數(shù)據(jù)可視化是少數(shù)幾個(gè) VR“布道者”非常喜歡說(shuō)道的利用虛擬現(xiàn)實(shí)可能產(chǎn)生變革的領(lǐng)域之一。但是究竟應(yīng)該如何做呢?現(xiàn)今的數(shù)據(jù)可視化領(lǐng)域又有什么問(wèn)題呢?本文對(duì)傳統(tǒng)的數(shù)據(jù)可視化的幾個(gè)具體問(wèn)題進(jìn)行挖掘，討論理解抽象信息方面的難題，并探討VR如何改變這一切。

本文原作者Evan Warfel，虛擬現(xiàn)實(shí)數(shù)據(jù)可視化公司 Kineviz 的項(xiàng)目經(jīng)理，曾經(jīng)任 HID 環(huán)球集團(tuán)數(shù)據(jù)科學(xué)家，畢業(yè)于U.C. Berkeley 的認(rèn)知科學(xué)專業(yè)。 工作之余，他還研究人類制定決策的過(guò)程問(wèn)題。

談?wù)摂?shù)據(jù)和虛擬現(xiàn)實(shí)的問(wèn)題有點(diǎn)像雞和蛋的問(wèn)題——如果不知道人們會(huì)如何使用 VR 數(shù)據(jù)工具，就很難設(shè)計(jì)良好的VR數(shù)據(jù)工具。話雖如此，但虛擬現(xiàn)實(shí)可以幫助我們提升概率思維、多維數(shù)據(jù)的可視化、高密度信息的展示、以及提供情境使人們更全面地理解問(wèn)題。

高維度數(shù)據(jù)的可視化

“圖像是優(yōu)秀數(shù)據(jù)分析的關(guān)鍵”——F.J.Anscombe

如果是二維或者一維數(shù)據(jù)集，相應(yīng)的可視化方法非常簡(jiǎn)單，使用圖或表格即可。

上面是著名的 Anscombe 四幅圖，其中每個(gè)數(shù)據(jù)集有著同樣的均值、相關(guān)系數(shù)、方差和***擬合線。

上面的每一個(gè)數(shù)據(jù)集中，X 的均值都是 9，Y 的均值都是 7.50，X 的方差都是 11，X 和 Y 的相關(guān)系數(shù)是0.816，***擬合線的方程都是 Y=3+5x。換句話說(shuō)，這四個(gè)數(shù)據(jù)集即使在實(shí)際看來(lái)，他們本身是完全不同的，但在統(tǒng)計(jì)意義上他們卻是相等的。然而這還是最簡(jiǎn)單的，因?yàn)槲覀冎惶幚砹硕S數(shù)據(jù)。

如果是三維數(shù)據(jù)，你會(huì)想當(dāng)然地使用三維圖像。但是如果是更高維度的數(shù)據(jù)呢?比如 Excel 表中很多行很多列的數(shù)據(jù)，你可能就無(wú)從下手了。實(shí)際上，超過(guò)三維的數(shù)據(jù)集都不可能在超三維空間中進(jìn)行可視化。

然而，還有其他表示維度的方法。比如說(shuō)，可以用一個(gè)三角形三邊的長(zhǎng)度來(lái)表示一個(gè)數(shù)據(jù)的三個(gè)維度。如果你愿意，你還可以在三角形中間標(biāo)注紅藍(lán)光譜或者明暗光譜中的顏色，這樣你就可以在一個(gè)可視化圖中展示五個(gè)連續(xù)維度。比較每一個(gè)三角形，你就可能發(fā)現(xiàn)一些異常或者一些隱藏模式和關(guān)系。這就是理論的原理所在。

Herman chernoff 在70年代發(fā)展了這種理論的變異形式，他不使用三角形的邊長(zhǎng)，他用卡通臉譜的不同特征來(lái)代表數(shù)據(jù)的不同維度(切爾諾夫臉)。

圖中顯示了 1977 年洛杉磯的生活狀況。四個(gè)臉部特征，加上地理分布和社區(qū)分布，這張圖顯示了一個(gè) 6維數(shù)據(jù)。

你的直覺(jué)應(yīng)該會(huì)不喜歡這種數(shù)據(jù)表示的方法，因?yàn)樗缓媒忉專雌饋?lái)有點(diǎn)愚蠢，也似乎有些種族歧視的意思。但是我建議你再好好觀察一下——你能看到貧窮和富裕之間的緩沖地帶嗎?

