洞悉數據用可視化方法發掘數據真義 pdf epub mobi txt 電子書下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

[美] 惠特尼（Hunter Whitney）著，劉雲濤譯

圖書標籤:

數據可視化
數據分析
商業智能
數據挖掘
信息圖錶
數據洞察
數據思維
圖錶設計
數據報告
可視化工具

下載連結在頁面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 複製連結

想要找書就要到新城書站

book.cndgn.com

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

齣版社：人民郵電齣版社

ISBN：9787115414700

版次：1

商品編碼：11876115

包裝：平裝

叢書名：圖靈交互設計叢書

開本：16開

齣版時間：2016-02-01

用紙：膠版紙

頁數：286

正文語種：中文

具體描述

編輯推薦

　　對於可視化能夠如何幫助我們更加清晰、全麵地理解數據，本書提供瞭發人深省的見解。本書提供瞭不同背景下人們的各種視角，其中包括數據科學傢、統計學傢、畫傢和作傢，等等。如果我們不瞭解數據真正的意義，那麼所有數據就都隻是無用的或誤導性的。
　　本書共分為7章，探討瞭一些能夠讓數據變得有意義、有用的數據可視化方法。本書還討論瞭一些根本思想和基本問題，涉及數據生命周期，數據和展示方法之間的交互，以及數據可視化中基本構建模塊的本質、起源和目的。讀者可以看到在用戶界麵的上下文中理解用戶的新老方式，溝通是如何被歪麯的，以及數據可視化是如何與計算機聯係起來的。結尾，本書評估瞭數據可視化特性的優缺點。
　　本書包含各種插圖、名人名言和現實生活中的例子，以及商業分析、醫療、網絡監控、安全和遊戲等領域的案例分析。

內容簡介

　　本書為瞭解數據可視化的重要內容和功能提供瞭多學科的視角，通過各種各樣的案例分析，來演示可視化如何讓數據變得更清晰、更全麵，通過對數據可視化的廣泛用途和適用性的討論，來瞭解它如何讓數據變得更加讓人容易接受和理解。

作者簡介

　　Hunter Whitney，是一位UX設計師，幫助客戶創作有效和可用的界麵設計，涉及領域涵蓋生物科學、醫學信息技術和海洋生物學。他擁有UCLA英國文學和UCSC生物學的雙學士學位，還完成瞭UCLA神經心理學研究的研究生課程。

