Este documento fornece uma introdução aos fundamentos e técnicas de visualização de dados. Ele discute objetivos da visualização de dados, história, componentes, como nosso cérebro processa informações visuais, princípios de percepção visual e aplicações. O documento resume os principais pontos sobre como visualizar dados de forma eficaz para contar histórias e comunicar informações de maneira que possam ser compreendidas.
Vizualização de dados Fundamentos e Técnicas Aula 1.pdf
1. TEMA: VISUALIZAÇÃO DE DADOS
FUNDAMENTOS E TÉCNICAS
Autor – Celso G. Van-Dúnem Paquete
MD, Analytics
2. Objectivos
1. Capacitar os técnicos com conhecimentos básicos sobre
visualização de dados;
2. Fornecer bases para uso e aplicações da apresentações de dados;
3. Instruir como enquadrar a visualização de dados como uma
actividade de comunicação
4. Capacitar sobre a arte de compartilhar graficamente uma história
de dados com um público.
5. Apresentar os diferentes tipos de gráficos básicos e como podem
ser usados para exibir diferentes tipos de relacionamentos de
dados.
3. Sumário
• O Método Estatístico
• Introdução
• História
• Visualização de Dados
• Componentes das visualização de dados
• Sumarização
• Percepção visual
• Atributos Pré-atenciosos
• Princípios De Percepção Da Gestalt
• Processo de Design de Visualização de Dados
• Teoria das cores para visualização de dados
• Bibliografia e Links úteis
4. O método estatístico
Identificação
do Problema
Recolha de
dados
Critica dos
dados
Apresentação
dos dados
Análise e
interpretação
Os dados colectados devem ser organizados em tabelas que facilitem
a visualização e o cálculo de medidas estatísticas. As tabelas podem
ser representadas por meio de gráficos que permitem um exame
ainda mais rápido e fácil dos resultados da pesquisa
Assim, realizadas as fases anteriores (Estatística Descritiva),
fazemos uma análise dos resultados obtidos, através dos
métodos da Estatística Indutiva ou inferencial,
5. Introdução
• Os profissionais são frequentemente encarregados de comunicar
dados aos tomadores de decisão.
• Mesmo o consumidor de dados mais sofisticado pode se beneficiar
de visualizações claras para promover o uso de dados para a tomada
de decisões.
• A visualização de dados é uma ferramenta chave para o uso de dados.
• A visualização de dados é exactamente a representação de dados em
um formato gráfico.
• O objectivo da visualização é simplificar o valor dos dados, promover
a compreensão sobre eles, e comunicar conceitos e ideias
importantes.
6. História
Gráfico de pizza do
Breviário Estatístico de
Playfair (1801), mostrando
as proporções do Império
Turco localizado na Ásia,
Europa e África antes de
1789
Gráfico de barras com as
importações e exportações da
Escócia de e para 17 países em
1781. "Este gráfico de barras
foi a primeira forma gráfica
quantitativa,
Gráfico de séries
temporais da balança
comercial de Playfair,
publicado em
seu Atlas Comercial e
Político , 1786
William Playfair Nasceu 22
de Setembro de 1759
Escócia.
Morreu 11 de Fevereiro
de 1823 (63 anos) Londres
Conhecido por inventor
dos gráficos estatísticos.
Atlas em Londres em 1786
que continha 43 gráficos
7. História
A Carte Figurativa de Charles Joseph Minard ilustra fatos relacionados
à invasão francesa da Rússia em 1812
Charles Joseph Minard foi
um engenheiro civil francês
reconhecido por sua
significativa contribuição no
campo da informação
gráfica em engenharia civil
e estatística.
8. História – Gráficos (1781) São mais antigos
Terceira Geração (1965-1975)
Interface gráfica
Smalltalk sendo executado, em 1979
Lisa OS, da Apple, lançado em 1983
Primeira versão do Microsoft Windows 1983
Em 1985, a Microsoft criou o Excel para o Mac
Em 1987, foi lançada a primeira versão para Windows, a 2.0.
9. História
Edward Rolf Tufte um dos especialistas originais em visualização de dados, nasceu
em 1942 (80 anos) em Kansas City
Em 1975, Desenvolveu um conjunto de leituras e palestras sobre gráficos
estatísticos, que desenvolveu em seminários conjuntos que ministrou com o
renomado estatístico John Tukey , pioneiro na área de design de informação.
