לצערי אין ממש מילה או ביטוי בשפה העברית ל-Data Visualization (אנשים מהתחום משתמשים בביטוי "ויזואליזציה"), אז נסתפק בתרגום הקרוב ביותר שיכולתי לחשוב עליו: הצגת נתונים בצורה חזותית. "נתונים" יכולים להיות אינפורמציה מכל סוג, בדרך כלל כזה שניתן לכמת בצורה כלשהי. "צורה חזותית" היא למעשה כל דרך ויזואלית או גרפית שאפשר לחשוב עליה: מפות, גרפים, דיאגרמות, תרשימי זרימה ועוד. ויזואליזציה של נתונים פופולרית במיוחד בתקשורת (עיתונים, אתרי חדשות וכו') ובעולם העסקי (דו"חות, פרזנטציות) אבל האמת היא, שזאת דרך מצוינת להעביר מידע על כל תחום ובכל מסגרת.
המוח האנושי התפתח במשך הרבה שנים תחת אילוצים שונים ולכן הוא מאוד מאוד טוב בדברים מסוימים, וממש גרוע בדברים אחרים. קחו מספרי טלפון לדוגמה - אדם ממוצע זוכר כמה מספרי טלפון בודדים, רק את אלה שהוא משתמש בהם הרבה. הסיבה לכך היא, שמספרים היא המצאה חדשה יחסית ולרוב אבות אבותינו לא היה שום צורך לזכור מספרים כדי לשרוד. לעומת זאת, אנחנו מסוגלים להבדיל ולאחסן בזיכרון שלנו אלפי פרצופים שונים.
אין ספק שתווי פנים של אדם הם מידע מורכב בהרבה ממספר בן 9 ספרות, אבל אנחנו יצור חברתי וההישרדות של אבותינו הייתה תלויה במידה רבה בכישורים החברתיים שלהם. בניגוד גמור אלינו, מחשבים מאוד טובים עם מספרים אך עדיין מתקשים להבין מידע חזותי (למרות שהם סוגרים את הפער הזה במהירות מבהילה). לכן, הרעיון המרכזי ב-data visualization הוא לקחת מידע כמותי שמחשבים מבינים ולתרגם אותו לפורמט ויזואלי שיותר קל לנו כבני אדם להבין.
כדי להמחיש את הנקודה הזאת, המצאתי את התרחיש ההיפותטי הבא:
אתם משקיעים בעלי שם המחפשים הזדמנות להיכנס לעסקי השעשועים. אתם מעוניינים להשקיע באחד מאולפני הסרטים הגדולים בשוק כרגע:
Blue INC ✦
Green LTD ✦
Red Studios ✦
Purple Entertainment ✦
Orange Productions ✦
נתונה כאן טבלה המרכזת את נתוני ההכנסות של 5 החברות הנ"ל במהלך השנה האחרונה.
כל החברות הרוויחו בדיוק את אותו הסכום (780 מיליון דולר), אותו ממוצע חודשי (65 מיליון דולר), וכולן סיימו את השנה בעלייה ברווחים בהשוואה לתחילת אותה שנה.
טבלת הרווחים נראית כך:
לכאורה אפשר להתרשם שמדובר בחברות בעלות פעילות דומה מאוד, ואם נתבקש להסיק תובנות או להחליט באיזו מהחברות להשקיע על סמך מבט מהיר בטבלה, זאת לא תהיה משימה פשוטה.
אבל מה יקרה כשנציג את אותו המידע בדיוק בצורה ויזואלית?
אני חושב שמספיק מבט אחד קצר כדי להחליט על מי כדאי לשים את הכסף עכשיו, לא?
איך זה יכול להיות? זה פשוט בגלל שהמוח שלנו הרבה יותר טוב בתרגום מידע חזותי ממידע חשבוני או טבלאי
.
טכניקות שונות של Data Visualization מאפשרות לנו להציג מידע רב יותר, בצורה מעניינת יותר, ובכך להעביר מסרים בצורה ברורה הרבה יותר.
