В этом посте Нейтан Яу, автор блога The Flowing Data и книги «Искусство визуализации в бизнесе», рассказывает о том, в каком направлении стоит двигаться после того, как вы усвоили азы визуализации. Именно тогда, когда пришла пора браться за серьезную работу.
Познакомиться с визуализацией сегодня не сложно. Есть много источников знаний о ней – книги, руководства, блоги и курсы, – все они помогают в обучении, а разнообразные приложения позволяют начать работу в два клика.
Однако на этом не стоит останавливаться. Часто начинающие прекращают движение на этом этапе: они прочли книги Тафти (читай – небрежно пролистали и запомнили выделенный текст) и отправили их на книжную полку или прикнопили к доске, как дипломы по визуализации. Возможно, вы один из них? Я тоже был таким.
Но вы хотите стать лучше, не так ли? С этого момента я буду считать, что вы ответили «да».
Работайте с данными, на самом деле.
К сожалению, от этого никуда не деться.
Если вы намереваетесь в чем-либо преуспеть, вы усиленно работаете в этой области. Практикуетесь, а не просто читаете о том, как лучше и больше трудиться. Хотите стать отменным кулинаром? Приготовьте что-нибудь, вместо того, чтобы собирать рецепты. Или мастерски играть в баскетбол? Тренируйтесь на корте. Именно так, как правило, и работают вещи (навыки владения нунчаками, умение охотиться с луком, хакерское мастерство… мастерство), и то же самое с визуализацией.
Скачайте данные с сайта, который вам интересен, и постарайтесь добыть из этих данных все, что сможете. Анализируйте, старайтесь удовлетворить свое собственное любопытство и, конечно, визуализируйте это. Попытайтесь применить знания, полученные из книг и руководств, к своим данным. Я не стану вас обманывать: поначалу вам может быть трудно, работа может разочаровать вас, но вы справитесь.
Несколько лет назад я собрал ресурсы, которые могут послужить вам хорошими источниками данных. Некоторые из сайтов уже мертвы, но этот список даст вам представление о том, где добывать таблицы и CSV файлы для вашей работы. Если вам повезет, то вы найдете источники данных в формате PDF. Удачи с этим.
После этого скачайте R, повозитесь с пробной версией Tableau, подружитесь с Data-Driven Documents или даже попробуйте добиться невозможного от Excel.
Если вы все еще не уверены с чего начать, найдите визуализацию, которая вам нравится, и попробуйте воспроизвести ее. Если это хорошая визуализация, скорее всего вы обнаружите, что создавать графику гораздо сложнее, чем вам казалось. Это совершенно нормально. В архиве блога The FlowingData вы найдете множество примеров.
Слушайте мнение окружающих
Это сделать непросто, особенно если вы в самом начале пути. Вы можете и не захотеть делиться своей работой онлайн, потому что интернет – неприятное местечко с огромным количеством желающих указывать другим на их ошибки. Но очень скоро вы поймете, к чему стоит прислушиваться, а к чему нет. Просто научитесь отличать придирчивые комментарии от тех, которые действительно имею значение.
Однако, вы можете получить тот же полезный опыт, показывая свою работу лишь горстке людей в реальной жизни.
Какому бы варианту вы ни отдали предпочтение — не принимайте критику близко к сердцу. Люди оценивают вашу работу, а не вас лично. Джек Ченг писал в своем посте о том, каково было издавать его первую книгу и получать первую критику. Я тоже столкнулся с подобным опытом.
В любом случае, есть сотни мест онлайн, где вы можете получить отзывы. Вот некоторые их них: Visualizing.org, Reddit и Twitter и Facebook, конечно. А еще можно просто начать вести блог.
Читайте внимательно
Сейчас, когда вы уже промочили ноги, испачкали руки и поломали зубы о кое-какие данные, вернитесь к чтению. К новому, сосредоточенному чтению.
Вы всегда можете встретить новоиспеченных экспертов, только что дочитавших коллекцию Тафти, которые любят выдавать цитаты и восхвалять Минарда, как восьмое чудо света.
Книги Тафти, особенно первая, предлагают широкий взгляд на визуализацию и некоторые простые вещи, которые помогут сделать вашу графику простой для восприятия. Но что дальше?
Дальнейшее направление вашего обучения будет зависеть от того направления визуализации, в котором вы хотите совершенствоваться. Естественно, можно почитать мои книги: «Точки данных» — Data Points и «Искусство визуализации в бизнесе» — Visualize This. Первая книга – более абстрактная и менее техническая, тогда как вторая – полна практических примеров кода. Я написал обе эти книги, предполагая, что вы уже прочли «Наглядное отображение количественной информации» – The Visual Display of Quantitative Information.
Для работы с интерактивными графиками для веба, обратитесь к книге «Интерактивная визуализация данных для веба» — Interactive Data Visualization for the Web, которая предлагает руководство по использованию Data-Driven Documents библиотек JavaScript.
В Книге Колина Уэйра «Визуализация информации: восприятие дизайна» – Information Visualization: Perception for Design найдете более подробную теоретическую информацию.
Журналистский подход: «Функциональное искусство» — The Functional Art.
Исторические предпосылки, до 1980: «Исследовательский анализ данных» — Exploratory Data Analysis Джона Туки (один из моих любимых авторов) и «Семиотика графики» — Semiology of Graphics Жака Бертина.
Есть еще очень много книг по визуализации и ее ответвлениям, поиск в интернете даст вам еще больше вариантов.
Отойдем немного от книг. Научные работы – еще один отличный источник информации, который часто упускают из виду. Радует тот факт, что большинство авторов публикуют свои работы в открытом доступе онлайн. Некоторые труды написаны слишком техническим языком, с использованием профессионального жаргона, но есть и такие, в которых много практических примеров, на которых можно учиться.
Например Джефри Хир и его студенты из Стэнфорда создают хорошие работы. Фернанда Виегас и Мартин Ваттенберг, оба сейчас работают в Google, писали подходящие работы, когда еще были в IBM. Бен Фрай написал докторскую диссертацию, которую очень стоит прочесть. Уильям Кливленд, Ди Кук и Хэдли Уикхэм – представители статистики.
Благодаря многочисленным ссылкам в этих научных работах вы сможете найти еще больше работ для изучения.
И еще раз.
Сделали все вышеперечисленное? Повторите еще раз.
Автор: Нейтан Яу
Оригинал статьи: Getting started with visualization after getting started with visualization
