データの価値を最大化させるためのデザイン~データビジュアライゼーションの方法~ #devsumi 17-E-2

タグ devsumi

スライド概要

2022年2月17日・18日に開催された「Developers Summit 2022」1日目の登壇スライドです。
ヤフーのデータソリューション事業やデータサイエンス部門のデザイナーとして、日々の業務においてデータに直接に触れる機会の多いエンジニアの皆さんとデータビジュアライズの観点で共有し実践していることをご紹介します。

profile-image

Yahoo!デベロッパーネットワーク

@ydnjp

作者について:

エンジニア・デザイナー向けのヤフー公式アカウント。イベント/登壇情報/ブログ記事など、ヤフーの技術・デザインに関わる情報を発信します。

スライド一覧
シェア
埋め込む»CMSなどでJSが使えない場合

公開日

2022-02-16 13:45:00

各ページのテキスト

1. データの価値を最⼤化させるためのデザイン 〜 データビジュアライゼーションの⽅法 〜 ヤフー株式会社 駒宮 ⼤⼰

2. CONFIDENTIAL Profile 駒宮 ⼤⼰ Hiroki Komamiya ヤフー株式会社 データ統括本部/サイエンス統括本部/CDO管掌 デザイン責任者 (C)Yahoo! JAPAN

3.

4. ヤフーの検索、位置情報データを 分析できるデスクリサーチツール

5. データ分析・可視化ツール(DS.INSIGHT)の データビジュアライゼーション People Place 興味関⼼、トレンド・ニーズを可視化 ⼈流や場所別の関⼼ごとを可視化

6. 2022.1.18 サービス提供開始

7. Persona ヤフーのビッグデータから ターゲットのライフスタイルや 興味関⼼を把握することで より詳細な⼈物像 =ペルソナ作成 を⽀援

8. 属性 ライフプロファイル 検索キーワード 興味関⼼/購買意向 興味関⼼ ランキング

9. アウトプット例:「英会話」関⼼者の理解 ペルソナ名 結婚の有無 職業 英会話関⼼者 すべて すべて 検索キーワード 英会話 / 英語学習 / ベルリッツ / イーオン 興味関⼼ すべて 期間 詳細説明 任意設定 (2021/11/23〜2021/11/29) 育児が落ちついてきて、英会話やスポーツジムの⼊会など⾃分のために時間を使いたいと考える世帯年収が⽐較的⾼いママというペルソナを イメージすることができる

10. ヤフーの検索データを ⾃社システムに直接連携

11. APIとは? 「システム」と「他のシステム」 の連携を可能にする技術 社内システム 位置情報・ 地図情報サービス BIツール ヒトだと困難なこともできる 機能を⾃分好みに作り変えることができる データマイニング SaaSサービス

12. BIツールや⾃社環境でヤフーのビッグデータを活⽤

13. DS.API - INSIGHT DS.API - INSIGHTは、API経由で DS.INSIGHT機能を利⽤可能

14. DS.API - INSIGHTでできることの例

15. DS.API - INSIGHTでできることの例

16. DS.API - INSIGHTでできることの例

17. DS.API - INSIGHTでできることの例

18. プロモーションコンテンツとしての データビジュアライゼーション

19. デジタルの⽇ 特別企画

20. なんのためにデータの デザインに取り組んでるか

21. 近年、デジタル化・DX化

22. データから企画⽴案/施策の評価

23. 例えば、同じデータでも表現で も伝わりやすさが全く違う

24. 例えば、同じデータでも表現で も伝わりやすさが全く違う データの表現は とても重要

25. 難しそう わからない データ ⾃分の仕事ではない データ ⾃分には関係ない データ データは遠い存在

26. デザイナーとしてデータを きちんと表現する必要がある

27. データビジュアライ ゼーションとは

28. わかりずらい わかりやすい ⽂字と数字で表されるデータをチャートを⽤いて表現すること。 ⾔い換えると:データ視覚化

29. データデザインとは 感覚記憶 短期記憶 ⻑期記憶

30. データデザインとは 感覚記憶 短期記憶 ⻑期記憶

31. 例 9を⾒つけてください 1711182793571632183291320 1217038746758949499303003 1297386193163287187293343 3182731320647153650213112 1321432434134134324245646 7754352143792432465197834 5739542548650237257642991 2308571234586773812974868 7938273475684934753845846 5319209781298093294378456 7885421918545465645466667 8900067553123269909865646

