Δεν είναι ρεαλιστικό να αναμένουμε ότι τα εργαλεία και οι τεχνικές απεικόνισης δεδομένων θα αποκαλύψουν έτοιμες ιστορίες από τα σύνολα δεδομένων. Δεν υπάρχουν κανόνες, δεν υπάρχει καποιο "πρωτόκολλο" που θα μας εγγυηθεί μια ιστορία. Αντ 'αυτού, νομίζω ότι είναι πιο λογικό να ψάξετε για «ιδέες», οι οποίες μπορούν να μεταμορφωθούν σε ιστορίες στα χέρια ενός καλού δημοσιογράφου.

Κάθε νέα απεικόνιση είναι πιθανό να μας δώσει κάποιες πληροφορίες σχετικά με τα δεδομένα μας. Μερικές από αυτές τις ιδέες μπορεί να είναι ήδη γνωστές (αλλά ίσως να μην έχουν ακόμη αποδειχθεί), ενώ άλλες ιδέες μπορεί να είναι νέες ή ακόμα να αποτελούν έκπληξη για εμάς. Ορισμένες νέες ιδέες μπορεί να σημαίνουν την αρχή μιας ιστορίας, ενώ άλλες θα μπορούσαν να είναι το αποτέλεσμα σφαλμάτων στα δεδομένα, τα οποία είναι πιο πιθανό να βρεθούν από την απεικόνιση των δεδομένων.

Θεωρώ ότι η εικόνα 5-4 και το υπόλοιπο αυτής της ενότητας θα σας βοηθήσουν να γίνετε πιο αποτελεσματικοί στην αναγνώριση ιδεών μέσα από τα δεδομένα.

Η αναζήτηση των εργαλείων δεν είναι εύκολη. Κάθε εργαλείο απεικόνισης είναι καλό σε κάποια στοιχεία. Η απεικόνιση και η επεξεργασία των δεδομένων θα πρέπει να είναι εύκολη και φθηνή. Εάν χωρίσετε τις διάφορες εργασίες σε διαφορετικά εργαλεία τότε θα πρέπει να εισάγετε και να εξάγετε δεδομένα πολύ συχνά. Εάν η αλλαγή των παραμέτρων για να απεικονίσετε τς δεδομένα σας παίρνει χρόνο, τότε δεν θα πειραματιστείτε αρκετά. Αυτό δεν σημαίνει απαραίτητα ότι δεν χρειάζεται να μάθετε πώς να χρησιμοποιείτε το εργαλείο. Αλλά από τη στιγμή που το μάθετε, θα πρέπει να είναι πραγματικά αποτελεσματικό.

Είναι χρήσιμο να επιλέξετε ένα εργαλείο που καλύπτει τόσο την επεξεργασία των δεδομένων καθώς και την απεικόνισή τους. Ο διαχωρισμός των εργασιών στα διάφορα εργαλεία σημαίνει θα πρέπει να εισάγετε και να εξάγετε δεδομένα πολύ συχνά. Παραθέτω μια σύντομη λίστα με μερικά εργαλεία απεικόνισης και επεξεργασίας των δεδομένων.

Οι απεικονίσεις στην επόμενη ενότητα δημιουργήθηκαν χρησιμοποιώντας R, η οποία είναι ένα είδος Ελβετικό σουγιά (επιστημονικής) απεικόνισης των δεδομένων.

Ας ρίξουμε μια ματιά στην βάση δεδομένων για την αμερικανική προεδρική εκστρατεία οικονομικών, το οποίο περιέχει περίπου 450.000 συνεισφορές στις προεδρικές υποψηφιότητες των ΗΠΑ. Το αρχείο CSV είναι 60 megabytes και πάρα πολύ μεγάλο για να το χειριστεί κάποιος εύκολα σε ένα πρόγραμμα όπως το Excel.

