4. • Omezení média: vizualizace nabízí vyšší hustotu informací,
možnost prozkoumat data
• Informační overload: vizualizace pomůže zdůraznit to podstatné
v přebytku informací
Proč vizualizovat
5. • Čtenář informace rychleji zachytí
• Lidský mozek si vizuální informace lépe pamatuje
Proč vizualizovat
Zdroj: ColinWare. InformationVisualization: perception for design. 2004
John Medina, Brain Rules. 2015 brainrules.net/vision
6. • Proč?!
• Chci přesvědčit? Ukázat informaci?Vtáhnout diváka do dat?
• Co chci ukázat? (Data nemluví sama za sebe!)
• Co chci, aby si divák zapamatoval?
• Záleží na přesnosti?
• Kolik má divák času?
• Jaký je kontext a kolik z něj musí divák znát?
Udělejte zásadní rozhodnutí
7. Zapojte různé pohledy a dovednosti
Technologie
Výzkum
Komunikace
Design
Zdroj: Jeff Knezovich,Visualising data: both a science and an art, On think tanks
onthinktanks.org/2015/05/01/visualising-data-both-a-science-and-an-art/
9. Integrita
Důraz na data
Čitelnost
Informativnost
Iterace a zlepšování
Držte se zásad dobré vizualizace dat
Zdroj: Media Matters, Dishonest Fox Chart: BushTax Cut Edition,
2012 mediamatters.org/blog/2012/07/31/dishonest-fox-chart-bush-
tax-cut-edition/189046
10. Integrita
Důraz na data
Čitelnost
Informativnost
Iterace a zlepšování
Držte se zásad dobré vizualizace dat
Zdroj: Full Fact,Why don’t we know how many migrants are entering and
leaving the UK? fullfact.org/immigration/count_people_in_and_out_uk-37635
11. Integrita
Důraz na data
Informativnost
Čitelnost
Iterace a zlepšování
Držte se zásad dobré vizualizace dat
0
50
100
150
200
250
300
350
400
2010 2011 2012 2013 2014 2015
129
156
14
186
18
135
52
44
193
210
129
218
Početmužunebožennagrafu
Muži
Ženy
Zdroj: generátor náhodných čísel MS Excel, červen 2015
12. Integrita
Důraz na data
Informativnost
Čitelnost
Iterace a zlepšování
Držte se zásad dobré vizualizace dat
Muži 218
Ženy 135
0
50
100
150
200
250
2010 2011 2012 2013 2014 2015
Poměr data : inkoust
Od roku 2012 bylo na grafu více mužů
počty mužů a žen na grafu, 2010-15
Zdroj: generátor náhodných čísel MS Excel, červen 2015
13. Integrita
Důraz na data
Informativnost
Čitelnost
Iterace a zlepšování
Držte se zásad dobré vizualizace dat
52
Muži 218
129 Ženy 135
2010 2015
Muži od roku 2010 předstihli ženy
počty mužů a žen na grafu, 2010-15
Zdroj: generátor náhodných čísel MS Excel,
červen 2015
14. Integrita
Důraz na data
Informativnost
Čitelnost
Iterace a zlepšování
Držte se zásad dobré vizualizace dat
Zdroj: David McCandless, Information is Beautiful, Colours in Culture
informationisbeautiful.net/visualizations/colours-in-cultures/
15. Integrita
Důraz na data
Informativnost
Čitelnost
Iterace a zlepšování
Držte se zásad dobré vizualizace dat
Zdroj: FinancialTimes, Data Blog - EU UnemploymentTracker, 2015
blogs.ft.com/ftdata/2015/04/17/eu-unemployment-tracker/
Datová hustota
18. • Vizuální prvky, které nejlépe znázorní daná data
• Typ grafu je potřeba vybrat podle účelu vizualizace
• Doplňkové prvky, které pomáhají čitelnosti a neruší
• Kontext dokumentu či sdělení, v němž vizualizace funguje
Vizualizaci vystavějte z vhodných prvků
24. Zdroj: Christopher Healey, „Perception inVisualization“, Department of Computer Science, North Carolina State
University, csc.ncsu.edu/faculty/healey/PP/index.html
…nebo výrazností
27. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Typ grafu zvolte podle účelu a typu dat
Zdroj: generátor náhodných čísel MS Excel, červen 2015
0 20 40 60 80 100 120
Otázka 1
Otázka 2
Silný nesouhlas
Nesouhlas
Nevím
Souhlas
Silný souhlas
28. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Zdroj: generátor náhodných čísel MS Excel, červen 2015
Nevím Souhlas
Silný
souhlas
Nesouhlas
Silný
nesouhlas
80% 60% 40% 20% 0% 20% 40% 60% 80%
Otázka 2
Otázka 1
Typ grafu zvolte podle účelu a typu dat
30. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Sklizeň 2013
Jablka Jahody Borůvky Třešně
Jahody
152
Třešně
96
Jablka
93
Borůvky
70
Sklizeň 2013
Zdroj: generátor náhodného ovoce MS Excel, červen 2015
Typ grafu zvolte podle účelu a typu dat
31. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Typ grafu zvolte podle účelu a typu dat
Jahody
152
Třešně
96
Jablka
93
Borůvky
Jahody v roce 2013 tvořily přes 1/3 sklizně
Zdroj: generátor náhodného ovoce MS Excel, červen 2015
32. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Typ grafu zvolte podle účelu a typu dat
70
93
96
152
0 20 40 60 80 100 120 140 160
Borůvky
Jablka
Třešně
Jahody
Zdroj: generátor náhodného ovoce MS Excel, červen 2015
33. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Typ grafu zvolte podle účelu a typu dat
17%
23%
23%
37%
0% 5% 10% 15% 20% 25% 30% 35% 40%
Borůvky
Jablka
Třešně
Jahody
Zdroj: generátor náhodného ovoce MS Excel, červen 2015
34. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Typ grafu zvolte podle účelu a typu dat
195
85
53
25
Sklizeň 2014
Jahody
152
Třešně
96
Jablka
93
Borůvky
70
Sklizeň 2013
Zdroj: generátor náhodného ovoce MS Excel, červen 2015
35. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Typ grafu zvolte podle účelu a typu dat
0
50
100
150
200
250
Jahody Třešně Jablka Borůvky
Sklizeň ovoce 2013-2015
2013 2014 2015
Zdroj: generátor náhodného ovoce MS Excel, červen 2015
36. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Typ grafu zvolte podle účelu a typu dat
0
40
80
120
160
200
Jahody Třešně Jablka Borůvky
Nejvíce vzrostla sklizeň třešní
Sklizeň ovoce 2013-2015 (kilogramy)
2013 2014 2015
Zdroj: generátor náhodného ovoce MS Excel, červen 2015
37. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Typ grafu zvolte podle účelu a typu dat
0
40
80
120
160
200
Jahody Třešně Jablka Borůvky
Nejvíce vzrostla sklizeň třešní
Sklizeň ovoce 2013-2015 (kilogramy)
2014 2015
Zdroj: generátor náhodného ovoce MS Excel, červen 2015
38. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Typ grafu zvolte podle účelu a typu dat
17%
23%
23%
37%
50% 40% 30% 20% 10% 0%
2013
12%
24%
48%
28%
0% 10% 20% 30% 40% 50%
Borůvky
Jablka
Třešně
Jahody
2015
Zdroj: generátor náhodného ovoce MS Excel, červen 2015
Podíl třešní na sklizni se zdvojnásobil
Sklizeň ovoce 2013-2015 (kilogramy)
39. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Typ grafu zvolte podle účelu a typu dat
12%
24%
48%
28%
0% 10% 20% 30% 40% 50%
2015
17%
23%
23%
37%
0% 10% 20% 30% 40% 50%
Borůvky
Jablka
Třešně
Jahody
2013
Zdroj: generátor náhodného ovoce MS Excel, červen 2015
Podíl třešní na sklizni se zdvojnásobil
Sklizeň ovoce 2013-2015 (kilogramy)
43. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Typ grafu zvolte podle účelu a typu dat
0
50
100
150
200
2013 2014 2015
Borůvky
2013 2014 2015
Jablka
2013 2014 2015
Třešně
2013 2014 2015
Jahody
small multiples
Zdroj: generátor náhodného ovoce MS Excel, červen 2015
Úroda různých druhů ovoce se liší a u většiny kolísá
sklizené ovoce 2013-2015 (kilogramy)
44. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Typ grafu zvolte podle účelu a typu dat
2013 2014 2015
Jablka
2013 2014 2015
Třešně
2013 2014 2015
Jahody
0
50
100
150
200
2013 2014 2015
Borůvky
small multiples
Zdroj: generátor náhodného ovoce MS Excel, červen 2015