32. 例 9を⾒つけてください 1711182793571632183291320 1217038746758949499303003 1297386193163287187293343 3182731320647153650213112 1321432434134134324245646 7754352143792432465197834 5739542548650237257642991 2308571234586773812974868 7938273475684934753845846 5319209781298093294378456 7885421918545465645466667 8900067553123269909865646

33. 例 9を⾒つけてください 1711182793571632183291320 1217038746758949499303003 1297386193163287187293343 3182731320647153650213112 1321432434134134324245646 7754352143792432465197834 5739542548650237257642991 2308571234586773812974868 7938273475684934753845846 5319209781298093294378456 7885421918545465645466667 8900067553123269909865646 感覚記憶に訴えかけるのが データデザイン

34. データビジュアライ ゼーションの種類

35. データビジュアライゼーション インフォメーションデザイン データアート 仮説検証型 主張表現型 仮説探索型 主張説明型 事実報告型 事実説明型

36. データビジュアライゼーション インフォメーションデザイン データアート 仮説検証型 主張表現型 仮説探索型 主張説明型 事実報告型 事実説明型

37. 仮説検証型 仮説 データ視覚化 裏付け 売り上げの半分以上はリ ピーターによって絞めら れているのではないか? 仮説をもとに分析を⾏う やっぱり仮説は事実だっ た。この企画でいきま しょう。

38. 仮説探索型 漠然とした⽬的 データ視覚化 仮説を⽴案 売り上げを伸ばすために データから何かわかるこ とはないだろうか 仮説をもとに分析を⾏う 消費者向けの製品カテゴ リを改善すれば売り上げ が伸びるのではないか?

39. 事実報告型 定点観察したい 指標 データ視覚化 傾向を把握・ 着⽬点を特定 仮説をもとに分析を⾏う 売り上げは増えているの に利益が減っているのは なぜだろうか? 12345 67891 011 売り上げ・利益・客数を 週次でモニタリングをし たい

40. 事実説明型 事実や発⾒ 12345 67891 011 データ視覚化 発⾒ 事実 データから映すありのま まの姿を重視 仮説をもとに分析を⾏う 読み⼿が理解

41. まとめ 仮説検証型 事実かどうかを確かめるための視覚化 仮説探索型 仮説を⽴案するためのデータ視覚化 事実報告型 報告するためのデータ視覚化 事実説明型 読み⼿の理解しやすいように説明するた めのデータ視覚化

42. 伝えたい⽬的に合わ せたグラフを選ぶ

43. 20:00に⼀番数字が⼤きいのは? A B C 10:00 201213 208749 201278 12:00 212938 228819 202873 14:00 234791 228820 191890 16:00 234798 228880 202983 18:00 223489 228911 223098 20:00 234799 198912 223389 22:00 228900 199803 237789 24:00 237389 199813 234690

44. 20:00に⼀番数字が⼤きいのは? グラフ タイトル 250000 200000 150000 100000 50000 0 10:00 12:00 14:00 16:00 A 18:00 B C 20:00 22:00 24:00:00

45. どうやってデータを可視化するのか? 伝えたい⽬的に合わせた グラフを選ぶ

46. へだたりを⾒せる 固定の基準点からの変化(+/−)を強調する。基準点は0とすることが多いが、 ⽬標値や⻑期平均の設定も可能。また所感(肯定的/中⽴的/否定的)を織り 込むこともできる。 例:貿易収⽀、気候変動 分岐横棒グラフ 対称棒グラフ プラスとマイナス両⽅の値を扱える 1つのデータを対照的な2要素に分けて⾒せる。 標準的なグラフ 男性/⼥性など 分岐対象積み上げ横棒グラフ 態度を含む調査結果を表すのに最適。 反対/どちらでもない/賛成など 損益⾯グラフ 網かけ部分で(正負など対照的な)2要素の バランスを可視化。基準線からからの離れ具 合や、2要素の隔たりをあらわす

47. 相関関係を表す 2つ以上の変数の関係を表す。きちんと説明しないと、多くの読者は図中に⽰された 関係を因果関係と思い込んでしまうから要注意だ。 例:インフレと失業率、所得と平均寿命 散布図 つなげた散布図 2項⽬の関係を⽰す標準的な⼿法。X軸・ 2軸⽅向の関係を時系列変化で⾒せる Y軸それぞれの変数に応じた座標に点を 打つ。個⼈の勤続年数と年収など 棒と折れ線グラフの複合グラフ バブルチャート 量(棒)と割合(折れ線)の関係を⾒ 散布図にもうひとつ要素を追加。座標情報に せるのに良い⼿法 3つ⽬の変数を円の⼤きさで表す