切爾諾夫臉應(yīng)用不夠廣泛的一個(gè)原因在于，它看起來(lái)過(guò)于卡通化(科學(xué)可是非常嚴(yán)謹(jǐn)?shù)模眠@種卡通臉?biāo)坪醪惶m合)。雖然切爾諾夫臉有著這樣的缺點(diǎn)，但是它強(qiáng)調(diào)了這樣一個(gè)事實(shí)：即是他們看上去很直觀，但是我們因?yàn)閷?duì)臉型和表情有太多經(jīng)驗(yàn)，所以對(duì)一個(gè)結(jié)構(gòu)化的臉的評(píng)論會(huì)有任意性。

看下面的圖片，Tim Cook 的臉的不同特征(比如眉毛的彎度)，可以代表 Apple 不同年份年的各種財(cái)務(wù)信息。

三個(gè) Tim Cook 臉的不同版本代表了 Apple 各年的財(cái)務(wù)信息。Tim Cook 的鼻子的寬度表示 Apple 的負(fù)債數(shù)量;Cook 嘴的開(kāi)合程度代表了每年的利潤(rùn);他眼睛的大小代表了每股收益;等等。

虛擬現(xiàn)實(shí)可以解決上述的一些問(wèn)題。除了這些臉型表示，還有一些“切爾諾夫類”的技術(shù)可以應(yīng)用于對(duì)物體的形狀、移動(dòng)、交互和分布的控制。比如，下圖這個(gè)桌子的性質(zhì)可以代表不同的數(shù)據(jù)維度：高度、桌面的面積、顏色、桌腿的長(zhǎng)度、桌子的光潔度、桌子的類型、污點(diǎn)的位置等等。如果你有一個(gè) 15 維的數(shù)據(jù)，你可以用不同因素的維度來(lái)控制你桌子的形態(tài)。

VR 的好處在于，它可以讓你通過(guò)直觀地比較兩個(gè)桌子的高度或者桌面的摩擦力系數(shù)的不同來(lái)理解其代表的因子維度的不同。一些實(shí)驗(yàn)表明，維度間的差別程度的不同可以帶來(lái)感知權(quán)重的不同。

另外，關(guān)于這種方法的研究已經(jīng)覆蓋到心理學(xué)和顏色感知的領(lǐng)域。研究者們花費(fèi)了大量時(shí)間測(cè)量人們?cè)诓煌闹X(jué)中如何感知微小和巨大的區(qū)別。換句話說(shuō)，借助 VR 和一些心理學(xué)知識(shí)，可以使人們理解復(fù)雜數(shù)據(jù)像逛宜家一樣簡(jiǎn)單。

高密度的圖像

由于一個(gè)數(shù)學(xué)史上不幸的意外，某種由點(diǎn)和連接線組成的東西也可以叫做圖像，比如下圖：

維基百科的力導(dǎo)向圖

圖中每個(gè)點(diǎn)代表了一個(gè)維基頁(yè)面，每條線代表著頁(yè)面間的聯(lián)系。

數(shù)據(jù)點(diǎn)之間抽象的關(guān)系用圖像表示是非常直觀的，尤其是在這些聯(lián)系的類型和數(shù)量十分重要的情況下。比如，下圖展示了酵母菌和釀酒酵母之間每個(gè)基因的關(guān)系。

左邊是一個(gè)代表一個(gè)酵母菌基因組的節(jié)點(diǎn)邊緣圖;右邊是基因的重要聚類圖

有趣的是，上面這些圖的內(nèi)部都非常復(fù)雜。如果你去查找“巴拿馬文件”的數(shù)據(jù)集，你會(huì)發(fā)現(xiàn)跟上面這些圖一樣，圖像中的連接線非常復(fù)雜。

事實(shí)是，大多數(shù)圖像會(huì)因?yàn)橹行牟糠种丿B在一起的復(fù)雜連接線而變得難以理解。但是我們最初是因?yàn)橐辞迨挛镩g的關(guān)系才使用這些圖像。