A escrita de Tufte é importante em áreas como design de informação e alfabetização
visual , que lidam com a comunicação visual da informação. Ele cunhou a palavra
chartjunk para se referir a elementos inúteis.
John Wilder Tukey Nasceu (16 de Junho de 1915) Massachusetts , EUA e Morreu
26 de Julho de 2000 (85 anos) Nova Jersey , EUA, Ele também contribuiu para a
prática estatística e articulou a importante distinção entre análise exploratória de
dados e análise confirmatória de dados.
10. Visualização de dados
• É vagamente definido como o processo de representação visual de dados.
• É uma maneira de comunicar ideias complexas de forma rápida e clara para
que as pessoas entendam seu significado.
• É apresentar ideias complexas de forma simples para contar visualmente uma
história.
• A visualização de dados muda o equilíbrio para um maior uso da percepção
visual.
• As pessoas só podem lembrar de 4 a 7 informações por vez em nossa
memória de curto prazo.
• Podemos aproveitar a percepção visual para ajudar nossos cérebros a
interpretar informações antes que nosso cérebro pensante acione sua
memória de curto prazo.
11. Pensamentos errados na visualização de dados
1. A visualização de dados é principalmente sobre design
gráfico.
2. É possível enviar uma grande quantidade de dados em
tabelas para um designer gráfico, que criará uma
visualização bem-sucedida.
3. O designer gráfico participa mais do que na componente
de forma para fornecer beleza e estrutura.
4. A forma e a beleza por si só não faz uma visualização eficaz.
12. Componentes das visualização de dados
Visualização de dados
Forma
Para fornecer beleza e
estrutura
Integridade
Fornecida por
especialistas no assunto,
analistas e equipe local.
Eles verificam que a história
que está sendo contada é, de
fato, a realidade, e que a
visualização, embora bonita,
não está distorcendo a
precisão dos dados.
Interesse
Especialistas podem
ajudar a identificar
classificando os fatos
menos relevantes em
busca de uma história
convincente
Funcionalidade
Se sua visualização não
puder ser usada pelo
público-alvo, não vale a
pena fazê-la.
Embora você não consiga desempenhar todas as
funções acima, ter um entendimento comum dos
princípios básicos de uma boa visualização de dados
é fundamental para garantir que seu produto final
seja bem-sucedido
13. Como nosso cérebro vê
• Os princípios de visualização de dados são
baseados na ciência da percepção e cognição –
entendendo como nossos cérebros vêem.
• O cérebro humano é capaz de processar
informações visuais mais rapidamente do que
informações verbais.
• Dada a grande quantidade de informações e
dados disponíveis, podemos contar uma história
convincente mais rápida mente com um visual
do que com texto.
• Os métodos tradicionais de análise e
apresentação requerem pensamento consciente
para quase todo o trabalho de compreensão.
14. Como nosso cérebro vê - Sumarização
• O cérebro humano não tem condições de processar tanta informação.
E o volume de dados gerados, mesmo em uma única empresa, e
impossível de ser compreendido por seres humanos, caso não seja
devidamente sumarizado.
• A sumarização é agora uma habilidade fundamental para qualquer
profissional, principalmente profissionais que trabalham com analise
de dados.
• Sumarizar os dados é apresentar informação relevante para os
tomadores de decisão é uma arte e, como tal, precisa ser
constantemente praticada e desenvolvida.
15. Sumarização de dados- Resumindo dados
• É a ciência e a arte de transmitir informações de forma mais eficaz e
eficiente, é tipicamente numérica, visual ou uma combinação dos
dois, é parte integrante da análise exploratória de dados.
• É uma habilidade chave na análise de dados - usamos para fornecer
insights tanto para os outros quanto para nós mesmos.
• O termo Sumarização de Dados pode ser definido como a
apresentação de um resumo/relatório dos dados gerados de forma
compreensível e informativa. Para transmitir informações sobre o
conjunto de dados, a sumarização é obtida de todo o conjunto de
dados.
16. Como nosso cérebro vê
A percepção visual (ou seja, ver)
É manipulada pelo córtex visual
localizado na parte posterior do
cérebro e é extremamente rápida
e eficiente. Vemos imediatamente,
com pouco esforço.
A cognição (ou seja, o
pensamento)
É tratada principalmente pelo
córtex cerebral na parte frontal do
cérebro e é muito mais lenta e
menos eficiente do que a
percepção visual.
17. Percepção visual e Cognição consciente
• A percepção visual refere-se às habilidades cognitivas visuais que nos
permitem processar e interpretar o significado da informação visual
que obtemos através da visão.