48. ランキング 順位や位置が、データの絶対値や相対値より重要な場合に使⽤。⾯⽩い箇所を強調するのを ためらわないこと。 順位づけ棒グラフ(横) 例:富、損失、(スポーツなどの)リーグ表、選挙区選挙結果 順位づけプロポーショナル・シンボル 標準の横棒グラフ。多い順に並べるとラ 符号の⼤きさで⽐較。極端に差があるデー ンキングを簡単に⾒せられる タを表すのに便利。逆に微妙な差の表現に は不向き 棒と折れ線グラフの複合グラフ 線状の散布図(ドット・ストリップ・プロット) ⼀直線上にドットを順番に並べる。複数分 標準の縦棒グラフ。 野にわたるランキングを⾒せられるのでス 同上 ペース効率がよい

49. ランキング 順位や位置が、データの絶対値や相対値より重要な場合に使⽤。⾯⽩い箇所を強調するのを ためらわないこと。 スロープ/傾斜 例:富、損失、(スポーツなどの)リーグ表、選挙区選挙結果 ロリポップチャート 順位づけが時系列で、あるいは項⽬間 ただ単に棒グラフで表すより、データ でどう変わったかを⽰すのに最適。プ 値を⽬⽴たせられる。順位と値をうま ロ野球チームの順位変動表など く⾒せられる 順位変動グラフ 数⽇にわたる順位の変化を表すのに 効果的。⼤量にデータがある場合、 慎重に線をまとめて⾊分けしよう

50. 分布をみる ひとまとまりのデータの中で、値そのものと頻度を表現。分布の形状(または「いびつさ」) が、データが均⼀でないことや公平性の⽋如などを強調する。印象に残しやすい⼿法だ。 例:所得分配、⼈⼝分布(年齢/性別) ヒストグラム バイオリンプロット 棒の間隔を狭めてデータの「形(⾯)」 箱ひげ図と類似。複雑な分布(単純平均で を際⽴たせる。統計データを表現する標 はまとめられないデータ)により効果的 準的な⼿法 ⼈⼝ピラミッド 箱ひげ図 データの中央値と値幅を⽰し、複数 のデータをひとまとめに⾒せる 年齢別、男⼥別⼈⼝分布を⾒せるための標 準的⼿法。背中合わせのヒストグラムにす ると効果的

51. 分布をみる ひとまとまりのデータの中で、値そのものと頻度を表現。分布の形状(または「いびつさ」) が、データが均⼀でないことや公平性の⽋如などを強調する。印象に残しやすい⼿法だ。 例:所得分配、⼈⼝分布(年齢/性別) 線状の散布図(ドット・ストリップ・プロット) バーコード・プロット 個々の値を1つ1つプロットし、分布の範 線状の散布図(ドット・ストリップ・プ 囲を⾒せる。上からAさん、Bさんの各 ロット)と同様、表の中のデータ全てを⾒ ⼤会の順位など。同じ値の点が多すぎる せるのに適している。個々の値を⽬⽴たせ と良くない るのが最も効果的

52. 分布をみる ひとまとまりのデータの中で、値そのものと頻度を表現。分布の形状(または「いびつさ」) が、データが均⼀でないことや公平性の⽋如などを強調する。印象に残しやすい⼿法だ。 例:所得分配、⼈⼝分布(年齢/性別) ドット・プロット 複数のカテゴリーにわたるデータの 変化や幅(最⼩/最⼤)を⽰すのに 適したシンプルな⼿法 度数折れ線図 複数の分布を⾒せるのに適している。 通常の折れ線グラフと同様、3~4本 程度に絞ると良い 累積曲線 分布がいかに不均衡かを⾒せるのに良い⼿ 法。常にY軸は累積度数、X軸は測定値

53. 時系列変化を表す 短期(⽇中など)から何世紀にわたる⻑期まで、様々な期間内の変化を⾒せられ る。きちんとした分析の提供には、適正な期間を選択することが⼤事である。 例:株価、経済的な時系列の動き 株価チャート 折れ線グラフ ⼀定期間内の変化を表す標準的⼿法。 株価の始値、終値、⾼値、安値がわかる。 線がデコボコして⾒づらい時は要所に ⽇⾜で表すのが⼀般的 マーカー(⽬印)を置く スロープ/傾斜 棒グラフ(縦) 棒グラフは時系列変化を⽰すのに適し ているが、1つの項⽬で1本に絞る⽅ が良い 2つか3つ程度に絞られたデータ⽐較。 記事のポイントを説明するのに良い