זאת הסיבה שכל תוצאה של סקר או מחקר תמיד תהיה מלווה באיזו ויזואליזציה כזאת או אחרת. אם יתנו לנו את המספרים היבשים נאבד עניין ונדפדף הלאה, אך כשמציגים לנו את המידע בצורה גרפית אנחנו מקבלים מיד את המסר שהחוקרים או הסוקרים רצו להעביר לנו.
לפני כשניים עד שלושה עשורים, התחילה לחלחל ההבנה שיש צורך בניתוח הנתונים שכל חברה צוברת בתחומים שונים כדי להסיק תובנות ולייעל תהליכים עסקיים שונים. תהליך זה התרחש בד בבד עם השתכללות טכנולוגיות איסוף הנתונים עצמן – בכל שנה שעוברת, יש לנו פשוט יותר מידע לנתח. כמות המידע וכמות סוגי המידע שאנו מסוגלים לאסוף ולנתח עולות כל הזמן, ולכן נדרשים אנשי מקצוע שידעו לקחת את המידע בצורתו הגולמית, הבלתי מובנת והבלתי קריאה שבה הוא יושב במסדי הנתונים, וידע לייצר מהם תצוגות גרפיות שבני אדם (מנהלים, משקיעים, חברי דירקטוריון, אנשי שיווק וכו') יוכלו להבין בקלות ולבצע החלטות על פיהן.
מהצורך הזה נולד תחום שלם - תחום ה-BI - ומגוון מקצועות אשר תכליתם דומה: לעזור לחברה להרוויח יותר ולהוציא פחות על סמך המידע שהיא אוספת.
לסיום, מצרף כאן קישור להרצאה יפה בנושא מאת TED. שם הם תרגמו את הביטוי ל"המחשת מידע".
ולגבי המונח? באמת שמישהו באקדמיה ללשון צריך להרים כאן את הכפפה 😉
לצערי אין ממש מילה או ביטוי בשפה העברית ל-Data Visualization (אנשים מהתחום משתמשים בביטוי "ויזואליזציה"), אז נסתפק בתרגום הקרוב ביותר שיכולתי לחשוב עליו: הצגת נתונים בצורה חזותית. "נתונים" יכולים להיות אינפורמציה מכל סוג, בדרך כלל כזה שניתן לכמת בצורה כלשהי. "צורה חזותית" היא למעשה כל דרך ויזואלית או גרפית שאפשר לחשוב עליה: מפות, גרפים, דיאגרמות, תרשימי זרימה ועוד. ויזואליזציה של נתונים פופולרית במיוחד בתקשורת (עיתונים, אתרי חדשות וכו') ובעולם העסקי (דו"חות, פרזנטציות) אבל האמת היא, שזאת דרך מצוינת להעביר מידע על כל תחום ובכל מסגרת.
המוח האנושי התפתח במשך הרבה שנים תחת אילוצים שונים ולכן הוא מאוד מאוד טוב בדברים מסוימים, וממש גרוע בדברים אחרים. קחו מספרי טלפון לדוגמה - אדם ממוצע זוכר כמה מספרי טלפון בודדים, רק את אלה שהוא משתמש בהם הרבה. הסיבה לכך היא, שמספרים היא המצאה חדשה יחסית ולרוב אבות אבותינו לא היה שום צורך לזכור מספרים כדי לשרוד. לעומת זאת, אנחנו מסוגלים להבדיל ולאחסן בזיכרון שלנו אלפי פרצופים שונים.
אין ספק שתווי פנים של אדם הם מידע מורכב בהרבה ממספר בן 9 ספרות, אבל אנחנו יצור חברתי וההישרדות של אבותינו הייתה תלויה במידה רבה בכישורים החברתיים שלהם. בניגוד גמור אלינו, מחשבים מאוד טובים עם מספרים אך עדיין מתקשים להבין מידע חזותי (למרות שהם סוגרים את הפער הזה במהירות מבהילה). לכן, הרעיון המרכזי ב-data visualization הוא לקחת מידע כמותי שמחשבים מבינים ולתרגם אותו לפורמט ויזואלי שיותר קל לנו כבני אדם להבין.