• Em suma, a percepção visual está vendo, e em contraste com a
cognição ou o pensamento.
• A cognição consciente é o processo de dar sentido activamente aos
padrões.
• Depois que a entrada visual atinge a retina, a informação flui para o
cérebro, onde informações como forma, cor e orientação são
processadas em apenas 13 milissegundos. Isso é conhecido como
processamento pré -atentivo (PaP).
20. Percepção visual
• A percepção visual desempenha um papel importante na visualização de dados.
• Compreender esse conceito ajudará você a criar visualizações que aproveitam o
poder de processamento do nosso cérebro para identificar os principais pontos
de dados, tendências e histórias.
Atributos pré atentivos
Cor Tamanho Forma
Posição
espacial
Princípios da Gestalt de
Percepção
proximidade Similaridade Fechamento
21. O processamento visual pré-atentivo
• Ocorre automaticamente no cérebro antes da percepção consciente e
da cognição.
• O processamento pré-atencioso nos permite entender os gráficos
antes mesmo de acessar os quatro a sete bits de informação que
podem ser armazenados em nossa memória de curto prazo.
• Os atributos pré-atentivos ilustrados abaixo são reconhecidos através
da percepção visual antes do início do processamento cognitivo.
• Muitos deles são fáceis de integrar em um gráfico ou visualização
28. Princípios da Gestalt de Percepção
• Enquanto os atributos pré-atenciosos ilustram como os itens podem ser
destacados, os princípios de percepção da Gestalt ilustram como nossos
cérebros veem os itens como relacionados ou agrupados.
• Os princípios de percepção da Gestalt ilustram como nossos cérebros
vêem os itens como relacionados ou agrupados para demonstrar uma
relação ou correlação entre diferentes pontos de dados.
29. Princípios da Gestalt de Percepção
• Esses princípios podem ser ilustrados mostrando proximidade,
similaridade e fechamento, entre outros.
• Gestalt significa essência ou forma de um objecto, Estudos da psicologia
que tiveram início na década de 20 sobre a nossa capacidade visual de
reconhecimento de figuras ao invés de simples colecções de linhas e
formas
31. Princípios da Gestalt de Percepção - LEI DA SIMILARIDADE
• A mente agrupa elementos similares em entidades colectivas
• Esta similaridade pode ser baseada em forma, cores, tamanho ou
brilho
32. Princípios da Gestalt de Percepção - LEI DA PROXIMIDADE
• Proximidade espacial ou temporal de elementos induz a mente a
percebê-los colectivamente
• Características mais próximas são mais rapidamente associadas
33. Aplicações de visualização de dados
• Embora o primeiro passo para tomar uma decisão baseada em
evidências seja ter os dados, esses dados precisam estar acessíveis
aos tomadores de decisão reais.
• Os tomadores de decisão devem ser capazes de entender e
interpretar os dados e vinculá-los ao seu contexto.
• Outras aplicações de visualizações de dados incluem vídeos, jogos e
outros recursos multimídia.
• Muitas vezes, esses aplicativos são criados a partir de uma série de
infográficos estáticos, animações e outras abordagens multimídia
para capturar a história nos dados.
34. Aplicações de visualização de dados
Tabelas e gráficos tradicionais
podem ser úteis para relatórios e para contar uma
história de dados específica. Gráficos e tabelas são
frequentemente criados em programas como o Excel.
Gráficos estático e gráficos não permitem que você
manipule ou exiba seus dados de forma exclusiva, mas
são óptimas ferramentas para mostrar tendências e
outras mudanças ao longo do tempo ou entre
categorias.
Os mapas
contam uma história geográfica: como a disponibilidade
de serviços varia de acordo como local, como o
ambiente influencia a saúde e como a saúde de uma
população varia de acordo coma região, residência
urbana/rural ou até mesmo a proximidade de estradas.
Mapas nos níveis nacional, sub nacional e local são úteis
e podem ser criados em software GIS ou usando uma
variedade de ferramentas online.