Úroda různých druhů ovoce se liší a většinou kolísá
sklizené ovoce 2013-2015 (kilogramy)
45. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Typ grafu zvolte podle účelu a typu dat
Jahody
Třešně
Jablka
Borůvky
0%
25%
50%
75%
100%
2013 2014 2015
Sklizeň ovoce 2013-2015
Zdroj: generátor náhodných ovocí MS Excel, červen 2015
46. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Typ grafu zvolte podle účelu a typu dat
0%
25%
50%
75%
100%
2013 2014 2015
Sklizeň ovoce 2013-2015
Zdroj: generátor náhodných ovocí MS Excel, červen 2015
Borůvky
Jablka
Třešně
Jahody
48. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Typ grafu zvolte podle účelu a typu dat
Zdroj: generátor náhodných statistik MS Excel, červen 2015
Pohlaví 2015
Muži 218
Ženy 135
Muži do 15 let 147
Muži nad 15 let 155
Ženy do 15 let 83
Ženy nad 15 let 144
Skupina Trend 2010 2011 2012 2013 2014 2015
Muži 52 44 193 210 129 218
Ženy 129 156 14 186 18 135
Muži do 15 let 37 134 6 73 102 189
Muži nad 15 let 32 19 182 56 83 91
Ženy do 15 let 7 128 35 150 14 5
Ženy nad 15 let 98 19 175 152 150 83
Skupina Trend 2010 2011 2012 2013 2014 2015
Muži 52 44 193 210 129 218
Ženy 129 156 14 186 18 135
Muži do 15 let 200 176 194 110 43 131
Muži nad 15 let 29 125 186 113 17 149
Ženy do 15 let 158 144 159 15 49 147
Ženy nad 15 let 59 84 91 64 151 65
49. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Typ grafu zvolte podle účelu a typu dat
2013
2014
2015
0
3
6
9
12
15
Q1 Q2 Q3 Q4
Trend v roce 2014 se lišil od předchozích let
Počet schválených projektů 2012-2014
0
3
6
9
12
15
2012
Q1
2012
Q2
2012
Q3
2012
Q4
2013
Q1
2013
Q2
2013
Q3
2013
Q4
2014
Q1
2014
Q2
2014
Q3
2014
Q4
Počet schválených projektů 2012-2014
Zdroj: generátor náhodných statistik MS Excel, červen 2015
50. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Typ grafu zvolte podle účelu a typu dat
Výdaje a počty zaměstnanců ministerstev
procentní podíl ministerstva na celku
Ministerstvo A
Ministerstvo B
Ministerstvo Q
Min. E
Min. G
Mininisterstvo W
Min. X
Ministerstvo D
Ministerstvo I
Min. F
0%
5%
10%
15%
20%
0% 5% 10% 15% 20%
Podílministerstvanavýdajích
Podíl ministerstva na počtu zaměstnanců
Zdroj: náhodně generovaná data
51. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Typ grafu zvolte podle účelu a typu dat
Výdaje a počty zaměstnanců nesouvisí
procentní podíl ministerstva na celku
Ministerstvo A
Ministerstvo B
Ministerstvo Q
Min. E
Min. G
Mininisterstvo W
Min. X
Ministerstvo D
Ministerstvo I
Min. F
0%
5%
10%
15%
20%
0% 5% 10% 15% 20%
Podílministerstvanavýdajích
Podíl ministerstva na počtu zaměstnanců
Zdroj: náhodně generovaná data
52. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Typ grafu zvolte podle účelu a typu dat
Výdaje a počty zaměstnanců ministerstev
procentní podíl ministerstva na celku
Ministerstvo A
Ministerstvo B
Ministerstvo Q
Min. E
Min. G
Mininisterstvo W
Min. X
Ministerstvo D
Ministerstvo I
Min. F
0%
5%
10%
15%
20%
0% 5% 10% 15% 20%
Podílministerstvanavýdajích
Podíl ministerstva na počtu zaměstnanců
Zdroj: náhodně generovaná data
53. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Typ grafu zvolte podle účelu a typu dat
Zdroj: náhodně generovaná data
0%
5%
10%
15%
20%
0% 5% 10% 15% 20%
Podílministerstvanavýdajích
Podíl ministerstva na počtu zaměstnanců
Výdaje a počty zaměstnanců ministerstev
procentní podíl ministerstva na celku
54. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Typ grafu zvolte podle účelu a typu dat
Zdroj: náhodně generovaná data
Ministerstvo Q
Ministerstvo K
0%
5%
10%
15%
20%
0% 5% 10% 15% 20%
