洞悉数据 用可视化方法发掘数据真义PDF电子书下载

第1章 万亿字节里的洞察力 1

1.1 如虎添翼：缜密的可视化让生活更美好 2

1.1.1 你的“神经末梢” 3

1.1.2 扩展的视角 3

1.1.3 剔除数据“噪声” 4

1.1.4 寻找信息和数据如大海捞针 4

1.1.5 模式识别 4

1.1.6 思维方法 5

1.2 不要害怕图表 5

1.3 洞察数据的世界 10

1.4 从数据到智慧 10

1.5 我与数据的一天 12

1.6 数据洪流与数据涓流：统计学家约翰·博斯利的观点 18

1.6.1 雨点和大海 19

1.6.2 数据流 20

1.6.3 数据是一种“社会商品” 21

1.7 困惑丛生 21

1.8 数据生命周期 23

1.8.1 计划和准备 24

1.8.2 收集和处理 24

1.8.3 分析和总结 25

1.8.4 表现和沟通 25

1.8.5 实现和管理 25

1.9 “只要事实”：什么是数据和元数据 26

1.10 留下哪些，删掉哪些：对话新闻学教授及科技企业家伦恩·塞勒斯 29

1.11 哪些数据有价值 30

1.12 涟漪效应 35

1.12.1 数据可视化与这杯牛奶的相同点和不同点 38

1.12.2 牛奶管理 39

1.12.3 冰山一角 42

1.13 数据可视化的特性 43

1.14 与Splunk公司首席信息官道格·哈尔深入机器数据 45

1.14.1 存储热数据、暖数据和冷数据 48

1.14.2 运营智能可视化 48

1.15 寓繁于简（简单形式展现复杂数据） 50

1.16 有哪些新特性 52

第2章 提出更好的问题 55

2.1 询问的艺术 55

2.1.1 提出问题 56

2.1.2 权衡答案 56

2.2 好的问题 57

2.3 华盛顿特区的1100个亮点 58

2.4 二十个问题 60

2.5 模式、上下文和问题 61

2.5.1 不同的角度、观点以及分辨率 62

2.5.2 999岁的患者？数据未曾提出的问题 65

2.6 设计软件 65

2.6.1 别去追逐瀑布 66

2.6.2 正确的轨道 66

2.6.3 相信数据的同时验证数据 67

2.6.4 个人问题与公共问题 68

2.7 问题中的问题 68

2.8 知道自己得到了什么 77

2.8.1 计划和准备 78

2.8.2 收集和处理 79

2.8.3 分析和总结 79

2.8.4 表现和沟通 79

2.8.5 实现和管理 80

2.9 问题和元数据 80

2.9.1 讲述完整的故事 84

2.9.2 收集本地数据 84

2.9.3 深思熟虑 85

2.10 快速提问 85

2.11 找到“最适合自己”的标准（基于信息专家丹·吉尔曼的研究） 86

2.12 降低商业中的“好奇税” 87

2.13 提出好问题 94

2.14 以初学者的心态研究数据 95

2.15 数据过多 96

2.16 更好的问题 96

第3章 致胜组合：巧用可视化组成元素 98

3.1 恰当的组合 98

3.2 从反面理解：如何利用不同元素 99

3.3 摆好餐具，作好准备 100

3.4 第一部分：选择、存储并组合不同的数据元素 101

3.4.1 选择 101

3.4.2 存储 102

3.4.3 组合 106

3.4.4 基本成分：不同的数据 107

3.4.5 估量数据成分 108

3.4.6 设置表格：数据类型和表现形式 109

3.4.7 逐个击破：数据、数据单元、数据范围以及数据存储概览 111

3.4.8 模型、材料和量度 113

3.5 第二部分：使数据类型和视觉形式相匹配 114

3.5.1 活用图形 115

3.5.2 圆形非万能 118

3.5.3 点中有乾坤 119

3.5.4 画些线条 121

3.6 色彩 125

3.6.1 顺序、位置和层次 127

3.6.2 图表类型简介 129

3.6.3 重在组合：数据、可视化和人 129

3.7 第三部分：将不同的数据可视化模型组合在一起 131

3.7.1 什锦拼盘和多重课程：组合不同的可视化和数据视角 131

3.7.2 多少才是“过多” 132

3.8 小范围内的成功合作 133

3.9 结论 136

第4章 视线的路径、目的和视点 137

4.1 紧盯直线 137

4.2 追踪数据趋势 140

4.3 再次上路 142

4.4 有形和无形的线路 143

4.5 路径和过程 148