Os infográficos
usam uma série de gráficos, incluindo gráficos, tabelas,
ilustrações e muito mais, para transmitir visualmente
uma história. Eles podem ser desenhados manualmente
e normalmente envolvem um designer gráfico. Os
Infográficos de hoje geralmente são criados em um
computador e combinam vários pontos de dados e
ilustrações para contar uma história maior, podendo
combinar informações qualitativas e quantitativas
Sites interactivos
Apresentam dados quantitativos e são gerados por
software, e incluem dashboards para dados de
projectos. Gráficos interactivos geralmente podem ser
ajustados e alterados com esforço limitado e também
podem ser incorporados em programas como Excel e
Tableau, além de serem hospedados na web
35. Processo de Design de Visualização de Dados
• As quatro etapas principais necessárias para criar uma visualização de dados eficaz:
Processo
de
Design
de
Visualização
de
Dados
1 - Entendendo nosso público/Identificando
o audiência e o contexto
Avalie seu público
Público-alvo: números e conhecimento
técnico
Personalizando visualizações para diferentes
públicos
Compreender as necessidades de dados de
diferentes públicos
2 – Encontre a História nos dados
Etapa 1: revisar os dados disponíveis
Etapa 2: procurando sua história de dados
(padrões e tendências)
Etapa 3: resumir e chamar à acção
36. Processo de Design de Visualização de Dados
• As quatro etapas principais necessárias para criar uma visualização de dados eficaz:
Processo
de
Design
de
Visualização
de
Dados
3 – Construa a visualização
escolhendo o tipo de gráfico
Escolhendo o gráfico certo para
nossos dados
Barra
Pizza
Dispersão
Construindo nossa visualização:
melhores práticas
Legível
Fácil de entender
Eficiente e Simples
Honesto
4 – Dissemine, partilhe e use a
sua visualização de dados
Visualizando com uma equipe
37. Entendendo nosso público
• O primeiro passo em qualquer actividade de comunicação é avaliar
seu público.
• Muitas visualizações de dados não são bem-sucedidas porque não
atendem às necessidades de seu público.
• A visualização de dados é uma estratégia de comunicação.
• Portanto, uma avaliação do seu público deve vir antes de qualquer
pensamento sobre como fazer gráficos.
• Muitas vezes, ficamos tão empolgados com nossos dados que
começamos a fazer gráficos imediatamente, antes de considerarmos
nosso público e como os dados serão usados.
38. Factores de avaliação de público que são mais relevantes para
a visualização de dados.
Alfabetização
Se seu público não for altamente
alfabetizado, certifique-se de confiar em
símbolos, ilustrações e outros elementos
universalmente compreendidos.
Alfabetização numérica
Não assuma que todos estão confortáveis
com dados e matemática. Eles entendem
percentagens? Índices? Eles entendem os
intervalos de confiança e as razões? Esses
conceitos precisam ser explicados?
Conforto com tecnologia e formatos
gráficos
Nem todos podem olhar para um gráfico de
dispersão e interpretá-lo instantaneamente,
ou um dashboard. Há públicos com menos
conforto com a tecnologia e menos
exposição a certos formatos.
Nível de Conhecimento Técnico
Simplifique sua mensagem e defina termos
e conceitos-chave para públicos menos
técnicos e forneça mais detalhes e pontos
técnicos para aqueles com níveis mais altos
de especialização.
Função de trabalho
Sua visualização de dados é voltada para
gerentes de programas ou formuladores de
políticas? Financiadores, profissionais de
saúde, académicos ou o público em geral?
A função de trabalho não apenas indicará
como o público pode usar os dados, mas
também sugerirá o formato de visualização
que funcionará melhor.
Contexto
O que esse público espera fazer com os
dados? Eles esperam ver algum resultado
específico? Há implicações políticas?
39. Público-alvo: numeramento e conhecimento técnico
• A numeracia e o conhecimento técnico são componentes essenciais
de uma avaliação de público para uma visualização de dados.
• Uma visualização de dados é inútil se seu público não entender os
dados, termos técnicos ou conceitos que estão sendo comunicados.
• Se nosso público for um pesquisador populacional em nível de
doutorado ,podemos supor com segurança o seguinte:
1. Ela tem alta numeracia e um alto nível de conhecimento técnico.
2. Ela responderia bem ao explorar todo o nosso conjunto de dados, talvez por
meio de um painel online.
3. Se dermos a ela um relatório impresso, gostaríamos de incluir tabelas
bastante detalhadas e poderíamos confiar muito em termos de indicadores
técnicos.
40. Público-alvo: numeramento e conhecimento técnico
• Se nosso público for um formulador de políticas preocupado
com o crescimento populacional em seu país, o caso pode
ser diferente:
1. Limitamo-nos a uma visualização bastante simples que
pudéssemos partilhar num pequeno documento impresso.
