Технологии визуального анализа данных

Содержание
Введение
1. Основы технологий современного визуального анализа данных
2. Современные информационно-аналитические системы
2.1 Анализ статистических данных [4, С. 5 - 15]
2.2 Визуальный анализ связей и связанных объектов
2.3 Плюсы и минусы технологий визуального анализа
Заключение
Список источников
Приложение I
Метод параллельных координат
Приложение II
Аналитические карты

3) Непреодолимая субъективность полученных результатов, носящая отпечаток личности аналитика (однако существует точка зрения, что это – основное достоинство визуальных технологий, приближающее их к искусству).
Заключение
Основной вывод данного сообщения: сочетание методов визуального анализа и автоматического компьютерного отображения цифровой информации в зрительные образы, – тема, очевидно, несоразмерно большая для данного краткого обзора. Фактические же выводы из сделанного обзора следующие:
1) Специфические качества компьютера и человека, - скорость вычислений и индивидуальность, сочетаются в визуальной аналитике. Причем, и рост качества программного обеспечения, и рост квалификации аналитиков могут независимо друг от друга привести к прорыву в этой области. Но наибольших результатов, естественно, следует ожидать от гармоничного сочетания человеческой интуиции и возможностей программ и компьютеров будущего.
2) Любое метод компьютерной визуализации данных можно практически полностью оценить тремя параметрами: видом обрабатываемых данных, видом получаемых визуальных отображений, и предлагаемыми возможностями интерактивности.
3) Само существование личности аналитика визуальных образов создает параллель между технологиями визуального анализа и искусством.
4) Предполагается существенное развитие синтеза автоматической обработки данных с промежуточным (определяющим дальнейший анализ) и финальным визуальным анализом информации, основанное на более глубоком понимании отличия человеческого мышления от алгоритма машинных вычислений.
Список источников
1. Гагарина Л.Г. Информационные технологии управления и автоматизированные системы в экономике: курс лекций. – М.: МИЭТ, 2008. – 134 с.
2. Дрейфус Х. Чего не могут вычислительные машины. Критика искусственного разума. Пер. с англ. Н. Родмана. Под ред. Б.В. Бирюкова. М.: Прогресс, 1978, - 334с.
3. Конспект лекций по курсу "Методы и средства анализа данных" кафедры ИКТ МИЭМ. Лекция 11 "Визуальный анализ данных". Доступен по адресу: http://wiki.auditory.ru/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F_11_-_%D0%92%D0%B8%D0%B7%D1%83%D0%B0%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85, (15.07.12).
4. Рубан, А. И. Методы анализа данных. Учебное пособие / А. И. Рубан
Изд. 2-е., исправл. и доп. Красноярск: ИПЦ КГТУ, 2004. – 319 с.
5. Сборник методов поиска новых идей и решений управления качеством / сост. В. В. Ефимов. – Ульяновск : УлГТУ, 2011. – 194 с.
6. Создание информационно-аналитических систем с визуализацией данных на базе технологии i2//Проспект компании РДТЕХ. Доступен на сайте компании: http://www.rdtex.ru/download/brochure_i2.pdf, (14.07.12).
7. Специальные технологии визуального анализа данных и извлечения знаний (Visual Data Mining) компании Visual Analytics Inc. (США): http://www.spi2.ru/products/ (15.07.12).
8. Титоренко Г.А., Макарова Г.Л., и др. Информационные технологии в маркетинге: Учебник для вузов. / под ред. проф. Г.А. Титоренко. - М.: ЮНИТИ-ДАНА, 2000, – 335 с.
9. Analytical Charts//Примеры создания аналитических карт на сайте компании Visual Analysis Pty Ltd:
http://www.visualanalysis.com/ANB_Charts.aspx, (15.07.12).
10. Daniel A. Keim, Florian Mansmann, Jim Thomas. Visual Analytics: How Much Visualization and How Much Analytics?//SIGKDD Explorations, Volume 11, Number 2, December 2009. – pp. 5 – 8. Доступно:
http://www.hiit.fi/vakd09/vakdsi09keim_final.pdf (16.07.12).
11. Hillbert M., López P. The World’s Technological Capacity to Store, Communicate, and Compute Information// Science, April 2011: Vol. 332 no. 6025. - pp. 60-65. Доступно на сайте журнала Science:
http://www.sciencemag.org/content/332/6025/60.abstract (14.07.12).
12. Inselberg, Alfred. Parallel Coordinates Visual Multidimensional Geometry and Its Applications. – Springer, 2009. – 554 p. Доступно по адресу:
http://www.springer.com/mathematics/computational+science+%26+engineering/book/978-0-387-21507-5 (17.07.12).
Приложение I
Метод параллельных координат
Приложение II
Аналитические карты
В дальнейшем –"визуальный анализ данных" или просто "визуальный анализ".
Термину "data mining" соответствует русское "интеллектуальный анализ данных", "добыча нового знания", чему, в свою очередь, практически полностью соответствуют функции визуального анализа информации. "Visual analytics" отличается от "visual analysis" участием в анализе компьютерных программ, а именно интерактивных визуальных интерфейсов.
Наиболее корректные современные оценки, использующие в качестве единицы измерения т.н. "оптимально сжатый байт", т.е. байт, в который можно сжать информацию, используя современные технологии сжатия, дают следующие цифры для всей планеты: в 1986 году объем хранимой информации составлял 2,6 эксабайта (1 эксабайт = 1018 байт = миллиард гигабайт), а в 2007 году — уже 295 эксабайт [6], т.е. за 10 лет объем хранимой информации вырос в 100 раз. [10]
Имеются ввиду: 1) алгоритмы кодирования цифровой информации через изменения яркости и/или цветовых составляющих при отображении цифровой информации в виде цветовых пятен (например, – передача содержимого винчестера одной цветной картиной); 2) работа по анализу информации при её графическом представлении в виде цветной картины. [3]
OnLine Analytical Processing – оперативный анализ.
Гагарина Л.Г. Информационные технологии управления и автоматизированные системы в экономике: курс лекций. – М.: МИЭТ, 2008. – С. 27, 106 – 128.
Например: структура организации, электронная переписка, связи в социальных сетях.
Например, информационные потоки, технологические регламенты.
Примеры диаграмм на основе инфографики см. в Приложении I.
Каждая область такого разбиения плоскости S - это множество точек S, расстояние которых до одного из элементов множества S меньше, чем до любого другого элемента S.
См. в Приложении II примеры аналитических карт, полученных по технологии i2, при расследовании деятельности торговца оружием Виктора Бута, и выяснения глобальной преступной сети торговцев дикими животными.
Титоренко Г.А., Макарова Г.Л., и др. Информационные технологии в маркетинге: Учебник для вузов. / под ред. проф. Г.А. Титоренко. - М.: ЮНИТИ-ДАНА, 2000, – С.35 – 90.
19