4.6 在茂密的丛林中寻找珍稀鸟类：可视化工具清单 148

4.6.1 探索 149

4.6.2 选择 150

4.6.3 协作 153

4.6.4 想象 154

4.7 时间旅行、轨迹以及尾迹：可视化流量及数据 154

4.8 数据和叙事方式 159

4.8.1 在道路中找到故事 160

4.8.2 同样的道路，不同的观点 161

4.8.3 故事更复杂 162

4.9 交叉点和图表可视化 164

4.10 桥、网络和角色 167

4.10.1 设计、监管和维护数字网络 169

4.10.2 有策略的规划 170

4.11 高级别的点 171

4.11.1 图片中的局部知识点 172

4.11.2 留下足迹 173

4.12 不仅仅只是地图上的点（帕特里克·梅耶尔的观点） 173

4.12.1 危机和冲突的可视化 174

4.12.2 关注“点” 175

4.13 不仅仅是数据点 177

4.13.1 “Home andAway”项目 177

4.13.2 “Crime Spotting”项目 178

4.13.3 “形成城市的流” 180

4.14 需牢记的要点 181

第5章 可用的视角 182

5.1 沟通和传递 182

5.2 理解灰色区域 184

5.3 视角决定一切 187

5.4 数据模型VS.用户模型 188

5.5 重视心理模型VS.利用心理模型 189

5.6 用户体验设计与理解数据 191

5.7 能否避免变化 193

5.8 命令行用户界面VS.自然用户界面 193

5.9 技术与训练的双重组合 197

5.10 适合特定的设备 199

5.11 棒球、低音管以及精湛技艺 200

5.12 人机交互的建议和施奈德曼“黄金法则” 203

5.13 可用性和数据可视化 204

5.13.1 专家未必是“专家级用户” 204

5.13.2 保持沟通 204

5.14 与Tom Sawyer软件公司CEO布兰登·麦登探讨用驱动设计 207

5.15 与艺术家沃特·巴特曼探讨色彩与构成 209

5.15.1 关注调色板 212

5.15.2 未表现的内容同样重要 213

5.15.3 了解色彩和色值 214

5.15.4 聆听色彩的音乐性 214

5.15.5 每张图片都有故事 215

5.15.6 绘画也是一种交互过程 215

5.16 回顾 218

第6章 会思考的机器 219

6.1 数据分析中的阴阳 221

6.2 放大分析的视角：知识、数据挖掘、机器学习 222

6.3 数据挖掘探究 223

6.4 手动和自动 224

6.5 机器观测和人为假设 225

6.6 黑盒、玩具盒以及盒子外面 227

6.7 考验和算法 228

6.8 惧怕关联和因果 229

6.9 数据形象化 231

6.10 如何折叠蛋白质 234

6.11 多元智力理论和数据可视化 236

6.12 问题、观点和视角 237

6.13 人类、计算机以及协作 240

6.13.1 在数据海洋中发现生命，第一部分：人机协作 241

6.13.2 在数据海洋中发现生命，第二部分：数字艺术家斯潘塞·林赛 244

6.13.3 “微型漂浮物”和触摸墙 247

6.14 总结 250

第7章 后见、先见和洞见 251

7.1 第一部分：适应数据 251

7.1.1 看见变化 251

7.1.2 为需求而优化 252

7.1.3 寻求解决方式 254

7.2 保持节奏 256

7.2.1 家具的变化 258

7.2.2 古今“岩洞”图画 259

7.2.3 人不断地适应科技，科技也在不断地适应人 260

7.2.4 过去、现在与未来的连接 262

7.2.5 架构与灵活性 262

7.2.6 历史进程与可视化的机遇 263

7.2.7 更多想法 264

7.3 第二部分：数据可视化的新维度 266

7.3.1 恩格尔巴特与全息甲板 267

7.3.2 2D或非2D，这是一个问题 267

7.3.3 数据的新维度 269

7.3.4 深入蛋白质分子的奇妙之旅 269

7.3.5 移动数据中心的实时X光模式视角 270

7.3.6 在3D空间内解码达·芬奇的画作 272

7.3.7 配置新型3D显示设备的老房子 274

7.3.8 全息图与3D 275

7.3.9 模拟全息图 276

7.3.10 现实的未来 276

7.4 第三部分：现实 277

7.5 房间里的大象 278

7.6 跨越边界 280

相关资源 281

参考文献 285