כדי להמחיש את הנקודה הזאת, המצאתי את התרחיש ההיפותטי הבא:
אתם משקיעים בעלי שם המחפשים הזדמנות להיכנס לעסקי השעשועים. אתם מעוניינים להשקיע באחד מאולפני הסרטים הגדולים בשוק כרגע:
Blue INC ✦
Green LTD ✦
Red Studios ✦
Purple Entertainment ✦
Orange Productions ✦
נתונה כאן טבלה המרכזת את נתוני ההכנסות של 5 החברות הנ"ל במהלך השנה האחרונה.
כל החברות הרוויחו בדיוק את אותו הסכום (780 מיליון דולר), אותו ממוצע חודשי (65 מיליון דולר), וכולן סיימו את השנה בעלייה ברווחים בהשוואה לתחילת אותה שנה.
טבלת הרווחים נראית כך:
לכאורה אפשר להתרשם שמדובר בחברות בעלות פעילות דומה מאוד, ואם נתבקש להסיק תובנות או להחליט באיזו מהחברות להשקיע על סמך מבט מהיר בטבלה, זאת לא תהיה משימה פשוטה.
אבל מה יקרה כשנציג את אותו המידע בדיוק בצורה ויזואלית?
אני חושב שמספיק מבט אחד קצר כדי להחליט על מי כדאי לשים את הכסף עכשיו, לא?
איך זה יכול להיות? זה פשוט בגלל שהמוח שלנו הרבה יותר טוב בתרגום מידע חזותי ממידע חשבוני או טבלאי
.
טכניקות שונות של Data Visualization מאפשרות לנו להציג מידע רב יותר, בצורה מעניינת יותר, ובכך להעביר מסרים בצורה ברורה הרבה יותר.
זאת הסיבה שכל תוצאה של סקר או מחקר תמיד תהיה מלווה באיזו ויזואליזציה כזאת או אחרת. אם יתנו לנו את המספרים היבשים נאבד עניין ונדפדף הלאה, אך כשמציגים לנו את המידע בצורה גרפית אנחנו מקבלים מיד את המסר שהחוקרים או הסוקרים רצו להעביר לנו.
לפני כשניים עד שלושה עשורים, התחילה לחלחל ההבנה שיש צורך בניתוח הנתונים שכל חברה צוברת בתחומים שונים כדי להסיק תובנות ולייעל תהליכים עסקיים שונים. תהליך זה התרחש בד בבד עם השתכללות טכנולוגיות איסוף הנתונים עצמן – בכל שנה שעוברת, יש לנו פשוט יותר מידע לנתח. כמות המידע וכמות סוגי המידע שאנו מסוגלים לאסוף ולנתח עולות כל הזמן, ולכן נדרשים אנשי מקצוע שידעו לקחת את המידע בצורתו הגולמית, הבלתי מובנת והבלתי קריאה שבה הוא יושב במסדי הנתונים, וידע לייצר מהם תצוגות גרפיות שבני אדם (מנהלים, משקיעים, חברי דירקטוריון, אנשי שיווק וכו') יוכלו להבין בקלות ולבצע החלטות על פיהן.
מהצורך הזה נולד תחום שלם - תחום ה-BI - ומגוון מקצועות אשר תכליתם דומה: לעזור לחברה להרוויח יותר ולהוציא פחות על סמך המידע שהיא אוספת.
לסיום, מצרף כאן קישור להרצאה יפה בנושא מאת TED. שם הם תרגמו את הביטוי ל"המחשת מידע".
ולגבי המונח? באמת שמישהו באקדמיה ללשון צריך להרים כאן את הכפפה 😉
הודעתך לא התקבלה - נסה שוב מאוחר יותר
Oops! Something went wrong while submitting the form