2. Precisaríamos evitar jargões e termos técnicos, e ficar com um
tipo de gráfico que fosse familiar para a maioria do público em
geral.
3. Podemos nos concentrar em percentagens e números
populacionais em vez de taxas decrescimento.
41. Encontrando nossa história
Etapa 1: revisar os dados disponíveis
• Onde começar? Em um conjunto de dados de exemplo, temos dados
de população nacional.
• Os diferentes indicadores fornecem diferentes perspectivas sobre a
população:
1. População total
2. Distribuição da população por idade (por exemplo, % da população de 0-14
anos de idade, % 15-64 e% 65+)
3. População que vive em uma área urbana
4. Densidade populacional
42. Encontrando nossa história
Etapa 2: procurando sua história de dados
• Se você tem um conjunto de dados, é provável que você tenha
algumas hipóteses sobre quais resultados você pode encontrar.
• Ao navegar em seu conjunto de dados ou tabelas, fique atento às
diferentes características ao analisar as informações à sua frente.
• Mas não se limite às suas expectativas: as surpresas geralmente são
as melhores histórias de dados.
• Quando houver um padrão ou tendência inesperado, observe-o.
• E se você espera ver um padrão ou tendência, mas não vê, essa
também é uma boa história.
43. Encontrando nossa história
Etapa 2: procurando sua história de dados
• Pode haver certos padrões e tendências que você espera ver ou uma
pergunta que você deseja responder.
1. Os padrões - acontecem de forma regular e repetida e, nos dados, muitas vezes
indicam que dua scoisas estão relacionadas.
2. As tendências - mostram mudanças ao longo do tempo.
3. Os intervalos - mostram a diversidade ou dispersão de um indicador
4. As comparações - contrastam dois ou mais pontos de dados
• Se você tiver um grande conjunto de dados, tente classificar seus dados de
maneiras diferentes para ver os padrões surgirem.
• Trabalhe com tabelas e gráficos para ver relacionamentos, tendências e
padrões. Este é o primeiro passo para encontrar sua história de dados.
44. Encontrando nossa história
Etapa 3: resumir e chamar à acção
• Depois de encontrar uma história em seus dados, é hora de aprimorar
sua mensagem. Você deve ser capaz de resumir sua história em uma
mensagem-chave ou título.
• Exemplos: Vamos considerar algumas mensagens importantes que
poderíamos compartilhar:
45. Encontrando nossa história
Etapa 3: resumir e chamar à acção
1. Para um gestor de programa de saúde
no Malawi: Quase metade da
população do Malawi tem menos de 15
anos.
2. Para o Ministério da Saúde da Noruega:
15% da população norueguesa tem 65
anos ou mais.
3. Para o doador internacional que apoia
os programas de saúde para jovens:
Mais de 40% da população em Uganda,
Afeganistão, Mali, Zâmbia, Malawi,
República Democrática do Congo,
Ruanda, Nigéria, Etiópia, Senegal,
Libéria, Madagascar, Sudão do Sul,
Quênia e Iêmen é menores de 15 anos.
46. Encontrando nossa história
Etapa 3: resumir e chamar à acção
• Agora, o que você quer que seu público faça com
essas informações?
• Existe uma chamada para acção? Seja claro; não
espere que eles traduzam automaticamente os
dados que você fornece em uma etapa de acção.
1. Para um gerente de programa de saúde no
Malawi: Prepare-se para fornecer serviços
amigáveis aos jovens para uma população jovem
em crescimento.
2. Para o Ministério da Saúde da Noruega: Uma alta
proporção de cidadãos idosos precisará de
serviços.
3. Para o doador internacional que apoia os
programas de saúde para jovens: Os países
"jovens" têm uma grande necessidade de
programas de saúde focados nos jovens.
47. Construindo nossa visualização: escolhendo
nosso tipo de gráfico
• A escolha do gráfico certo começa com o conhecimento do tipo de
dados que queremos comunicar e qual é a nossa história de dados.
• Gráficos diferentes se destacam em contar diferentes tipos de
histórias.
• O objectivo de uma visualização de dados é ter um produto visual que
seja fácil e rapidamente compreendido pelo seu público.
48. Construindo nossa visualização: escolhendo nosso
tipo de gráfico perguntas importantes
O que você
deseja
mostrar?
Comparação
Por Item? Por Tempo?
Distribuição
Nº de
Variáveis?
Composição
Varia ao longo
do tempo?