正如你可能想到的，三維圖像可視化能讓我們?cè)诶斫馍细尤菀住１热缦聢D是一個(gè)三維的可視化圖像，展示了大腦中不同的連接網(wǎng)絡(luò)。

然而，我們應(yīng)該發(fā)現(xiàn)，這些數(shù)據(jù)的可視化圖像仍然有過(guò)于密集的問(wèn)題。即使作圖者已經(jīng)使用算法把連接線整合在一起了，我們還是很難從圖像中明白對(duì)象之間究竟有怎樣的聯(lián)系。想象一下，如果你能夠走進(jìn)圖中的大腦里，那你可能更容易就能理解腦中到底發(fā)生了什么。

內(nèi)容提供式的數(shù)據(jù)可視化

請(qǐng)對(duì)比一下圖表：

兩張圖使用了同樣的數(shù)據(jù)，但***幅圖卻是 2015年最誤導(dǎo)人的圖表之一。

上面的圖表作為一張靜態(tài)圖像，其誤導(dǎo)性來(lái)自于它改變了數(shù)據(jù)的大小、形狀和比例。因?yàn)槲覀兛吹絻?nèi)容，會(huì)想到我們的日常體驗(yàn)。

使用虛擬現(xiàn)實(shí)進(jìn)行數(shù)據(jù)可視化的一大好處是，我們可以不用僅僅展示靜態(tài)表示圖，每一張VR表示圖都可以自動(dòng)變成一種體驗(yàn)。這意味著讀者可以根據(jù)自己的意愿來(lái)探索一張圖。

VR的拯救作用

當(dāng)然，VR 數(shù)據(jù)工具目前仍在初級(jí)階段。下面是三個(gè)例子，可以生動(dòng)地說(shuō)明我上文中提到的內(nèi)容。

CalcFlow

***個(gè)要介紹的是 Calcflow，這是加州圣迭戈分校的數(shù)學(xué)系研發(fā)了用于對(duì) 3D 數(shù)學(xué)概念的可視化工具。目前，它建立了一系列交互式展示，人們可以通過(guò)展示直觀地理解二重積分和粘性流體方程等問(wèn)題。你可以體驗(yàn)到 VR 的一些好處：可以改變觀察數(shù)據(jù)的尺寸，可以在數(shù)據(jù)中“穿梭”，是的數(shù)據(jù)更易理解。這種體驗(yàn)式的展示特點(diǎn)意味著用戶可以做出自己的調(diào)整，并觀察這些調(diào)整在多維中是如何改變結(jié)果的。

DeathTools

DeathTools 的數(shù)據(jù)可視化是將抽象的數(shù)字變成真實(shí)可觸知的世界，我們對(duì)這樣的可視化數(shù)據(jù)的理解則完全不同于原有的數(shù)字和圖像。比如，它將最近中東沖突中的累計(jì)死亡人數(shù)用尸體袋數(shù)量來(lái)表示，不同于查看柱狀圖，你仿佛真的站在成排的尸袋中，真實(shí)地體驗(yàn)戰(zhàn)爭(zhēng)的死亡人數(shù)。

正如 DeathTools 創(chuàng)始人 Ali Eslami 所說(shuō)：“我們的知識(shí)儲(chǔ)備中缺少一種感知大數(shù)字的能力。我們無(wú)法理解和接受大量的死亡。比如1、2、14、20、50 這種數(shù)字我們經(jīng)常會(huì)遇到，所以我們會(huì)理性地對(duì)他們形成一種思維模式。但是當(dāng)我們遇到 1000、10000、20000 時(shí)，這些數(shù)字的概念化會(huì)越來(lái)越難。但是我們?nèi)匀豢梢允褂萌粘Ｖ畜w驗(yàn)大尺寸物品的視覺(jué)模型來(lái)理解大數(shù)字的意義。”

Kineviz

最近，我正在 Kineviz 上使用VR基礎(chǔ)上的 3D 圖像工具。這個(gè)工具專門(mén)用來(lái)處理高信息密度數(shù)據(jù)的。并且，這個(gè)工具可以使用戶直觀地感受到數(shù)據(jù)的顯著不同。

VR 的***好處就是它可以使人們更輕易地感知數(shù)據(jù)間的差別，使得數(shù)據(jù)密度更低，更加直觀。另外，VR也使得數(shù)據(jù)展示變得更加具有體驗(yàn)感，數(shù)據(jù)展示不再需要匹配一些預(yù)定的設(shè)置。***，VR 可以讓人們快速改變數(shù)據(jù)的尺寸，提高用戶的空間感知力，實(shí)現(xiàn)過(guò)去很難想象的對(duì)數(shù)據(jù)規(guī)模的感知。