Podílministerstvanavýdajích
Podíl ministerstva na počtu zaměstnanců
Výdaje a počty zaměstnanců
procentní podíl ministerstva na celku
56. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Typ grafu zvolte podle účelu a typu dat
0%
10%
20%
30%
40%
50%
60%
Zaměstnaní Nezaměstnaní
Ohrožení chudobou
Ženy Muži
Zdroj: generátor náhodných statistik MS Excel, červen 2015
57. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Typ grafu zvolte podle účelu a typu dat
Ženy
Muži
0%
10%
20%
30%
40%
50%
60%
Zaměstnaní Nezaměstnaní
Ohrožení chudobou
podle zaměstnanosti,20XX
Zdroj: generátor náhodných statistik MS Excel, červen 2015
62. Složení
Vývoj v čase
Souvislost
Srovnání
Kombinace
Typ grafu zvolte podle účelu a typu dat
Zdroj: NewYorkTimes, The Upshot –The Shrinking Middle Class, 2015
nytimes.com/interactive/2015/01/25/upshot/shrinking-middle-class.html
64. 3D prvky jsou matoucí
Dobré praxe: integrita
Zdroj: Gregor Aisch, Making data visualisations: a survival guide. Slideshare. slideshare.net/vis4/making-
data-visualizations-a-survival-guide
65. OsaY by měla začínat na nule – pokud ne, upozorněte na to
Dobré praxe: integrita
0%
5%
10%
15%
20%
25%
30%
35%
40%
Now In 2013
If Bush tax cuts expire
0
20
40
60
80
100
2010 Q1 2011 Q1 2012 Q1 2013 Q1 2014 Q1 2015 Q1
Zaměstnanost 2010-2015
50
52
54
56
58
60
2010 Q1 2011 Q1 2012 Q1 2013 Q1 2014 Q1 2015 Q1
Zaměstnanost 2010-2015
66. Výchozí prvky je často třeba změnit: barvy, rozsah os, popisky
Legendy nejsou vždy potřeba a nejlepší je integrovat je s daty
Dobré praxe: důraz na data
Muži 218
Ženy 135
0
50
100
150
200
250
2010 2011 2012 2013 2014 2015
0
40
80
120
160
200
240
280
2010 2011 2012 2013 2014 2015
Muži Ženy
67. Nedatové prvky nesou význam: barvy, délky os, řazení kategorií
Dobré praxe: informativnost
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
0,45
ČSSD KSČM ODS TOP 09
Zastoupení žen ve Sněmovně 2010 a 2013
2013 2010
0%
10%
20%
30%
40%
50%
KSČM TOP 09 ODS ČSSD
Zastoupení žen ve Sněmovně 2010 a 2013
2010 2013
Zdroj dat: Fórum 50% padesatprocent.cz/cz/statistiky-analyzy-vyzkumy/zastoupeni-zen-a-muzu-v-
politice/poslanecka-snemovna/
68. Některé prvky ale lze vizuálně upozadit
Dobré praxe: čitelnost
0% 25% 50% 75% 100%
Ministerstvo kultury
Ministerstvo životního prostředí
Ministerstvo zahraničních věcí
Ministerstvo školství,mládeže a tělovýchovy
Ministerstvo zemědělství
Známkování ministerstev, květen 2015
% dotázaných,známky jako ve škole
1 2 3 4 5 neví
69. Popisky os a kategorií by měly být vodorovné a čitelné
Dobré praxe: čitelnost
0
2
4
6
8
10
Finland
Denmark
Canada
Australia
Austria
Chile
Germany
Israel
Belgium
France
Estonia
Italy
Hungary
Greece
Bulgaria
Croatia
CzechRepublic
China
Corruption Perception Index
0 2 4 6 8 10
Finland
Denmark
Canada
Australia
Austria
Chile
Germany
Israel
Belgium
France
Estonia
Italy
Hungary
Greece
Bulgaria
Croatia
Czech Republic
China
Corruption Perception Index
70. Pozor na barvoslepost (červená – zelená); lze otestovat online
Dobré praxe: čitelnost
Zdroj: vischeck.com
71. Integrita
• 3D prvky jsou matoucí
• OsaY by měla začínat na nule – pokud ne, upozorněte na to
Důraz na data
• Výchozí prvky je často třeba změnit: barvy, rozsah os, popisky
• Legendy nejsou vždy potřeba a nejlepší je integrovat je s daty
Informativnost
• Nedatové prvky nesou význam: barvy, délky os, řazení kategorií
• Některé ale lze vizuálně upozadit
Čitelnost
• Popisky os a kategorií by měly být vodorovné a čitelné
• Pozor na barvoslepost (červená – zelená); lze otestovat online
• Půjde to vytisknout černobíle?
