Bild vom Autor
# Einführung
Historisch gesehen waren Dashboards der Kern von Datenvisualisierungen. Dies machte Sinn, da sie skalierbar waren: ein zentraler Bereich zur Verfolgung von Key Efficiency Indicators (KPIs), Segmentfiltern und Exportdiagrammen.
Wenn das Ziel jedoch darin besteht, zu erklären, was sich geändert hat, warum es wichtig ist und was als nächstes zu tun ist, wird ein Widget-Raster oft zu einem „Finde-it-out“-Erlebnis.
Heutzutage erwarten die meisten Zuschauer Geschichten statt statischer Bildschirme. In Zeiten geringer Aufmerksamkeitsspanne ist es wichtig, die Aufmerksamkeit der Menschen zu gewinnen. Sie wollen den Einblick, aber auch den Kontext, den Aufbau und die Fähigkeit, etwas zu erkunden, ohne sich zu verlaufen.
Aus diesem Grund geht das Information Storytelling über einfache Dashboards hinaus. Wir sind in eine neue Ära der Erfahrungen eingetreten, die geführt (interaktive Erzählungen), räumlich (Augmented Actuality (AR) / Digital Actuality (VR)-Visualisierungen), multisensorisch (Sonifizierung von Daten) und tiefgreifend explorativ (immersive Analysen) sind.
Bild vom Autor
# Warum Dashboards an ihre Grenzen stoßen
Dashboards sind sehr nützlich, wenn wir Metriken und KPIs überwachen möchten, aber sie haben Schwierigkeiten mit interaktiver Erkundung und echtem Storytelling. Zu den häufigen Einschränkungen gehören:
- Sie verlieren den Kontext. Ein Diagramm zeigt möglicherweise, dass etwas gestiegen oder gefallen ist, aber nicht, warum.
- Sie überwältigen. Zu viele visuelle Elemente an einem Ort führen zu einer kognitiven Überlastung.
- Sie sind passiv. Benutzer schauen, interagieren aber nicht viel mit den Daten.
Das heutige Publikum will mehr als das. Sie wollen nicht nur Zahlen auf einem Bildschirm sehen.
Wenn Sie üben möchten, Rohdatensätze in echte Geschäftserzählungen umzuwandeln – nicht nur in Diagramme – Plattformen wie StrataScratch sind eine großartige Möglichkeit, diese Instinct für das Geschichtenerzählen durch reale SQL- und Analyseprobleme zu entwickeln.
Sie suchen nach Geschichten, komplett mit Kontext, Fluss, Interaktion und sogar ein wenig Drama.
Lassen Sie uns vier spannende Richtungen erkunden, in die sich das Information Storytelling entwickelt.
# Interaktive Erzählungen: Daten wie eine Geschichte entfalten lassen
Stellen Sie sich vor, Ihre Diagramme würden eine Geschichte Kapitel für Kapitel erzählen. Das ist die Magie interaktiver Erzählungen. Sie verbinden die Struktur des Geschichtenerzählens mit der Freiheit des Erkundens.
// Wie interaktive Geschichten tatsächlich funktionieren (Schriftrollen, Schritte und Szenen)
Ein verbreitetes und interessantes Muster heutzutage ist Scrollytelling, das Scrollen und Geschichtenerzählen kombiniert. Hierbei handelt es sich um eine On-line-Storytelling-Technik, bei der Inhalte angezeigt werden, wenn der Benutzer auf der Seite nach unten scrollt. Es spiegelt das Verhalten wider, an das Benutzer heute gewöhnt sind, wenn sie durch ihre bevorzugten Social-Media-Web sites scrollen.
Ein weiteres häufiges Muster ist eine Stepper-Story, die wir hier genauer untersuchen werden. Der Benutzer klickt von Schritt zu Schritt, um zu sehen, wie sich die Geschichte entwickelt. Ein Beispiel für eine Stepper-Geschichte könnte so aussehen:
- Schritt 1 erklärt, was passiert (z. B. Übersichtstrend)
- Schritt 2 hebt einen Änderungspunkt hervor (kann eine einfache Anmerkung sein)
- Schritt 3 vergleicht Segmente (Filter oder kleine Vielfache)
- Schritt 4 schlägt eine Aktion vor (was als nächstes untersucht werden soll)
// Stepper-Beispiel mit Plotly
In diesem Beispiel wird ein kleiner Datensatz erstellt und mithilfe von Schaltflächen in eine Erzählung umgewandelt, wobei jede Schaltfläche ein anderes „Kapitel“ der Geschichte enthüllt.