Estática?
Relação
Duas
Variáveis?
Três Variáveis?
49. Construindo uma visualização: melhores práticas
1 - Legível - Uma visualização deve ser legível , ou seja, fácil de ver e ler
no gráfico ou tabela. Algumas dicas fáceis incluem o seguinte:
a) - O tamanho da fonte deve ser legível.
• Se o rótulo for importante o suficiente para ser incluído, certifique-se de que
as pessoas possam lê-lo sem uma lupa.
b) - As etiquetas devem ser horizontais, nunca inclinadas.
• Se você não tiver espaço em um gráfico de barras verticais, tente um gráfico
de barras horizontais.
• Ou considere descartar alguns rótulos se forem consecutivos.
• Se você estiver com pouco espaço em um gráfico de barras vertical, coloque
seus rótulos em um ângulo de 90 graus, não inclinado.
50. Construindo uma visualização: melhores práticas
2. Fácil de entender - O gráfico deve ser fácil de entender
a) Ordene suas categorias adequadamente
• Isso pode significar alfabeticamente, ou classificado do menor para o maior,
ou cronologicamente. As possibilidades são infinitas, mas certifique-se de que
a ordem faça sentido para sua história de dados.
b) Oriente sua legenda
• Se você estiver usando uma legenda, certifique-se de que a legenda esteja
orientada da mesma maneira que suas barras. Ou seja, se suas barras forem
da esquerda para a direita, a legenda deverá ler da esquerda para a direita, de
forma correspondente.
• Se você estiver usando um gráfico de barras horizontais, suas barras vão de
cima para baixo, então a legenda também deve ler de cima para baixo.
51. Construindo uma visualização: melhores práticas
3 - Eficiente e Simples
a) Espaçamento
• Para gráficos de barras, o espaçamento de barras é mais eficiente quando o espaço
entre as barras está entre ½ e 1 barra de largura.
b) Remova detalhes desnecessários:
• Talvez você não precise que seus dados sejam exibidos em um ponto decimal ou que
uma definição técnica completa seja incluída como um rótulo. Em vez de usar uma
legenda, rotule as linhas, fatias de pizza e barras de seu gráfico ou gráfico directamente
c) Remova a desordem:
• Linhas de grade, marcas de escala e o eixo y geralmente são desnecessários enão fazem
nada além de adicionar desordem.
• Se você estiver rotulando suas barras, talvez não precise do eixo y.
52. Construindo uma visualização: melhores práticas
4 - Honesto
• O gráfico deve representar com precisão os dados. Aqui estão algumas
dicas para manter seu gráfico honesto:
1. Comece seu eixo em zero Isso evita a distorção dos dados.
2. Não use 3-D Além de fornecer desordem desnecessária, o 3-D altera os
tamanhos percebidos dos objectos, fazendo com que pareçam maiores ou
menores do que a realidade.
53. Teoria das cores para visualização de dados
• A teoria da cor é o estudo da cor a partir de perspectivas científicas e
subjectivas para entender como ela influencia a percepção humana e
como pode ser utilizada para influenciar uma melhor tomada de
decisão em comunicação e design.
• A cor é um factor importante na criação de gráficos eficazes. Um bom
conjunto de cores destacará a história que você deseja que os dados
contem, enquanto um pobre irá esconder ou distrair o propósito de
uma visualização.
• Nosso cérebro vê as cores em termos de leveza (preto a branco),
saturação (fosco a brilhante) e matiz (vermelho, laranja, amarelo,
verde, azul, roxo).
54. A roda de cores ou Circulo cromático
• O espectro visível é comumente
dividido em seis cores principais:
1. Cores primárias: azul, vermelho e
amarelo.
2. Cores secundárias: verde, laranja e
roxo/violeta.
3. Cores terciárias: Vermelho-arroxeado,
Vermelho-alaranjado, Amarelo-
alaranjado, Amarelo-esverdeado, Azul-
esverdeado, Azul-arroxeado.
• A roda de cores é a organização de
cores primárias e secundárias (com ou
sem cores terciárias) em torno de um
círculo. Organizar as cores dessa
maneira ilustra as relações entre cada
uma, com as cores secundárias
localizadas entre as primárias e assim
por diante.
Albert Henry Munsell -
pintor americano - inventou
o sistema de cores
Munsell. Ivros - A Color
Notation (1905), Atlas of
the Munsell Color System
(1915) e postumo Color
Combinations de acordo
com o Munsell Color
System (1921).