Ως πρώτο βήμα θα γράψω ρητά τις αρχικές υποθέσεις μου για τα δεδομένα των συνεισφορών:

Για να δοθεί απάντηση στο πρώτο ερώτημα, πρέπει να μετατρέψουμε τα δεδομένα. Αντί για κάθε μεμονωμένη συνεισφορά, θα πρέπει να συνοψίσουμε ως προς τα συνολικά ποσά που δώθηκαν σε κάθε υποψήφιο. Μετά την απεικόνιση των αποτελεσμάτων σε ταξινομημένο πίνακα, μπορούμε να επιβεβαιώνουν την υπόθεσή μας ότι στον Ομπάμααντιστοιχούν τα περισσότερα χρήματα:

Ακόμα κι αν αυτός ο πίνακας δείχνει τα ελάχιστα και μέγιστα ποσά και την σειρά τους, δεν παρέχει πολλές πληροφορίες για πιθανά πρότυπα στην κατάταξη των υποψηφίων. Η εικόνα 5-7 αποτελεί μια άλλη απεικόνιση των στοιχείων, είναι ένας τύπος γραφήματος που ονομάζεται «dot chart», στo οποίo μπορούμε να δούμε ό,τι εμφανίζεται στον πίνακα και επιπλέον τα μοτίβα εντός του πεδίου. Για παράδειγμα, το dot chart μας επιτρέπει να συγκρίνουμε άμεσα την απόσταση μεταξύ Obama και Romney, και μεταξύ Romney και Perry, χωρίς να χρειάζεται να αφαιρέσετε τις τιμές. (Σημείωση: το dot chart δημιουργήθηκε χρησιμοποιώντας R. Μπορείτε να βρείτε συνδέσμους για τον πηγαίο κώδικα στο τέλος αυτού του κεφαλαίου).

Τώρα, ας προχωρήσουμε με μια μεγαλύτερη εικόνα του συνόλου δεδομένων. Ως πρώτο βήμα, απεικόνησα όλα τα συνεισφερόμενα ποσά κατά την πάροδο του χρόνου σε ένα απλό γράφημα. Μπορούμε να δούμε ότι σχεδόν όλες οι δωρεές είναι πολύ μικρές σε σύγκριση με τρεις ακραίες τιμές. Περαιτέρω έρευνα αποκαλύπτει ότι οι τεράστιες εισφορές που προέρχονται από την “χρηματοδότηση της νίκης του Obama 2012” (επίσης γνωστή και ως Super PAC) και πραγματοποιήθηκαν στις 29 Ιουλίου ($450k), στις 29 Σεπτεμβρίου ($1.5mio) και στις 30 Δεκεμβρίου ($1.9mio).

Ενώ οι εισφορές μόνο από το Super PAC είναι αναμφίβολα οι μεγαλύτερες στην ιστορία των δεδομένων, θα ήταν επίσης ενδιαφέρον να δούμε πέρα από αυτό. Το θέμα τώρα είναι ότι οι μεγάλες συνεισφορές αλλοιώνουν την άποψή μας για τις μικρότερες εισφορές που προέρχονται από ιδιώτες, έτσι θα τις αφαιρέσουμε από τα δεδομένα. Αυτός ο μετασχηματισμός είναι κοινώς γνωστό ως αφαίρεση ακραίων τιμών. Μετά την απεικόνιση των δεδομένων, μπορούμε να δούμε ότι οι περισσότερες κειμένονται στο φάσμα των $ 10k και - $ 5K.

Σύμφωνα με τα όρια συμβολής που τοποθετούνται από τον FECA, οι ιδιώτες δεν επιτρέπεται να δωρίσουν περισσότερα από $ 2.500 σε κάθε υποψήφιο. Όπως βλέπουμε στο γράφημα, υπάρχουν πολλές δωρεές που γίνονται πάνω από το όριο. Ειδικότερα, δύο μεγάλες εισφορές μπορούν να προσελκύσουν την προσοχή μας. Φαίνεται ότι καθρεφτίζονται στα αρνητικά ποσά (επιστροφές) τον Ιούνιο και τον Ιούλιο. Η περαιτέρω έρευνα στα δεδομένα αποκαλύπτει τις ακόλουθες συναλλαγές:

Ποιο είναι το ενδιαφέρον σχετικά με αυτούς τους αριθμούς; Τα 30.800 δολαρία που επιστρέφονται στην Cynthia Murphy ισούται με το μέγιστο ποσό που μπορούν οι ιδιώτες να δώσουν στις εθνικές επιτροπές των κομμάτων ανά έτος. Ίσως ήθελε να συνδυάσει σε μία συναλλαγή και τις δωρεές, η οποία τελικά απορρίπτεται. Το $ 25.800 που επιστρέφονται στον Stephen James Davis ισούται με, ενδεχομένως, τα $ 30,800 μείον τα $ 5.000 (το όριο συμμετοχής σε οποιαδήποτε άλλη πολιτική επιτροπή).

