下载掌阅APP，畅读海量书库
立即打开
可视化数据分析是一项极具挑战性的工作，它要求我们必须全面考虑各种因素。在本节中，我们重点介绍了设计标准、影响因素和流程模型。下面，我们来对本章进行简要总结。
设计标准。我们提出了交互式可视化数据分析解决方案应满足的三个设计标准。表达性标准是指交互式可视化图形必须能够清晰地传递出信息，并且显示出生成信息所需的操作。有效性标准要求分析系统符合人类的视觉和运动习惯，以便用户能够有效地提取信息和执行人机交互。高效性标准则负责衡量方案的效率和成本。
影响因素。为了开发出满足上述标准的分析方案，我们必须考虑下面几个影响因素。第一，我们处理的数据会影响到分析任务。前文曾提过数据的几个特征，那么在数据值的层面，我们用不同的标准来区分数据域会得到不同结果。一个完整的数据集包括数据结构、数据空间（维度和属性分别表示为因变量和自变量）、数据大小和数据范围，另外，还要考虑到用来佐证数据变化用的元数据因素。
另一个重要的影响因素是分析数据时的各项任务。我们将任务分为四个方面：目标、问题、指标项和途径。目标指的是分析任务的目的。问题指的是分析任务中存在的情况。指标项指的是分析任务的重心。途径指的是完成分析任务所用的图形、交互系统、计算方法，或者是这三种的结合体。
最后，用户和技术也是很重要的因素。在用户层面，我们要考虑其个人情况、专业背景、学识程度、专业领域以及工作环境。在技术层面，需要考虑到计算机的性能、显示器的性能和交互设备的功能。
流程模型。在交互式可视化数据分析中，有三个功能型的基本流程：设计流程、转换数据流程和信息生成流程。
设计流程可以按照四个嵌套层级建模，在这四个层级中分别进行应用领域问题的设计、获取抽象数据和任务目标、规划合适的图形、人机交互方案和计算公式，并套入相应的算法中。
转换数据流程显示了数据如何从原始数据格式转换成可视化图形格式。数据依次经过输入数据、分析、可视化和图像数据等步骤处理，其中前两项面向数据层面，后两项面向图形层面。执行系统则负责实质上的数据处理和转换。
最后，我们引入了三个相互交叉的概念回路来显示信息生成流程的模型，这些回路通过处理和验证数据结果，最终产生新的应用领域信息。
本章中，我们介绍了开发交互式可视化数据分析解决方案所需的基本知识。在下一个章节中，我们将详细说明应用于分析目的的可视化图形、人机交互方案和计算方法。
MACKINLAY J. Automating the Design of Graphical Presentations of Relational Information.ACM Transactions on Graphics 5.2（1986），pp.110-141.doi：10.1145/22949.22950.
VAN WIJK J J. Views on Visualization.In：IEEE Transactions on Visualization and Computer Graphics 12.4（2006），pp.421-433.doi：10.1109/TVCG.2006.80.
WARE C. Information Visualization：Perception for Design.3rd edition.Morgan Kaufmann，2012.
GUASTELLO S J. Human Factors Engineering and Ergonomics：A Systems Approach.2nd edition.CRC Press，2013.
MUNZNER T. Visualization Analysis and Design.A K Peters/CRC Press，2014.
VICENTE K J. Cognitive Work Analysis：Toward Safe，Productive，and Healthy Computer-Based Work.CRC Press，1999.
SCHULZ H J，NOCKE T，HEITZLER M，SCHUMANN H. A Design Space of Visualization Tasks.IEEE Transactions on Visualization and Computer Graphics 19.12（2013），pp.2366-2375.doi：10.1109/TVCG.2013.120.
BREHMER M M. Why Visualization?Task Abstraction for Analysis and Design”.PhD thesis.University of British Columbia，2016.
KERRACHER N，KENNEDY J. Constructing and Evaluating Visualisation Task Classiications：Process and Considerations.Computer Graphics Forum 36.3（2017），pp.47-59.doi：10.1111/cgf.13167.
LAM H，TORY M，MUNZNER T. Bridging from Goals to Tasks with Design Study Analysis Reports.IEEE Transactions on Visualization and Computer Graphics 24.1（2018），pp.435-445.doi：10.1109/TVCG.2017.2744319.
1.TUFTE E R.The Visual Display of Quantitative Information.Graphics Press，1983.
2.HANSEN C D.JOHNSON C R.The Visualization Handbook.Elsevier，2005.
3.TELEA A C.Data Visualization：Principles and Practice.2nd edition.A K Peters/CRC Press，2014.
4.HANSEN C D，JOHNSON C R.The Visualization Handbook.Elsevier，2005.
