5 Bücher zum Erlernen der Datenvisualisierung

Die Datenvisualisierung kommuniziert die Beziehungen von Daten über Diagramme, Diagramme und andere visuelle Medien. Es ist der Unterschied zwischen Hunderten von Zeilen in einer Tabelle und einem prägnanten Diagramm mit einem Schlüssel und einer Farbbeschichtung. Als immer stärker werdende treibende Kraft hinter Geschäftsentscheidungen ist es wichtig, dass Daten für Personen zugänglich und verständlich sind, die damit möglicherweise nicht vertraut sind. Geben Sie Datenvisualisierungsbücher ein.

Eine gute Datenvisualisierung hilft Ihnen, Problembereiche in einem Conversion-Funnel zu identifizieren, das zukünftige Verkaufsvolumen vorherzusagen, die Produktplatzierung zu bestimmen und vieles mehr. Wenn Sie es in ein visuelles Format bringen, können Sie Trends und Muster beurteilen, die sonst schwer zu erkennen wären. Darüber hinaus gibt es Ihnen einen Grund, sich um diese Trends und Muster zu kümmern, sobald sie keine zufälligen Wörter und Zahlen mehr sind. Manchmal ist es schwierig, die Auswirkungen eines Datensatzes zu erfassen, bis er klar definiert ist. Unser Geist braucht oft Kontext, um Bedeutung zu schaffen.

Denken Sie daran, wie frustrierend es ist, die Größe des Sonnensystems zu verstehen. Es ist umwerfende 1,87 Lichtjahre entfernt. Aber was bedeutet das überhaupt? Wenn dieselben Informationen auf einer visuellen Karte dargestellt würden, die die Größe des Sonnensystems im Verhältnis zur Erde zeigt, haben Sie plötzlich ein tieferes Verständnis dafür, wie groß das Sonnensystem wirklich ist. Schauen Sie sich dieses „mühsam genaue Modell des Sonnensystems“ an, um ein wirklich unglaubliches Beispiel zu erhalten!

Hier haben wir eine Liste von fünf Datenvisualisierungsbüchern zusammengestellt, die Ihnen helfen, Visualisierungen zu erstellen, die aussagekräftig, verständlich und dennoch schön sind.

( Hinweis: Wie bei vielen Disziplinen in der Technologie gibt es einen eklatanten Mangel an Geschlechter- und Rassenvielfalt, sowohl bei der Einstellung als auch bei der Frage, wer darüber schreiben darf. Um einen Blick in einige der Daten zu werfen, warum Vielfalt in der Technik ein so dringendes Problem ist, lesen Sie diesen Artikel von Wired.)

True Story Newsletter
Melden Sie sich für True Story an, um Sachbücher, Neuerscheinungen und wichtige Titel zu erhalten.

Vielen Dank für Ihre Anmeldung! Behalten Sie Ihren Posteingang im Auge.

Mit der Anmeldung stimmen Sie unseren Nutzungsbedingungen zu

Grundlagen der Datenvisualisierung von Claus O. Wilke

Die Grundlagen der Datenvisualisierung eignen sich hervorragend für Anfänger und sind für Profis sehr zu empfehlen. Anhand von Beispielen guter und schlechter Visualisierung untersucht Wilke Konzepte, wie Farbe einen Wert hervorheben oder unterscheiden kann und wie redundante Codierung verwendet werden kann, um sicherzustellen, dass Sie wichtige Informationen auf verschiedene Arten bereitstellen. Wenn der Leser das Ende des Buches erreicht, wird er eine Intuition dafür entwickelt haben, was eine gute Datenvisualisierung ausmacht.

Gute Karten: Der HBR Guide to Making Smarter, More Persuasive Data Visualizations von Scott Berinato

Good Charts ist eine Anleitung, wie Datenvisualisierung funktioniert und wie man sie so einsetzt, dass sie beeindruckt und überzeugt. Durch seinen Prozess des Sprechens, Skizzierens und Prototypisierens lehrt Berinato den Leser, visuell zu denken und folglich bessere Diagramme zu erstellen. Er wendet Prinzipien der visuellen Wahrnehmung und der Neurowissenschaften an, um zu erklären, warum manche Diagramme einfach funktionieren und warum manche Sie nur stressen. Wenn Sie Daten und Ideen auf leistungsstarke Weise vermitteln möchten, ist dies ein großartiger Ausgangspunkt.

Die funktionale Kunst von Alberto Cairo

Alberto Cairo schöpft aus seiner Erfahrung als Informationsdesigner und Professor für visuellen Journalismus und nutzt die Datenvisualisierung als Werkzeug, um Einblicke in die Welt um uns herum zu erhalten. In diesem umfassenden Handbuch zeigt Cairo dem Leser, wie statistische Diagramme, Karten und Erklärungsdiagramme verwendet werden, unabhängig von der Art der analysierten Daten. Die Konzepte in diesem Buch reichen von expansiv (dh die Wissenschaft, wie unser Gehirn Informationen wahrnimmt und sich daran erinnert) bis hin zu Hands-on (dh. verwendung von Farbe, Typ und anderen Grafikwerkzeugen, um Ihre Informationsgrafiken effektiver zu gestalten).

Die visuelle Anzeige quantitativer Informationen von Edward R. Tufte

In diesem klassischen Buch über statistische Grafiken, Diagramme, Tabellen analysiert Edward R. Tufte 250 der besten (und einige der schlechtesten) Grafiken, um dem Leser zu helfen, hochauflösende Displays zu entwerfen, Grafiken zu bearbeiten und zu verbessern, grafische Täuschungen zu erkennen und vieles mehr. Wie Tufte selbst sagte: „Die Aufgabe des Designers besteht darin, einen visuellen Zugang zum Subtilen und Schwierigen zu ermöglichen.“ Die visuelle Darstellung quantitativer Informationen lehrt uns, wie wir genau das tun können.

Dear Data von Giorgia Lupi und Stefanie Posavec

Anders als jedes Buch auf dieser Liste ist Dear Data eine Sammlung von Postkarten, die zwischen Lupi und Posavec geschrieben wurden und „die Einzelheiten ihres täglichen Lebens als eine Reihe von handgezeichneten Postkarten.“ Kein Aspekt ihres Lebens ist zu winzig oder unbedeutend, um Daten zu beobachten und zu sammeln. Von Beschwerden, die gegeben und empfangen wurden, über die Art und Weise, wie sie Zeit am Telefon verschwenden, bis hin zu den Zeiten und Gründen, aus denen sie sich bei jemandem entschuldigt haben. Liebe Daten zwingt Sie, über den Tellerrand der Arten von Daten zu schauen, die typischerweise gesammelt werden, und zeigt uns, dass kein Detail zu klein ist, um es zu untersuchen.

Wenn Sie gerade erst mit der Datenanalyse beginnen, lesen Sie unseren Beitrag zu 8 der besten Data Science-Bücher.

Geben Sie ein, um eine $ 250-Geschenkkarte für Barnes and Noble zu gewinnen!
Starten Sie eine Audiobooks.com Kostenlose Testversion und hören Sie alle Ihre Favoriten!

You might also like

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.