从数据可视化到交互式数据分析

高可视性的可视化项目主要关注两个目的：带来灵感和帮助解释。然而，可视化可以通过数据分析来增加对复杂问题的理解，这样的项目虽然不多见，但不代表不重要。

注：本文是作者在参与纽约的Uber数据可视化大会上所做演讲的书面精炼版本，以下是作者原文。

高可视性的可视化项目主要关注两个目的：带来灵感和帮助解释。然而，可视化可以通过数据分析来增加对复杂问题的理解，这样的项目虽然不多见，但不代表不重要。

数据可视化的三个主要用途

我知道我这样总结可能存在严重简化的风险。但是，我发现根据主要目的（有意或无意）确定数据可视化的三类主要用途是很有用的，这也有助于我在本文后面阐明一些观点。

（1）激动人心

第一个用途是激励人们，让人们惊叹！但这种惊叹不仅仅是在肤浅的表面，而是真正让人们获得更深层次的思考、美感和敬畏。可视化具有令人难以置信的力量，可以吸引人们的注意力，同时也可以将它们引入梦幻般的虚拟世界，将抽象概念转化为更有形的存在。

我见过最具启发灵感的一个完美的可视化例子是我朋友Giorgia Lupi的一个作品，是他用自己独特的手绘风格（以及数字）所创作的杰作。(点击链接可以看看最近在现代艺术博物馆展出的照片check this recent one exposed at MOMA）

（2）解释现象

第二个用途是使用图形图表来说明一些复杂的想法，现象或过程。这是一个图形表现的领域：人类是视觉生物，所以一张图片有时胜过千言万语。

多年来，数据新闻为通过数据解释复杂事物的艺术提供了很好的贡献（参见《纽约时报》和《华盛顿邮报》多年来所做的令人惊叹的工作）。同时这也属于教育领域，尤其是基于数字和图表的科学教育。

这也是最近一个被称为“探索性解释”（“explorable explanations”）的美丽潮流的领域，由布雷特·维克托（Bret Victor）开创，并被尼基·凯斯（Nicky Case）等许多了不起的人推广开来。

（3）分析问题

第三个用途是从数据中提取信息，用来解释问题同时增加对一些有趣现象的理解。当然，解释性可视化也有助于人们理解某些事物。但这里的主要区别在于，在解释性的可视化中，作者已经知道了可视化的内容（在执行了一些分析之后），而在分析学中，可视化的主要价值是帮助人们第一时间理解数据。

人们已经使用了一百万个名字来定义此活动。最新和最时尚的名字是数字科学，更具体地说是数据科学的一部分，称为“探索性数据分析”，这是几十年前伟大的约翰·图基（John Tukey）发明的术语。

简单起见，我将其称为：数据分析，或者是视觉数据分析，甚至是交互式视觉数据分析，以强调是可以与之交互的图形表现（学术界和商界也称之为视觉分析）。

为何更多地谈论数据分析？

这篇文章，以及之前的演讲，旨在更好地定义可视化在数据分析中的角色，并激发更多关于可视化领域正在发生的事情的讨论，遗憾的事，这件事情并没有像其他事情那样引人注目。

但为什么要专注于分析？它有什么特别之处？

我的理由是，数据分析是一项基础的人类技术活动，它有可能帮助人们解决重要的社会和科学问题。更确切地说，我认为数据分析很重要。因为这项活动可以帮助人们提高对复杂现象的理解，从而帮助人们解决重要问题。这

是一个间接但却重要的联系：如果我能更好地理解一个问题，那我找到更好问题解决方案的可能性就越大。

世界上不乏有趣而重要的问题，是我们希望通过数据分析能更好地理解的。以下是我个人经历中的一些案例，我在这里描述它们并不一定是因为它们是我们能够解决的最重要的问题，而是因为我对这两个案例很熟悉。

（1）监测和认识医疗事故

在过去几年里，我的实验室一直与一家在纽约市很受欢迎的独立新闻工作室ProPublica合作。我们帮助他们筛选了来自Yelp的大量医学评论，以识别和理解人们与医生及其服务之间存在的问题。

你要如何才能让数以百万计的评论变得有意义？如何发现可疑事件？如何识别值得关注的评论？

事实证明：即使简单如一个全局的“分面搜索”界面，对这项任务也是非常有用的。我们开发了一个名为RevEx的简单工具，它使得我们的合作伙伴能够监测医疗事故上取得一些进展，并就他们的发现发表一些令人关注的文章。