第1章　萬億字節裏的洞察力　　1
1．1　如虎添翼：縝密的可視化讓生活更美好　　2
1．1．1　你的“神經末梢”　　3
1．1．2　擴展的視角　　3
1．1．3　剔除數據“噪聲” 　　4
1．1．4　尋找信息和數據如大海撈針　　4
1．1．5　模式識彆　　4
1．1．6　思維方法　　5
1．2　不要害怕圖錶　　5
1．3　洞察數據的世界　　10
1．4　從數據到智慧　　10
1．5　我與數據的一天　　12
1．6　數據洪流與數據涓流：統計學傢約翰?博斯利的觀點　　18
1．6．1　雨點和大海　　19
1．6．2　數據流　　20
1．6．3　數據是一種“社會商品” 　　21
1．7　睏惑叢生　　21
1．8　數據生命周期　　23
1．8．1　計劃和準備　　24
1．8．2　收集和處理　　24
1．8．3　分析和總結　　25
1．8．4　錶現和溝通　　25
1．8．5　實現和管理　　25
1．9　“隻要事實”：什麼是數據和元數據　　26
1．10　留下哪些，刪掉哪些：對話新聞學教授及科技企業傢倫恩?塞勒斯　　29
1．11　哪些數據有價值　　30
1．12　漣漪效應　　35
1．12．1　數據可視化與這杯牛奶的相同點和不同點　　38
1．12．2　牛奶管理　　39
1．12．3　冰山一角　　42
1．13　數據可視化的特性　　43
1．14　與Splunk公司首席信息官道格?哈爾深入機器數據　　45
1．14．1　存儲熱數據、暖數據和冷數據　　48
1．14．2　運營智能可視化　　48
1．15　寓繁於簡（簡單形式展現復雜數據）　　50
1．16　有哪些新特性　　52
第2章　提齣更好的問題　　55
2．1　詢問的藝術　　55
2．1．1　提齣問題　　56
2．1．2　權衡答案　　56
2．2　好的問題　　57
2．3　華盛頓特區的1100個亮點　　58
2．4　二十個問題　　60
2．5　模式、上下文和問題　　61
2．5．1　不同的角度、觀點以及分辨率　　62
2．5．2　999歲的患者？數據未曾提齣的問題　　65
2．6　設計軟件　　65
2．6．1　彆去追逐瀑布　　66
2．6．2　正確的軌道　　66
2．6．3　相信數據的同時驗證數據　　67
2．6．4　個人問題與公共問題　　68
2．7　問題中的問題　　68
2．8　知道自己得到瞭什麼　　77
2．8．1　計劃和準備　　78
2．8．2　收集和處理　　79
2．8．3　分析和總結　　79
2．8．4　錶現和溝通　　79
2．8．5　實現和管理　　80
2．9　問題和元數據　　80
2．9．1　講述完整的故事　　84
2．9．2　收集本地數據　　84
2．9．3　深思熟慮　　85
2．10　快速提問　　85
2．11　找到“最適閤自己”的標準（基於信息專傢丹?吉爾曼的研究）　　86
2．12　降低商業中的“好奇稅” 　　87
2．13　提齣好問題　　94
2．14　以初學者的心態研究數據　　95
2．15　數據過多　　96
2．16　更好的問題　　96
第3章　緻勝組閤：巧用可視化組成元素　　98
3．1　恰當的組閤　　98
3．2　從反麵理解：如何利用不同元素　　99
3．3　擺好餐具，作好準備　　100
3．4　第一部分：選擇、存儲並組閤不同的數據元素　　101
3．4．1　選擇　　101
3．4．2　存儲　　102
3．4．3　組閤　　106
3．4．4　基本成分：不同的數據　　107
3．4．5　估量數據成分　　108
3．4．6　設置錶格：數據類型和錶現形式　　109
3．4．7　逐個擊破：數據、數據單元、數據範圍以及數據存儲概覽　　111
3．4．8　模型、材料和量度　　113
3．5　第二部分：使數據類型和視覺形式相匹配　　114
3．5．1　活用圖形　　115
3．5．2　圓形非萬能　　118
3．5．3　點中有乾坤　　119
3．5．4　畫些綫條　　121
3．6　色彩　　125
3．6．1　順序、位置和層次　　127
3．6．2　圖錶類型簡介　　129
3．6．3　重在組閤：數據、可視化和人　　129
3．7　第三部分：將不同的數據可視化模型組閤在一起　　131
3．7．1　什錦拼盤和多重課程：組閤不同的可視化和數據視角　　131
3．7．2　多少纔是“過多” 　　132
3．8　小範圍內的成功閤作　　133
3．9　結論　　136
第4章　視綫的路徑、目的和視點　　137
4．1　緊盯直綫　　137
4．2　追蹤數據趨勢　　140
4．3　再次上路　　142
4．4　有形和無形的綫路　　143
4．5　路徑和過程　　148
4．6　在茂密的叢林中尋找珍稀鳥類：可視化工具清單　　148