Dobré praxe
72. Omezte množství datových bodů, pokud detaily nejsou zásadní
Dobré rady
Muži 218
Ženy 135
0
50
100
150
200
250
2010 2011 2012 2013 2014 2015
52
Muži 218
129 Ženy 135
2010 2015
Muži od roku 2010 předstihli ženy
počty mužů a žen na grafu, 2010-15
Od roku 2012 bylo na grafu více mužů
počty mužů a žen na grafu, 2010-15
73. Zvýrazněte, co je důležité
Dobré rady
Jahody
152
Třešně
96
Jablka
93
Borůvky
Jahody v roce 2013 tvořily přes 1/3 sklizně
74. Ukažte, které body byly v datech (časové řady)
Dobré rady
Jahody 114
Třešně 199
Jablka 97
Borůvky 50
0
50
100
150
200
2013 2014 2015
Sklizeň ovoce 2013-2015
75. Popis osy lze začlenit do nadpisu nebo podnadpisu
Zařaďte kontextová data do pozadí (např. špagetový graf)
Nadpis by měl vyjadřovat hlavní sdělení vizualizace
Podnadpis může doplnit technické detaily
Dobré rady
2013 2014 2015
Jablka
2013 2014 2015
Třešně
2013 2014 2015
Jahody
0
50
100
150
200
2013 2014 2015
Borůvky
Úroda různých druhů ovoce se liší a většinou kolísá
sklizené ovoce 2013-2015 (kilogramy)
76. Ne všechno musí být graf – zvažte tabulku nebo kombinaci
(sparkline, heatmap)
Dobré rady
Skupina Trend 2010 2011 2012 2013 2014 2015
Muži 52 44 193 210 129 218
Ženy 129 156 14 186 18 135
Muži do 15 let 37 134 6 73 102 189
Muži nad 15 let 32 19 182 56 83 91
Ženy do 15 let 7 128 35 150 14 5
Ženy nad 15 let 98 19 175 152 150 83
Skupina Trend 2010 2011 2012 2013 2014 2015
Muži 52 44 193 210 129 218
Ženy 129 156 14 186 18 135
Muži do 15 let 200 176 194 110 43 131
Muži nad 15 let 29 125 186 113 17 149
Ženy do 15 let 158 144 159 15 49 147
Ženy nad 15 let 59 84 91 64 151 65
77. Důraz na data
• Omezte množství kategorií, pokud detaily nejsou zásadní
• Zvýrazněte, co je důležité
• Šetřete datovými popisky a desetinnými místy
• Ukažte, které body byly v datech (časové řady)
Informativnost
• Popis osy lze začlenit do nadpisu nebo podnadpisu
• Zařaďte kontextová data do pozadí (např. špagetový graf)
• Nadpis by měl vyjadřovat hlavní sdělení vizualizace
• Podnadpis může doplnit technické detaily
• Ne všechno musí být graf – zvažte tabulku nebo kombinaci (sparkline,
heatmap)
• Ukažte to někomu, kdo nezná vaše data a vaše závěry
Dobré rady
81. • Neexistuje jediný správný způsoby vizualizace
• Autor má zodpovědnost rozhodnout, co ukázat a jak
• Ale existují principy, kterých je třeba se držet.
• Stejně tak je třeba respektovat zákonitosti lidského vnímání.
• Vizualizace neexistují ve vakuu – jsou součástí prezentace či
dokumentu, a záleží na podání a stavbě celku
Závěrem
83. Edward Tufte: knihy + edwardtufte.com/tufte
Jacques Bertin Semiology of Graphics
Jean-luc Dumont, Trees Maps andTheorems
Colin Ware. Information Visualization: perception for design
Stephen Few perceptualedge.com
Jonathan Schwabish policyviz.com
Ann K. Emery annkemery.com
Stephanie Evergreen stephanieevergreen.com
Andy Kirk visualisingdata.com
Robert Kosara kosara.net
Alberto Cairo thefunctionalart.com
The Economist economist.com/blogs/graphicdetail
The NewYork Times @nytgraphics + Gregor Aisch vis4.net
Guardian Data Blog theguardian.com/datablog
Financial Times Data Blog blogs.ft.com/ftdata
NathanYau flowingdata.com
Hans Rosling gapminder.org
Office of National Statistics (Velká Británie) visual.ons.gov.uk
Český rozhlas DATA rozhlas.cz/zpravy/data
Tomáš Marek blog.vizualizacedat.cz
Autority a inspirace
Zdroj: chocolate-editions.com/special
84. Děkuji za pozornost
Petr Bouchal
Evaluační jednotka NOK
petr.bouchal@mmr.cz
@petrbouchal
Heřmanova 22, 170 00 Praha 7, e-mail: ces@czecheval.cz, web: www.czecheval.cz