見出し画像
Photo by takku43279

すべての人がデータを見て理解できる世界へ~Data Literacy Workshop-まとめ

Rieko

こんにちは。Riekoです。
今回は、DATA Saber Boot Campの「すべての人がデータを見て理解できる世界へ~Data Literacy Workshop」から学んだことがをこちらに記していきます。

なぜData Literacy

  • これからどんどんデータが増えてきてデータを活用しける世界になったとき、全ての人がデータを見て理解できる力をつけなくてはならない。

Data Literacy Workshopとは

  • なぜデータが必要なのかを理解する

  • データを見て理解するとはどういうことなのかを理解する

  • 実際にデータを読み取って理解していく

  • CreatorがViewer,Explorerに対してこのWorkshopを開き、データを見て理解する次の段階へ進む

  • データの海の中へ進むためには、データが何を言っているのか、これからどんな波が来るのか理解する必要がある

GoogleMAP

  • データが間違っていたり更新が遅かったりすると、誤った判断を下してしまうことがある

  • GoogleMAPはリアルタイムで交通情報が更新される

  • タクシーの運転手もしらないマイナーな道を案内してくれる

  • GoogleMapのおかげで、知識や経験のない素人の人々が渋滞を避けたり知らないルートを通ったりして目的地にたどり着くことができる

Uber

  • アメリカではGoogleMAPを使ってタクシー運転を一般の人々が行えるようになっている（Uber）

  • 一般の人々がデータを使ってビジネスを行っている

  • 私たちのこれからの世界は2つの世界に分かれる：データを使ってビジネスを、するかしないか

    • データを見て理解できなければ、個々人のCreativityは生まれない

  • データを見て理解できなければ、アイデアやCreativityが生まれない

データの向こう側を理解する

  • 地域密接型の八百屋さんによるビジネス

    • 店の前を通るお客さんに合わせて声をかけていた

    • お客さんのことをよく知っていて個々人に合わせた対応ができていた

    • テクノロジーが発達して売る人と買う人が遠くなってしまった

      • その結果みんなに同じpromotionが来る

  • 欲しいと思っている人に確実にpromotionが届くようにしたい

  • データを通して、欲しいと思っている人にメッセージを届けたい

  • マスマーケティングではなく、個々人に合わせたpromotionを送りたい→にデータを見て理解する力が必要

データを知ること

  • データを扱う人は、2000年頃はごく一部のユーザーだった。Tableau userも限られた一部の人だった。

  • データが爆発的に植えるにつれて、データがどこにでもあって、全ての人のモノになっていくのがこれからの世界

データを知ることが、世界を知ることになる

  • これからのデータを扱う人は、全ての人になっていかなければならない

データを扱う人

  • 全員がTableauの新機能をどんどん使う？

    • Creator/Explorerが中心にいて、その周りの世界にViewerがいる世界

  • Viewer：美しい数々のViewreを見て心を動かし、実際の世界でアクションしていく人々(Actor)

    • 実際に世界を変える動きをする人

    • Creator, Eplorer以外の全ての人

    • Data Literacyを持つことが大切

Data Literacyとは？

  • Literacy：識字

  • かつては文字を読める人は限られた人だったため、文字を読める人に読んでもらっていた

  • Literacyのある一人の人に依存してしまう。その人が言っていることが正しいか間違っているか判断できない→Creativeじゃない

  • 色んな人が色んなアイデアをもって理論を戦わせる世界がCreativeな世界→Literacyを持っていることが必要

  • 文字のLiteracyと同じことがData Literacyでも起きる

  • Data Literacyがない状態だと、一部のデータを扱える人のことを鵜呑みにするしかない。自分でデータを見て考えることができない

data literacy: ability to derive meaningful information from data and argue with data