4．6．1　探索　　149
4．6．2　選擇　　150
4．6．3　協作　　153
4．6．4　想象　　154
4．7　時間旅行、軌跡以及尾跡：可視化流量及數據　　154
4．8　數據和敘事方式　　159
4．8．1　在道路中找到故事　　160
4．8．2　同樣的道路，不同的觀點　　161
4．8．3　故事更復雜　　162
4．9　交叉點和圖錶可視化　　164
4．10　橋、網絡和角色　　167
4．10．1　設計、監管和維護數字網絡　　169
4．10．2　有策略的規劃　　170
4．11　高級彆的點　　171
4．11．1　圖片中的局部知識點　　172
4．11．2　留下足跡　　173
4．12　不僅僅隻是地圖上的點（帕特裏剋?梅耶爾的觀點）　　173
4．12．1　危機和衝突的可視化　　174
4．12．2　關注“點” 　　175
4．13　不僅僅是數據點　　177
4．13．1　“Home and Away”項目　　177
4．13．2　“Crime Spotting”項目　　178
4．13．3　“形成城市的流” 　　180
4．14　需牢記的要點　　181
第5章　可用的視角　　182
5．1　溝通和傳遞　　182
5．2　理解灰色區域　　184
5．3　視角決定一切　　187
5．4　數據模型VS．用戶模型　　188
5．5　重視心理模型VS．利用心理模型　　189
5．6　用戶體驗設計與理解數據　　191
5．7　能否避免變化　　193
5．8　命令行用戶界麵VS．自然用戶界麵　　193
5．9　技術與訓練的雙重組閤　　197
5．10　適閤特定的設備　　199
5．11　棒球、低音管以及精湛技藝　　200
5．12　人機交互的建議和施奈德曼“黃金法則” 　　203
5．13　可用性和數據可視化　　204
5．13．1　專傢未必是“專傢級用戶” 　　204
5．13．2　保持溝通　　204
5．14　與Tom Sawyer軟件公司CEO布蘭登?麥登探討用戶驅動設計　　207
5．15　與藝術傢沃特?巴特曼探討色彩與構成　　209
5．15．1　關注調色闆　　212
5．15．2　未錶現的內容同樣重要　　213
5．15．3　瞭解色彩和色值　　214
5．15．4　聆聽色彩的音樂性　　214
5．15．5　每張圖片都有故事　　215
5．15．6　繪畫也是一種交互過程　　215
5．16　迴顧　　218
第6章　會思考的機器　　219
6．1　數據分析中的陰陽　　221
6．2　放大分析的視角：知識、數據挖掘、機器學習　　222
6．3　數據挖掘探究　　223
6．4　手動和自動　　224
6．5　機器觀測和人為假設　　225
6．6　黑盒、玩具盒以及盒子外麵　　227
6．7　考驗和算法　　228
6．8　懼怕關聯和因果　　229
6．9　數據形象化　　231
6．10　如何摺疊蛋白質　　234
6．11　多元智力理論和數據可視化　　236
6．12　問題、觀點和視角　　237
6．13　人類、計算機以及協作 240
6．13．1　在數據海洋中發現生命，第一部分：人機協作　　241
6．13．2　在數據海洋中發現生命，第二部分：數字藝術傢斯潘塞?林賽　　244
6．13．3　“微型漂浮物”和觸摸牆　　247
6．14　總結　　250
第7 章　後見、先見和洞見　　251
7．1　第一部分：適應數據　　251
7．1．1　看見變化　　251
7．1．2　為需求而優化　　252
7．1．3　尋求解決方式　　254
7．2　保持節奏　　256
7．2．1　傢具的變化　　258
7．2．2　古今“岩洞”圖畫　　259
7．2．3　人不斷地適應科技，科技也在不斷地適應人　　260
7．2．4　過去、現在與未來的連接　　262
7．2．5　架構與靈活性　　262
7．2．6　曆史進程與可視化的機遇　　263
7．2．7　更多想法　　264
7．3　第二部分：數據可視化的新維度　　266
7．3．1　恩格爾巴特與全息甲闆　　267
7．3．2　2D或非2D，這是一個問題　　267
7．3．3　數據的新維度　　269
7．3．4　深入蛋白質分子的奇妙之旅　　269
7．3．5　移動數據中心的實時X光模式視角　　270
7．3．6　在3D空間內解碼達?芬奇的畫作　　272
7．3．7　配置新型3D顯示設備的老房子　　274
7．3．8　全息圖與3D 　　275
7．3．9　模擬全息圖　　276
7．3．10　現實的未來　　276
7．4　第三部分：現實　　277
7．5　房間裏的大象　　278
7．6　跨越邊界　　280
相關資源　　281
參考文獻　　285