5.PREIM B，BARTZ D.Visualization in Medicine：Theory，Algorithms，and Applications.Morgan Kaufmann，2007.
6.TELEA A C.Data Visualization：Principles and Practice.2nd edition.A K Peters/CRC Press，2014.
7.TOBLER W R.A Computer Movie Simulating Urban Growth in the Detroit Region.Economic Geography 46.6（1970），pp.234-240.doi：10.2307/143141.
8.SHEPARD D.A Two-dimensional Interpolation Function for Irregularly-spaced Data.Proceedings of the 23rd ACM National Conference.ACM Press，1968，pp.517-524.doi：10.1145/800186.810616.
9.SCHULZ H J，NOCKE T，HEITZLER M，SCHUMANN H.A Systematic View on Data Descriptors for the Visual Analysis of Tabular Data.Information Visualization 16.3（2017），pp.232-256.doi：10.1177/1473871616667767.
10.SCHULZ H J，NOCKE T，HEITZLER M，SCHUMANN H.A Design Space of Visualization Tasks.IEEE Transactions on Visualization and Computer Graphics 19.12（2013），pp.2366-2375.doi：10.1109/TVCG.2013.120.
11.LAM H，TORY M，MUNZNER T.Bridging from Goals to Tasks with Design Study Analysis Reports.IEEE Transactions on Visualization and Computer Graphics 24.1（2018），pp.435-445.doi：10.1109/TVCG.2017.2744319.
12.THOMAS J J，COOK K A.Illuminating the Path：The Research and Development Agenda for Visual Analytics.IEEE Computer Society，2005.
13.KERRACHER N，KENNEDY J.Constructing and Evaluating Visualisation Task Classifications：Process and Considerations.Computer Graphics Forum 36.3（2017），pp.47-59.doi：10.1111/cgf.13167.
14.ANDRIENKO N，ANDRIENKO G.Exploratory Analysis of Spatial and Temporal Data-A Systematic Approach.Springer，2006.doi：10.1007/3-540-31190-4.
15.KELLER P R，KELLER M M.Visual Cues：Practical Data Visualization.IEEE Computer Society，1993.
16.SHNEIDERMAN B.The Eyes Have It：A Task by Data Type Taxonomy for Information Visualizations.In：Proceedings of the IEEE Symposium on Visual Languages（VL）.IEEE Computer Society，1996，pp.336-343.doi：10.1109/VL.1996.545307.
17.MUNZNER T.A Nested Model for Visualization Design and Validation.IEEE Transactions on Visualization and Computer Graphics 15.6（2009），pp.921-928.doi：10.1109/TVCG.2009.111.
18.MEYER M，SEDLMAIR M，QUINAN P S，MUNZNER T.The Nested Blocks and Guidelines Model.Information Visualization 14.3（2015），pp.234-249.doi：10.1177/1473871613510429.
19.JANKUN-KELLY T J，MA K L，GERTZ M.A Model and Framework for Visualization Exploration.IEEE Transactions on Visualization and Computer Graphics 13.2（2007），pp.357-369.doi：10.1109/TVCG.2007.28.
20.HABER R B，MCNABB D A.Visualization Idioms：A Conceptual Model for Scientific Visualization Systems.Visualization in Scientific Computing.Edited by Nielson G M，Shriver B D and Rosenblum L J.IEEE Computer Society，1990，pp.74-93.
21.CHI E H，RIEDL J T.An Operator Interaction Framework for Visualization Systems.Proceedings of the IEEE Symposium Information Visualization（InfoVis）.IEEE Computer Society，1998，pp.63-70.doi：10.1109/INFVIS.1998.729560.
22.CHI E H.A Taxonomy of Visualization Techniques Using the Data State Reference Model.Proceedings of the IEEE Symposium Information Visualization（InfoVis）.IEEE Computer Society，2000，pp.69-75.doi：0.1109/INFVIS.2000.885092.
23.VAN WIJK J J.Views on Visualization.IEEE Transactions on Visualization and Computer Graphics 12.4（2006），pp.421-433.doi：10.1109/TVCG.2006.80.
24.SACHA D，STOFFEL A，KWON B C，ELLIS G，KEIM D A.Knowledge Generation Model for Visual Analytics.IEEE Transactions on Visualization and Computer Graphics 20.12（2014），pp.1604-1613.doi：10.1109/TVCG.2014.2346481.
25.SACHA D，STOFFEL A，KWON B C，ELLIS G，KEIM D A.Knowledge Generation Model for Visual Analytics.IEEE Transactions on Visualization and Computer Graphics 20.12（2014），pp.1604-1613.doi：10.1109/TVCG.2014.2346481.