import pandas as pd
import numpy as np
import plotly.graph_objects as go
# Pattern information: weekly signups with a marketing campaign launch at week 7
np.random.seed(7)
weeks = np.arange(1, 13)
signups = np.array((120, 130, 125, 140, 150, 148, 210, 230, 225, 240, 255, 260))
baseline = np.array((120, 128, 126, 135, 142, 145, 150, 152, 155, 158, 160, 162))
df = pd.DataFrame({"week": weeks, "signups": signups, "baseline": baseline})Schauen wir uns zunächst die synthetischen Daten an:
Jetzt erstellen wir die interaktiven Plots:
fig = go.Determine()
# Hint 0: precise signups
fig.add_trace(go.Scatter(
x=df("week"), y=df("signups"), mode="traces+markers",
title="Signups", line=dict(width=3)
))
# Hint 1: baseline (hidden initially)
fig.add_trace(go.Scatter(
x=df("week"), y=df("baseline"), mode="traces",
title="Baseline (no marketing campaign)", line=dict(sprint="sprint"),
seen=False
))
# Narrative steps utilizing buttons
fig.update_layout(
title="Interactive Narrative: What modified after the marketing campaign?",
xaxis_title="Week",
yaxis_title="Signups",
updatemenus=(dict(
kind="buttons",
path="proper",
x=0.0, y=1.15,
buttons=(
dict(
label="1) Overview",
technique="replace",
args=({"seen": (True, False)},
{"annotations": ()})
),
dict(
label="2) Spotlight change",
technique="replace",
args=({"seen": (True, False)},
{"annotations": (dict(
x=7, y=df.loc(df("week")==7, "signups").iloc(0),
textual content="Marketing campaign launch", showarrow=True, arrowhead=2
))})
),
dict(
label="3) Evaluate to baseline",
technique="replace",
args=({"seen": (True, True)},
{"annotations": (dict(
x=7, y=df.loc(df("week")==7, "signups").iloc(0),
textual content="Uplift vs baseline begins right here", showarrow=True, arrowhead=2
))})
),
)
))
)
fig.present()Ausgabe:
Wir können sehen, dass interaktive Schaltflächen ein Diagramm in eine geführte Geschichte verwandeln. Es liegt auf der Hand, warum diese Artwork der Visualisierung die Aufmerksamkeit der Öffentlichkeit fesselt.
Diese Artwork von Diagramm eignet sich intestine für die Produkteinführung, vierteljährliche Berichte, Anlegeraktualisierungen und andere Fälle, in denen Sie das Publikum anleiten möchten. Kurz gesagt, es ist eine nützliche Technik, wenn Sie möchten, dass die Leute Schritt für Schritt den Hauptpunkt verstehen.
# AR- und VR-Visualisierungen: Verwandeln Sie Daten in einen Raum, den Sie erkunden können
AR fügt Daten zur realen Welt hinzu. Beispielsweise kann man Zahlen oder Diagramme auf realen Maschinen oder Gebäuden sehen.
VR versetzt Sie in eine vollständig digitale Welt. Sie können sich bewegen und die Daten als virtuellen Raum erkunden.
Beide Arten von Visualisierungen nutzen den 3D-Raum, um Daten als Umgebung darzustellen. Es geht nicht nur darum, cool auszusehen, sondern auch darum, Zusammenhänge wie Entfernung, Größe und Gruppen leichter verständlich zu machen.
// Wo AR/VR nützlich sind
- Wenn wir darauf abzielen, Informationen direkt auf physischer {Hardware} anzuzeigen.
- Wenn wir herumlaufen und sehen wollen, wie Gebäude oder Städte in verschiedenen Situationen aussehen könnten.
- Wenn wir Simulationen, den Weltraum oder mikroskopische Welten in drei Dimensionen untersuchen wollen.
- Wenn Einzelpersonen Transformationen steuern möchten, testen Sie Konzepte und bewerten Sie die Ergebnisse, bevor Sie sich auf reale Maßnahmen festlegen.
Bild vom Autor
// Ein VR-fähiges 3D-Balkendiagramm
Hier verwenden wir A-Rahmen Und WebXR um ein kleines 3D-Balkendiagramm zu erstellen, das im Browser ausgeführt wird. Jeder Balken entspricht einer Kategorie und höhere Balken bedeuten höhere Werte.