54. 時系列変化を表す 短期(⽇中など)から何世紀にわたる⻑期まで、様々な期間内の変化を⾒せられ る。きちんとした分析の提供には、適正な期間を選択することが⼤事である。 例:株価、経済的な時系列の動き 棒と折れ線グラフの複合グラフ 階層グラフ 総量の変化ははわかりやすいが、内訳の変 棒で量を、折れ線で⽐率の変化を、時系列で 化はわかりにくいので要注意。逆に1つの ⾒るのに適している 要素が全体数値に⼤きく貢献している場合 は表現しやすい

55. 時系列変化を表す 短期(⽇中など)から何世紀にわたる⻑期まで、様々な期間内の変化を⾒せられ る。きちんとした分析の提供には、適正な期間を選択することが⼤事である。 例:株価、経済的な時系列の動き ファンチャート(⾒通し) 不確定な予測値を表す。将来の推計値な ど。通常、予測が進むにつれて、不確か さが増す カレンダー・ヒートマップ 暦単位(毎⽇、毎週、毎⽉など)の傾 向を⼤まかに⽰すのにうってつけ プリーストリー・タイムライン図表(≒年表) つなげた散布図 ある程度明確な規則性がある場合に使いたい。 2種類の変数変化を⽐較するのに良い ⽇付と期間が重要な場合に重宝。年表や、 業界⼤⼿各社の社⻑在任期間など。プリー ストリーは18世紀の英学者

56. 時系列変化を表す 短期(⽇中など)から何世紀にわたる⻑期まで、様々な期間内の変化を⾒せられ る。きちんとした分析の提供には、適正な期間を選択することが⼤事である。 例:株価、経済的な時系列の動き サークル・タイムライン 複数カテゴリーに渡るさまざまな在図の 離散値を表す。(⼤陸別状からアジア、 北⽶など)に起きた地震を時間軸で並べ る。円は地震の⼤きさ 縦型タイムライン Y軸で時間を表す。詳細な時系列データ表⽰ がモバイル端末でのスクロールに特に効果的 サイスモグラム(地震動記録) ⼤きな変動があるひとかたまりのデー タを表すサークルタイムラインの別 バージョン

57. 量を⽐較する 規模や⼤きさの⽐較を⾒せる。相対的な、または絶対的な⽐較が可能。通常は⽐率や割合では なく、数えられる量(バレルやドル、⼈数など)に⽤いる。 例:コモディティ⽣産、時価総額 集合棒グラフ(横) 棒グラフ(縦) サイズ(や量)を⽐較する標準的な⽅ 法。数値軸(縦軸)は必ず0から始まる 棒グラフ(横) 同上で横向きパターン マリメッコ(⽐例積み上げ横棒グラフ) 同上。時系列とは無関係、または字数 の多い項⽬のときに使いやすい ⼤きさと割合を同時に⾒せる。データが複 雑でなければ有効。⾃動⾞各社の地域別販 売台数など

58. 量を⽐較する 規模や⼤きさの⽐較を⾒せる。相対的な、または絶対的な⽐較が可能。通常は⽐率や割合では なく、数えられる量(バレルやドル、⼈数など)に⽤いる。 例:コモディティ⽣産、時価総額 集合棒グラフ(縦) プロポーショナル・シンボル こちらも普通の棒グラフ。同⼀単位で 符号の⼤きさで⽐較。極端に差があるデー 複数の要素を⽐較できるが、要素が2つ タを表すのに便利。逆に、微妙な差の表現 以上になるとわかりにくくなることも には不向き

59. 量を⽐較する 規模や⼤きさの⽐較を⾒せる。相対的な、または絶対的な⽐較が可能。通常は⽐率や割合では なく、数えられる量(バレルやドル、⼈数など)に⽤いる。 例:コモディティ⽣産、時価総額 アイソタイプ(ピクトグラム=絵グラフ) 平⾏座標プロット ⼀部に事例ではとても分かりやすい。整 レーダーチャートの項⽬をX軸に置き換えた変形版。 理表現で使⽤。ヒト型の場合、少数を表 レーダーチャート同様、変数の並べ⽅が重要。部分 すからといって腕を切断してはダメ 的に⽬⽴たせるとわかりやすくなる ロリポップチャート ブレットグラフ(弾丸チャート) ロリポップ(=棒付きキャンディー) チャートのデータは、普通の棒グラフよ り⽬を引く。必ずしもゼロから始めなく ても可(だが望ましい) ⽬標値に対する達成度を⽰すのに適している