Esfera de cores de Munsell,
1900.
56. Princípios da Teoria das Cores
Princípios da
Teoria das Cores
Anatomia de cores
Hue, Saturation e Lightness.
(Matiz ou Tonalidade, Saturação e
Luminosidade)
Harmonia de cores
A harmonia de cores refere-se ao
princípio de que certas cores,
quando usadas em combinação,
podem criar contraste ou coesão
visual.
Esquema de cores
Os esquemas de cores podem ser
repetidos para enfatizar a
semelhança ou contrastados para
diferenciar o que é importante do
que não é. Eles podem fazer uso
de saturação e leveza para ajudar
a representar graus de valor ou
intensidade – tudo isso ajuda a
criar hierarquia visual
57. Anatomia de cores
• A anatomia da cor engloba os vários aspectos que compõem a cor e
como a vemos. Esses aspectos são divididos em três partes: valores
Hue, Saturation e Lightness. (Matiz ou Tonalidade, Saturação e
Luminosidade)
58. Anatomia de cores
Anatomia de cores
Hue (Matiz ou Tonalidade)
Simplesmente se refere à cor ou
sombra com base em como é
percebida e processada.
Saturation (Saturação/Brilho)
Refere-se ao brilho de uma cor em
relação à área que ela ocupa. A
alta saturação produz cores
vibrantes, enquanto a baixa
saturação produz cores mais
opacas e brancas.
Lightness. (Luminosidade)
Está intimamente relacionada à
saturação, mas faz uso de matizes
e sombras – graus de preto e
branco – em vez do brilho de uma
cor.
59. Paleta de cores
• As paletas de cores são conjuntos de cores pré-seleccionadas
utilizadas de forma harmónica, visando passar alguma ideia para
quem visualiza, gerando assim a identidade visual de algo.
• Existem três tipos principais de paleta de cores para visualização de
dados:
1. Paletas qualitativas
2. Paletas sequenciais
3. Paletas divergentes
• O tipo de paleta de cores que você deve usar em uma visualização
depende da natureza dos dados mapeados para a cor. Determinar a
paleta de cores para seus dados exige que você pense no que está
tentando mostrar.
60. Paleta qualitativa
• Uma paleta qualitativa é usada quando a variável é de natureza categórica.
Variáveis categóricas são aquelas que assumem rótulos distintos sem ordenação
inerente.
• Em uma paleta qualitativa, as cores atribuídas a cada grupo precisam ser
distintas. Como regra geral, você deve tentar limitar o tamanho máximo da paleta
a 10 cores ou menos,
• A principal maneira de gerar distinção entre as cores é através de seus matizes.
Variações adicionais podem ser obtidas ajustando a luminosidade e a saturação
61. Paleta Sequencial
• Usada quando a variável atribuída a ser colorida é numérica ou possui
valores ordenados. As cores são atribuídas aos valores de dados em um
continuum, geralmente com base em matiz, luminosidade ou ambos. Em
dados contínuos, geralmente faz sentido usar intensidade crescente ou
saturação de cor para indicar valores maiores.
• Normalmente, valores mais baixos estão associados a cores mais claras e
valores mais altos a cores mais escuras.
62. Paleta divergente
• Se nossa variável numérica tiver um valor central significativo, como
zero, podemos aplicar uma paleta divergente. Uma paleta divergente
é essencialmente uma combinação de duas paletas sequenciais com
um ponto final compartilhado situado no valor central.
63. Boas práticas para cores de visualização de dados
Boas
práticas 1 - Use cores para criar
associações
Verde claro para representar ambiente. As paletas de cores também podem criar
associações na mente do espectador.
2 - Use uma única cor para
mostrar dados contínuos
Na mesma linha, certifique-se de usar uma única cor em várias saturações (ou um
gradiente) para comunicar quantidades ou números de dados contínuos.
3 - Use cores contrastantes
para mostrar
comparação/contraste
Ao comparar ou contrastar duas métricas, o uso de cores contrastantes ajudará os
espectadores a intuir que você está diferenciando as duas.
4 - Use cores para destacar
informações importantes
Quando você está tentando destacar algo importante, uma cor brilhante ou saturada
pode ajudá-lo a se destacar. Você pode optar por usar cinza para variáveis menos
importantes e vermelho escuro ou laranja para a variável mais importante, por
exemplo. Ou você pode usar cores suaves para as menos importantes e uma cor
brilhante para as mais importantes.