Die Szene läuft auf einem normalen Desktop-Browser oder in einem VR-Headset, das WebXR unterstützt. Es ist keine komplexe Einrichtung erforderlich.
Die Ausgabe im Browser sieht folgendermaßen aus:
So führen Sie dieses Beispiel lokal aus:
- Speichern Sie die Datei unter
vr-bars.html - Öffnen Sie ein Terminal im selben Ordner
- Starten Sie einen einfachen lokalen Server mit Python:
python -m http.server 8000 - Öffnen Sie Ihren Browser und gehen Sie zu:
http://localhost:8000/vr-bars.html
Es ist besser, die Datei über einen lokalen Server zu öffnen, da einige Browser die WebXR-Funktionen einschränken, wenn sie versuchen, rohe HTML-Dateien direkt zu öffnen.
# Sonifikation: Wenn Daten zu Klang werden
Sonifikation bedeutet, Daten in Klang umzuwandeln. Die Zahlen können zu hohen oder tiefen Tönen, zu lauten oder leisen Tönen oder sogar zu kurzen und langen Tönen werden.
Man könnte meinen, dass dies nichts zur Dynamik unserer Datenvisualisierung beiträgt. Allerdings kann uns Ton dabei helfen, Muster, Veränderungen oder Probleme zu erkennen, insbesondere wenn sich die Daten im Laufe der Zeit ändern.
// Die besten Anwendungsfälle für fundierte Dateneinblicke
- Überwachungssysteme (seltsame oder ungewöhnliche Geräusche sind leicht zu bemerken)
- Zugänglichkeit (Sound hilft Menschen, die sich nicht nur auf Diagramme oder Bilder verlassen können)
- Dichte Zeitreihen (Rhythmen machen Muster und plötzliche Spitzen leichter hörbar)
Bild vom Autor
// Eine Zeitreihe in Töne umwandeln
Hier wird jeder Wert in eine musikalische Tonhöhe umgewandelt. Die Noten sind einfache Sinustöne mit kleinen Lücken dazwischen, um die Sequenz klarer zu machen.
Diese Model ist für ein Jupyter-Pocket book (oder JupyterLab / Google Colab). Es nutzt IPython.show.Audio um den Ton direkt in der Ausgabezelle abzuspielen, sodass keine System-Audiobibliotheken installiert werden müssen.
import numpy as np
from IPython.show import Audio, show
# Instance: day by day web site visits (small time sequence)
visits = np.array((120, 118, 121, 130, 160, 155, 140, 138, 200, 180))
min_f, max_f = 220, 880 # A3 to A5
v_min, v_max = visits.min(), visits.max()
def scale_to_freq(v):
if v_max == v_min:
return (min_f + max_f) / 2
return min_f + (v - v_min) * (max_f - min_f) / (v_max - v_min)
sample_rate = 44100
note_dur = 0.18 # seconds per word
hole = 0.03 # silence between notes
audio_all = ()
for v in visits:
freq = scale_to_freq(v)
t = np.linspace(0, note_dur, int(sample_rate * note_dur), endpoint=False)
tone = np.sin(2 * np.pi * freq * t)
# Fade out to scale back clicks
fade = np.linspace(1, 0, len(tone))
tone = 0.3 * tone * fade
audio_all.append(tone)
audio_all.append(np.zeros(int(sample_rate * hole)))
audio = np.concatenate(audio_all)
show(Audio(audio, price=sample_rate))Sie können die Ausgabe hören Hier.
Klicken Sie auf „Play“, um es anzuhören. Wenn die Anzahl der Besuche höher ist, ist auch der Ton höher, sodass Spitzen deutlich zu hören sind.
Um eine Storytelling-Atmosphäre zu schaffen, fügen Sie ein kleines Liniendiagramm hinzu und heben Sie wichtige Momente wie Spitzen, Rückgänge und Trendbrüche hervor. Eine nützliche Ergänzung besteht darin, den Ton abzuspielen und gleichzeitig die Linie im Zeitverlauf sichtbar zu machen, sodass die Leser die Verschiebung sowohl sehen als auch hören können.
# Immersive Analytics: Daten erkunden, indem man sie durchsucht
Bei immersiver Analyse untersuchen wir Daten auf eine Artwork und Weise, bei der wir Dinge eher bewegen und berühren als nur auf Schaltflächen oder Filter zu klicken.