Ένα άλλο ενδιαφέρον εύρημα στο τελευταίο γράφημα είναι η οριζόντια γραμμή μοτίβο για τις εισφορές των Ρεπουμπλικάνων υποψηφίων στα $ 5000 και - $2.500. Για να το παρατηρήσετε με περισσότερες λεπτομέρειες, απεικόνησα μόνο τις Ρεπουμπλικανικές δωρεές. Το γράφημα που πραράγεται είναι ένα εξαιρετικό παράδειγμα μοτίβων στα δεδομένα που θα είναι αόρατα χωρίς την απεικόμιση των δεδομένων.

Αυτό που μπορούμε να δούμε είναι ότι υπάρχουν πολλές δωρεές των $ 5.000 σε Ρεπουμπλικανούς υποψηφίους. Πράγματι, μια ματιά στα στοιχεία αποκαλύπτει ότι πρόκειται για 1243 δωρεές, οι οποίες αποτελούν μόλις το 0,3% του συνολικού αριθμού των δωρεών, αλλά δεδομένου ότι οι δωρεές είναι ομοιόμορφα κατανεμημένες σε όλο τον χρονικό άξονα, έχει ως αποτέλεσμα την γραμμή που εμφανίζεται. Το ενδιαφέρον στοιχείο σχετικά με την γραμμή είναι ότι οι δωρεές από ιδιώτες περιορίστηκαν στα $ 2500. Κατά συνέπεια, κάθε δολάριο πάνω από το όριο επεστράφηκε στους δωρητές, που έχει ως αποτέλεσμα στην δεύτερη γραμμή μοτίβο στα- $ 2.500. Σε αντίθεση, οι συνεισφορές προς τον Μπαράκ Ομπάμα δεν δείχνουν παρόμοια τάση.

Έτσι, θα ήταν ενδιαφέρον να μάθουμε γιατί χιλιάδες των Ρεπουμπλικανών δωρητών δεν πρόσεξαν το όριο δωρεάς για τους ιδιώτες. Για να αναλύσει περαιτέρω αυτό το θέμα, μπορούμε να εξετάσουμε τον συνολικό αριθμό των $ 5K δωρεών ανά υποψήφιο.

Φυσικά, αυτό είναι μια μάλλον διαστρεβλωμένη άποψη, δεδομένου ότι δεν λαμβάνει υπόψη τα συνολικά ποσά των δωρεών για κάθε υποψήφιο. Το επόμενο διάγραμμα δείχνει το ποσοστό των $ 5K δωρεών ανά υποψήφιο.

Συχνά, μια τέτοια οπτική ανάλυση ενός νέου συνόλου δεδομένων μοιάζει με ένα συναρπαστικό ταξίδι σε μια άγνωστη χώρα. Ξεκινάτε ως ένας ξένος μόνο με τα δεδομένα και τις υποθέσεις σας, αλλάμε κάθε σας βήμα, με κάθε γράφημα που δημιουργείτε, αποκτάτε επιπλέον γνώση σχετικά με το θέμα. Με βάση αυτήν την γνώση, παίρνετε αποφάσεις για τα επόμενα βήματα σας και επιλέγετε τα θέματα που αξίζει να ερευνήσετε περαιτέρω. Όπως ίσως έχετε διαπιστώσει σε αυτό το κεφάλαιο, η διαδικασία της απεικόνισης, την ανάλυσης και τη μετατροπής των δεδομένων θα μπορούσε να επαναλαμβάνεται συνέχεια.

Όλα τα διαγράμματα που εμφανίζονται σε αυτό το κεφάλαιο δημιουργήθηκαν χρησιμοποιώντας το εξαιρετικό και ισχυρό λογισμικό «R». Η R δημιουργήθηκε κυρίως ως επιστημονικό εργαλείο απεικόνισης, σχεδόν οποιαδήποτε απεικόνιση ή επεξεργασία δεδομένων είναι ήδη ενσωματωμένη σε αυτήν. Για όσους ενδιαφέρονται για την απεικόνιση και την επεξεργασία των δεδομένων χρησιμοποιώντας την R, παρατίθεται ο πηγαίος κώδικας με τον οποίο δημιουργήθηκαν τα διαγράμματα σε αυτό το κεφάλαιο:

Υπάρχει επίσης μια μεγάλη ποικιλία από βιβλία και tutorials διαθέσιμα.

— Gregor Aisch, Open Knowledge Foundation