60. 量を⽐較する 規模や⼤きさの⽐較を⾒せる。相対的な、または絶対的な⽐較が可能。通常は⽐率や割合では なく、数えられる量(バレルやドル、⼈数など)に⽤いる。 例:コモディティ⽣産、時価総額 レーダーチャート(クモの巣グラフ) グレープシンボル 複数の項⽬を⼀覧⽐較する。スペース効 率も良い。ただ、読者に意味のある構成 個数を数えたり、部分的に要素を⽬⽴たせ か確認すべし(違いが分かりにくければ ることもできる、棒グラフの変形版 意味がない)

61. 割合や構成要素を⾒る 全体に占める項⽬の割合を⾒せる。読者の関⼼事が単に⼤⼩ ⽐較に限定されるなら、「Magnitude(量を⽐較する)」の グラフを代⽤すべきである 積み上げ縦棒グラフ 例:財政予算、社内の構造、選挙結果 ドーナツ型円グラフ 構成要素がわかりやすいが、項⽬数が 円グラフの⼀種。中⼼部分に(合計など) 増えすぎると⾒た⽬に⽐べにくくなる 関連情報を添えられるのでスペースがうま ことも く使える ツリーマップ 棒グラフ(横) ⼤きさと割合を同時に⾒せる。データ 階層(ツリー)構造を伴うデータの構成割合 が複雑でなければ有効。⾃動⾞各社の をタイル状にし⾯積で⽐較。数値の⼩さい項 地域別販売台数など ⽬が多いと⾒づらい

62. 割合や構成要素を⾒る 全体に占める項⽬の割合を⾒せる。読者の関⼼事が単に⼤⼩ ⽐較に限定されるなら、「Magnitude(量を⽐較する)」の グラフを代⽤すべきである 円グラフ 例:財政予算、社内の構造、選挙結果 ボロノイ図 空間内に複数ある点に対し、最も近いのはど 全体に占める各要素の割合を⾒せる⼀般的な の点かによって領域を分割した図。それぞれ ⼿法。ただ⽬視での正確な⽐較は難しい の場所から最も近い携帯基地局を⽰す場合な どに使う。ボロノイはロシアの数学者

63. 割合や構成要素を⾒る 全体に占める項⽬の割合を⾒せる。読者の関⼼事が単に⼤⼩ ⽐較に限定されるなら、「Magnitude(量を⽐較する)」の グラフを代⽤すべきである 半円グラフ(アーチ) ベン図 集合の関係図。通常は概略的な図式表 構成⽐を半円で表す(会議構成など)。 現にのみ使⽤。ジョン・ベンは英国の 政治的要素を可視化する際よく使う グリッドプロット ある要素の全体に占める割合を整数で 表すのに適している。複数⾏・列の形 でうまく機能する 例:財政予算、社内の構造、選挙結果 数学者 滝グラフ 構成要素を⽰す際、マイナスの数値があ る場合に役⽴つ

64. 地図を使った表現 コロプレス地図(割合) 所在地や、地理的な傾向が重要な場合にのみ使う。 例:ロケータマップ、⼈⼝密度、天然資源分布、災害マップ、集⽔域、選挙結果 フローマップ 数段階に分けた統計結果を地図上に塗 地図上での明確な移動を表す。地図と り分け。⾒やすい地図を使おう フローチャートを組み合わせたもの プロポーショナル・シンボル (上のコロプレス地図が数段階の塗り 分けであるのに対し)数値そのものを 符号の⼤きさで⽐較。データのめりは りがないと⾒づらい コンター図(等⾼線図) 地図上に同等のデータの領域を結んだ 等値線で塗り分ける。⾊の濃淡での数 値の⼤⼩を感覚的に⾒せられる

65. 地図を使った表現 単純化した統計地図 所在地や、地理的な傾向が重要な場合にのみ使う。 例:ロケータマップ、⼈⼝密度、天然資源分布、災害マップ、集⽔域、選挙結果 ドット密度図 地区を、規則的で同サイズのシンプル 個々の出来事と位置を⾒せる。伝えた な形状に置き換える。投票領域など同 い分布傾向には注釈を加えること 価値のグループを表すのに適している 変形統計地図 ヒートマップ 各領域を値に合わせ伸縮させる。⽇本 地図データをサーモグラフィ⾵にカ 地図をベースにして、各都道府県の領 ラースケールで表現。コロプレス地図 域を⼈⼝に⽐例させると東京都が巨⼤ と似ているが、⾏政・⾃治体レベルの になる 区分けとは連動せず

