この本について
「データ視覚化のデザイン」は、永田ゆかりさんが書かれた本です。
永田ゆかり(ながた・ゆかり)
アクセンチュア、楽天、KPMGなどを経て、独立。PATH Data Analytics & Visualization(PATH株式会社)を立ち上げる。日本Tableauユーザー会会長を務める。2019年2月にTableau ZEN MASTER に日本人女性で初めて選ばれる。
本記事は、自分の学習振り返りや共有用としてエッセンスだけをまとめたものです。
- ** ~ なんで「可視化の技術」が大切なのか~ 無意味な分析について**
- プロっぽいチャートにするコツ (その２で書く予定)
より詳細な内容も沢山乗ってるので、興味ある方はAmazonなどで是非買ってみてください。
なんで「可視化の技術」が大切なのか
「うちはデータをいつでも表にして出してる」
「別にグラフとか綺麗に作れてるよ」
と思っていらっしゃる方、本当に大丈夫でしょうか？？
1. 正しい意思決定ができない
2. 認知的負荷がかかる
上記の項目について、具体的な例を見ながら考えていきたいと思います。
1. 正しい意思決定ができない
適切な可視化しないとどうなってしまうのか、具体的な事例を使って考えていきましょう。
以下は、可視化の重要性を解くのによく使われる**「アンスコムの例」というデータです。
この「表」**のデータから、どんな傾向があるか読み取ってみてください。
どうでしょう、何か読み取れたでしょうか？
「表だけで見てもあんまりよくわからない...」という人が多いかと思います。
では、更なる知見を得るために、平均・分散などの**「統計量」**を計算してみましょう。
実は、Ⅰ・Ⅱ・Ⅲ・Ⅳのどのグループも全く同じ統計量になります。
| 統計量 | 値 |
|---|---|
| Xの平均 | 9 |
| Xの分散 | 11 |
| Yの平均 | 7.5 |
| Yの分散 | 4.12 |
| XとYの相関係数 | 0.816 |
| 回帰直線 | y = 3.00 + 0.500x |
「なーんだ、全部おんなじ傾向のあるデータか。」
と思ったそこのあなた。
...本当にそれでいいでしょうか？？
より詳細な分析をするために、**「データの散布図」**を出してみましょう。
実際に可視化してみると、それぞれ全く異なる分布のデータであることがわかりました！
「表を見るだけ」「統計量を見るだけ」ことがいかに危険か、「適切な可視化」がいかにわかりやすいかが見て取れますね。
実際のビジネスの現場では、数字だけしか見ずに意思決定をしてしまうことも珍しくありません。
適切な意思決定のためには可視化が重要ということがわかっていただけたかと思います。
2.認識的負荷がかかる
データを可視化したとしても、オーディエンスがデータを理解するためには非常に多くのエネルギーを必要とします。
以下のデータのように、見た目が整理されてなかったり情報が多すぎると、理解することが難しく、データからの知見を何も得ようとしてくれなくなります。
色や情報量が多すぎて、どのような意思決定をしたらいいか分かりませんね。
ちょっと修正してみて、注目したいポイント以外の色を消すと非常に分かりやすくなりますね。
データから知見をオーディエンスにしっかり共有するには、認知的不可を下げることが必要不可欠です。
だからこそ、「可視化の技術」を学び実践することが重要です。
まとめ
データ可視化が如何に重要かを紹介しました。
データ分析は「データを見ておしまい」ではなく、データを適切に分析できることや、企画推進のため周囲に結果を正しく伝えられることが大切です。
データドリブンにビジネスを進めていくためにも、「可視化の技術」をしっかり意識していきたいですね！
プロっぽい見せ方にする方法については、次の記事で書きます！