسه‌هایی را به شکلی جدید و جذاب تعریف کرد.
تنوع نسل هزاره از CNN
این تجسم داده نشان‌دهنده اندازه و میزان تنوعی است که در بین نسل‌های مختلف وجود دارد. به طور خاص، این مسئله نشان می‌دهد که نسل هزاره بزرگ‌تر و متنوع‌تر از نسل Baby Boomer است.
الگوهای مهاجرت ایالات متحده
در این تجسم داده که منبع آن از نیویورک تایمز است، نشان می‌دهد که چگونه آمریکایی‌ها از دهه 1900 در سراسر کشور نقل مکان کرده‌اند. همانطور که در بخش زیر توضیح خواهیم داد، وضعیت مهاجرت را به هر کشور تقسیم می‌کند. شرح آن را در ادامه با ما بخوانید:
“ایالت‌های مرزی مانند وایومینگ مدت‌ها پیش، بیشتر با مهاجران ایالت‌های دیگر زندگی می‌کردند و در مورد وایومینگ نیز امروزه همین مسئله وجود دارد. سهم ساکنان متولد ایالت وایومینگ کم‌ترین میزان آن از سال 1950 تا کنون بوده است. علاوه بر اقتصاد نسبتاً قوی، این ایالت به عنوان پناهگاه ایده آل برای بازنشستگی ارتقاء یافته است و داده‌های سرشماری نشان می‌دهد که سه چهارم بازنشستگان در این جا، در اصل در مکانی دیگر متولد شده‌اند.” این مثال از complex data visualized کمی متفاوت‌تر از مثال‌های قبلی بود. با آخرین مثال از این لیست با ما باشید.
الگوی زمانی
این تجسم داده نهایی از زمان، یک نمایش ساده اما فوق العاده موثر از چگونگی تفاوت جمعیت در سراسر کشور است. به لطف این نقشه به سبک سه بعدی، مناطقی که در آن‌ها جمعیت متراکم است (مناطق شهری) و مناطق با تراکم کمتر به راحتی قابل مشاهده است.
زیباسازی اطلاعات یک شکل هنری است. تجسم داده در اصل طرفداران بسیاری دارد که هنرمندان داده به طور مداوم بر تعداد آن‌ها اضافه می‌کنند. قبل از این مسئله و داده های پیچیده ما در مورد علم داده، داده کاوی، انبار داده، بیگ دیتا، داستان گویی داده، فرهنگ داده محور و کسب درآمد از داده صحبت کردیم و اطلاعات مناسبی را در هر مقاله به شما ارائه دادیم. امیدواریم نمونه‌هایی که انتخاب کرده‌ایم مورد پسند شما قرار بگیرند. تمامی مثال‌ها از بهترین نمونه‌های complex data visualized بوده‌اند. لطفاً درک کنید که تصاویری که ما در این مقاله گنجانده‌ایم فقط نگاهی است به آنچه پروژه‌ها واقعاً ارائه می‌دهند. ما به شما پیشنهاد می‌کنیم تا پروژه‌های مورد علاقه خود را به شکل جدی‌تری پیگیری کنید.
می‌تواند یک داستان سرایی باشد!
این مسئله در اصل می‌تواند یک داستان سرایی باشد. برخی از مثال‌های تجسم داده برای برقراری ارتباط با اطلاعات، اقناع مردم و آشکار کردن روندها کارآمد است. اما در نظر داشته باشید که این مسئله می‌تواند نوعی داستان گویی نیز باشد، زیرا می‌تواند قصه‌ای قابل فهم را با قدم‌هایی کوچک بیان کند که نباید نادیده گرفته شوند. مثال‌های داده های پیچیده بی نظیر هستند و در اصل جذابیت حواس را دارند: تجربه را با صدا، تصاویر و امکان کلیک را شناور و با پیمایش در محتوا تعاملی می‌کنند.
در انتها باید بگیم که نمونه‌هایی از تجسم داده‌ها وجود دارد که به طور موثر قدرت منابع تصویر و کیفیت اطلاعات را برای متقاعد کردن مردم در مورد مفاهیم و دلایل مختلف، از زمینه‌هایی مانند بازاریابی، تجارت و کالاهای مصرفی تا تاریخ و پایداری نشان می‌دهد. در اصل هر چه از نظر بصری ایده‌های خود را بهتر انتقال دهید، می‌توانید از این اطلاعات بهرمند شوید. در این مقاله لیستی از مثال‌های تجسم داده و داده های پیچیده را با هم مرور کردیم. اکنون نسبت به این مسئله آگاه‌تر هستید.