66. 流れ図 2つ以上の状態や条件(論理的な連続傾向、または地理的な位置関係など)下での、 流動の量や集中の度合いなどがわかる。 例:資⾦、貿易、移⺠、訴訟、情報の移動などの関係を⽰すグラフ サンキーグラフ 弦グラフ(コード) ある状態から他の条件下ではどう変化 したかを⾒せる。複雑なプロセスの」 複雑だが迫⼒ある図。双⽅向の流れ(および実 最終的な結果をたどるのに適している。 質的な勝者)を盤上に描く。国同⼠の貿易など ⽀持政党の変化など 滝グラフ ネットワーク 過程におけるデータ(予算などが代表 的)の連続性を⾒せるのに向いている。 プラスとマイナスの両要素を⼀覧できる 多岐にわたる対象の関係の強さと相関性を みせる

67. 適したグラフの選ぶ

68. 悪い例その1 やみくもな3D表現による誇張表現

69. 悪い例その2 2020年 30% 2021年 40% 70% ⼥ 男 ⼥ 60% 男

70. 適切な表現のグラフ 120 100 40% 80 60 70% 40 20 60% 30% 0 2020年 2021年 ⼥ 男

71. 適切な表現のグラフ 棒グラフにすることで縦の視線移動で⽐較ができる 120 100 40% 80 60 70% 40 20 60% 30% 0 2020年 2021年 ⼥ 男

72. グラフの情報量を デザインする

73. こんなことありませんか?

74. こんなことありませんか? ⼈が⼀度に処理できる 情報量には限界がある

75. シグナル データが持つ元来の意味がより相⼿に とって伝わりやすくなる効果 ノイズ データが持つ元来の意味でないものが 相⼿に伝わってしまう効果

76. シグナルを最⼤化し、 ノイズを最⼩化する

77. データインク 表したいデータそのもの に使われるインクの量 ノン データインク 背景や補助線など、表し たいデータ以外に使われ るインクの量 データ インクレシオ

78. 顧客区分 5 データインク 表したいデータそのもの に使われるインクの量 4 3 ノン データインク 背景や補助線など、表し たいデータ以外に使われ るインクの量 2 1 0 企業 消費者 ⼩規模事業者

79. 顧客区分 5 データインク 表したいデータそのもの に使われるインクの量 4 3 ノン データインク 背景や補助線など、表し たいデータ以外に使われ るインクの量 2 1 0 企業 消費者 ⼩規模事業者

80. データ インクレシオ データインク = データインク+ノンデータインク

81. データ インクレシオ データインク = データインク+ノンデータインク 余計な装飾を削ぎ落としてチャートをシンプルにすればするほど、ノイズが減り シグナルが⾼まり、データビジュアライゼーションとして良いデザインとなる基 本的な考え。

82. データインクレシオ 悪い例

83. データインクレシオ 良い例

84. データインクレシオ 良い例 余計な装飾はつけない。 シンプルにすること

85. 視覚属性とゲッシュ タルトの法則の利⽤

86. 1711182793571632183291320 1217038746758949499303003 1297386193163287187293343 3182731320647153650213112 1321432434134134324245646 7754352143792432465197834 5739542548650237257642991 2308571234586773812974868 7938273475684934753845846 5319209781298093294378456 7885421918545465645466667 8900067553123269909865646 視覚属性について 「⾊」はとても強⼒な(情報の理解を促 進・短時間化する)属性である。 このように表や図を識別・理解するため に役⽴てる表現を「視覚属性」という

87. 視覚属性 アイコン 説明(例) 位置 上、下、右、左 といった位置の違い ⻑さ 線や棒の⻑さ 向き(⾓度) 物体がどの程度で傾いているか 太さ(幅) 線や棒の太さ ⼤きさ(⾯積) 物体の⼤きさ ⾊(彩度) ⾊のグラデーション ⾊(⾊相) ⾚、⻘、⻩⾊といった⾊の違い 形 丸、三⾓、四⾓といった物体の形 視覚属性強さ 強い 弱い

88. ゲッシュタルトの法則

89. 近接の法則

90. 類同の法則

91. 囲い込みの法則

92. 連続の法則

93. 共通運命の法則

94. 接合の法則

95. さいごに データのこれから

96. データは今やエンジニア・サイエン ティストだけの領域ではない