  • Data Literacyをはぐくむためには、文字のように何度も繰り返し練習することが必要：Visualからデータを読み解く方法

Visualからデータを読み解く方法

  • Preattentive Attributeを用いてSensory Memoryを働かせる→Short-Term Memoryを考える方へ使わせてあげる

  • データのタイプ：分類的な名義、順序的な名義、量的な名義

  • それぞれの名義に対して、マッチするPreattentive Attributeは決まってる

  • 分類的な名義：形状、色相

  • 順序的な名義：位置、サイズ、彩度、色相、形状

  • 量的な名義：位置、彩度、サイズ、長さ

データを読み解いてみよう

  • みんながインタラクティブなビジュアライゼーションに慣れていく必要がある

  • Tableau使い慣れていない人だと「押したらフィルターできる」ことがわからない場合が多い

  • Viewerは読み解けなかったらCreatorにリクエストしてもよい

  • Creator自信が作ったvizをViewerが見て更なるリクエストがあればvizが改善され、より良い方向に向かう

vizからテーマを紐解く

  • 他の人の意見を聞いて解釈のバリエーションを知る

東京における過去142年の日別最高気温（チャレンジ）

  1. vizから読み解くストーリー

  • 年が経つにつれて赤が多くなっているため、だんだん日本の夏は暑い日が多くなっていることがわかる

  1. デザインの効果

  • ヒートマップの中での最大値と最小値がわかればよかった

  • 10年単位で区切られていて昔からの年の推移がわかる

  • 6月～９月という夏だけ切り取っているので暑い日がよくわかる

  1. vizの作り方

  • 年を10年単位で区切る計算式

  • x軸を用いて1日を同じ大きさで区切られている？

#### 解説

  • 日本の夏がだんだん暑くなっていることがわかる

  • 強いインパクトのあるviz

  • 色のうち、色相と彩度が双方関わっている

  • 彩度が温度：量的

  • 色相：暑い→涼しいといった分類的な名義に関わっている

  • 年と月が位置で表現されている

  • 時間という順序的な名義が位置で表現されている

Stress in Japan

  1. Story

  • 若い世代は少なった仕事によるストレスが、25~65才の間大きくなる。

  • 70代になると健康上の問題が出てくる

  • 年代に合わせたストレス対応が必要

  1. Design

  • 順序的な名義である年代を、位置でわけている

  • ストレスの分類を、色相で分けていると共に、彩度も使用されている

  1. vizの作り方

  • 若い10代は年齢を細かく分けている

  • 上の方が家庭に関することで、下の方が社会的な事柄に関すること。

#### 解説

  • 年代ごとに考えているストレスがかわる

  • 10代の悩みが主に学業だったのが、卒業するとともにドンとなくなり、仕事で覆いつくされる。

  • 年を減るごとに病気で悩む人が多い。

  • 30代からは子供に関する悩みが多くなる

  • 男性・女性でフィルターをかけられる

  • sleeping hoursごとに分けることができる。：9時間以上寝ていると病気の人？

  • 色相でストレス自体を分ける

  • 年齢を位置でわけてる（年代ごとに）

  • ストレスの大きさをサイズで表現している

  • 縦の位置は家庭的なこと→個人的なことに分けられている

  • 色相関を利用してレインボーカラーになっている

History of Crayola Colors

  1. story

  • 昔は原色のはっきりしたクレヨンが多かったが、だんだん薄い色合いも採用されてきているようになった？

  1. design

  • 生産中止になったものやまだ現役のクレヨンをハイライトすることができる

  1. technique

  • Box of Colorsをクリックすると、そのクレヨンの詳細を見ることができて素晴らしい。クレヨンの衰退がよくわかる

#### 解説

  • 下の方へ行けば行くほど新しい色になっている

  • 廃盤になったカラーも含め、Creyolaにとってのカラーの歴史がわかる

  • 曖昧じゃない色は昔から今もある

  • 似たようなあいまいな色は廃盤になっている

  • たくさん新しい色を出したタイミングがわかる：縦の長さもインパクトがある。

  • 色の流行り廃りがわかる

  • 色相、位置、長さ、形状がすごくよく考えられたvisualization

  • 今も残っている色、廃盤になった色がハイライトされる

  • 見た目フィルターっぽいのでハイライトだとわかるようにするともっと良くなる

  • clayolaの色も、押すことに気づけるかどうか

  • 横の長さが時系列なのかわかりにくいので上に置いてもよい？

    • あんまり綺麗じゃなくなる？

  • 意思をもって、なぜこのようにしているのか説明できるようなvizにすることが必要

おわりに

  • Data Literacy Workshopとは

  • データを見る人にデータを見ることの重要性を理解してもらう

  • Data Literacyの基礎を学習

  • CreatorとViewerに参加してもらう（一緒に参加してもらうと効果が高い）

データを見る人、見せる人が相互に、齟齬なく、Visual Analyticsを活用してコミュニケーションできる世界を目指したい

この記事が気に入ったらサポートをしてみませんか？