5 - Não escolha cores que
não sejam facilmente
distinguíveis
Você quer que os espectadores possam interpretar os dados rapidamente. Por esse
motivo, as melhores cores para visualização de dados são facilmente distinguíveis.
6 - Não use muitas cores
Como o cérebro se esforça para processar muitas coisas diferentes ao mesmo tempo,
usar um conjunto de cores limitado em suas visualizações aumentará a velocidade do
insight.
7 - Não se esqueça da
acessibilidade
Nem todo mundo tem a mesma capacidade visual. Uma ampla gama de deficiências
de visão de cores pode afetar a capacidade de uma pessoa distinguir entre certas
cores.
64. Bibliografia
Givaldo Oliveira Dos Santos, Bioestatística, Instituto Federal de Educação,
Ciências e Tecnologia de Alagoas Departamento de Educação a Distância
Universidade Aberta do Brasil
Larson, Ron Estatística aplicada / Ron Larson, Betsy Farber ; tradução José
Fernando Pereira Gonçalves ; revisão técnica Manoel Henrique Salgado. -- São
Paulo : Pearson Education do Brasil, 2015.
Vieira, Sónia, 1942- Introdução à bioestatística [recurso electrónico)/ Sónia
Vieira. - Rio de Janeiro : Elsevier, 2011. 345 p., recurso digital;
Crespo, António Arnot Estatística fácil. - 19.ed. actual. - São Paulo : Saraiva, 2009.
Luz, José Gilvan da. Estatística, Aracaju : Gutemberg, 2010.
Elizabeth Reis, Estatística Descritiva, Edições Silabo, 7ª Edição Lisboa, 2008
Guimarães, Paulo Ricardo Bittencourt. Métodos quantitativos estatísticos 1.ed.
rev.. -Curitiba, PR : IESDE Brasil, 2012.
65. Bibliografia
1. PERCEPÇÃO VISUAL Profa. Raquel C. de Melo Minardi
https://homepages.dcc.ufmg.br/~raquelcm/material/aula2.pdf
2. Visualização de dados curso – OnlineBioinfo Bioinformática -
https://www.youtube.com/watch?v=7bwZLfQc5q0
3. Eduardo Tufte - https://en.wikipedia.org/wiki/Edward_Tufte
4. John Tukey - https://en.wikipedia.org/wiki/John_Tukey
5. Microsoft Power Bi Para Data Science - https://www.datascienceacademy.com.br
6. A história da interface gráfica - https://www.tecmundo.com.br/historia/9528-a-
historia-da-interface-grafica.htm
7. Chapter 5 Summarizing data - the basics - https://fri-
datascience.github.io/course_ids/handbook/summarizing-data-basics.html
8. Data Summarization in Data Mining Simplified 101 -
https://hevodata.com/learn/data-summarization-in-data-mining/
66. Bibliografia
1. Color Palette What Does Color Palette Mean? -
https://www.techopedia.com/definition/6547/color-palette
2. Paleta de cores: 4 ferramentas para você criar/gerar a sua -
https://www.alura.com.br/artigos/4-ferramentas-para-voce-criar-uma-paleta-de-cores-para-
seus-projetos
3. O Papel da Teoria das Cores na Visualização de Dados - https://www.revunit.com/post/the-
role-of-color-theory-in-data-visualization
4. How to Choose Colors for Your Data Visualizations - https://medium.com/nightingale/how-to-
choose-the-colors-for-your-data-visualizations...
5. How To Use Color In Data Visualization Color Theory Basics For Data Visualization -
https://multimedia.journalism.berkeley.edu/tutorials/data-visualization-color/
6. O que fazer e o que não fazer na teoria das cores para visualização de dados -
https://about.infogr.am/blog/color-theory-dos-and-donts-for-data-visualization/
7. picking the right colors - https://www.storytellingwithdata.com/blog/2020/5/6/picking-the-
right-colors
8. 7 Best Practices for Using Color in Data Visualizations -
https://www.sigmacomputing.com/blog/7-best-practices-for-using-color-in-data-
visualizations/
9. Albert Henry Munsell - -
https://en.wikipedia.org/wiki/Albert_Henry_Munsell#Munsell_color_theory
67. Sites para fazer cursos gratuitos com certificados gratuitos
• KULTIVI - https://app.kultivi.com/
68. Sites para fazer cursos gratuitos com certificados gratuitos
• KULTIVI - https://app.kultivi.com