Die Immersivität kommt von:
- Daten werden in 3D angezeigt oder im Weltraum angezeigt, wenn dies das Verständnis erleichtert
- Die Möglichkeit, Schieberegler zu verschieben, Teile der Daten auszuwählen und die Ansicht zu ändern, wobei die Daten sofort aktualisiert werden
- Änderungen in einem Diagramm führen dazu, dass auch andere Diagramme aktualisiert werden
// Interaktive 3D-Erkundung
Dieses Beispiel verwendet Plotly Um ein 3D-Diagramm anzuzeigen, können wir es drehen und filtern. Es handelt sich nicht um ein Customary-Dashboard. Es ist ein Werkzeug zum Erkunden und Interagieren mit Daten.
Führen Sie dies in einem Jupyter-Pocket book aus:
import numpy as np
import pandas as pd
import plotly.categorical as px
import ipywidgets as widgets
from IPython.show import show
# Artificial multi-dimensional information
np.random.seed(42)
n = 800
df = pd.DataFrame({
"x": np.random.regular(0, 1, n),
"y": np.random.regular(0, 1, n),
"z": np.random.regular(0, 1, n),
})
df("rating") = (df("x")**2 + df("y")**2 + df("z")**2)
slider = widgets.FloatSlider(
worth=float(df("rating").quantile(0.90)),
min=float(df("rating").min()),
max=float(df("rating").max()),
step=0.05,
description="Rating ≤",
readout_format=".2f",
continuous_update=False
)
out = widgets.Output()
def render(threshold):
filtered = df(df("rating") <= threshold).copy()
fig = px.scatter_3d(
filtered, x="x", y="y", z="z", coloration="rating",
title="Immersive analytics (lite): rotate + filter a 3D area",
opacity=0.75
)
fig.update_traces(marker=dict(measurement=3))
fig.present()
def on_change(change):
if change("title") == "worth":
with out:
out.clear_output(wait=True)
render(change("new"))
slider.observe(on_change)
show(slider, out)
render(slider.worth)Hier ist die Ausgabe:
Um dies zu verbessern, können Sie Benutzern erlauben, Punkte auszuwählen, die ausgewählten Zeilen in einer Tabelle anzuzeigen oder Linien um Cluster zu zeichnen. Es funktioniert intestine, wenn Sie die Erkundung während eines Conferences leiten. Sie können beispielsweise mit einem Schritt-für-Schritt-Anleitungspfad beginnen und die Öffentlichkeit dann auf eigene Faust erkunden lassen.
# Abschluss
Die Zukunft des Information Storytelling wird nicht darin bestehen, Dashboards vollständig zu entfernen; Stattdessen werden wir eine Tendenz zu interaktiveren und immersiveren Geschichten über Daten, Modelle und Erkenntnisse beobachten.
Bild vom Autor
Kurz gesagt, so können Sie die beste Artwork der Datenvisualisierung auswählen:
- Möchten Sie jemanden anleiten? Versuchen Sie es mit einer interaktiven Erzählung.
- Müssen Sie räumliche Zusammenhänge darstellen? AR/VR kann helfen.
- Möchten Sie mehr Sinne erreichen? Lassen Sie Ihre Daten sprechen.
- Möchten Sie zur Erkundung einladen? Erstellen Sie einen immersiven Spielplatz.
Das Beste daran ist, dass Sie kein großes Price range oder Staff benötigen, um dies auszuprobieren.
Wählen Sie eine Technik aus und erstellen Sie einen kleinen Prototyp. Ein kleiner Stepper oder ein 3D-Balken, ein sonifiziertes Liniendiagramm oder ein schiebereglerbasierter Filter. Sie werden erstaunt sein, wie schnell sich Ihre Daten wie eine Geschichte anfühlen.
Nate Rosidi ist Datenwissenschaftler und in der Produktstrategie tätig. Er ist außerdem außerordentlicher Professor für Analytik und Gründer von StrataScratch, einer Plattform, die Datenwissenschaftlern hilft, sich mit echten Interviewfragen von High-Unternehmen auf ihre Interviews vorzubereiten. Nate schreibt über die neuesten Tendencies auf dem Karrieremarkt, gibt Ratschläge zu Vorstellungsgesprächen, stellt Information-Science-Projekte vor und behandelt alles rund um SQL.