ÚVOD / Studijní obory / Sylaby / Interpretace a prezentace dat

Interpretace a prezentace dat

Cílem předmětu je naučit studenty jak správně interpretovat a prezentovat výstupy datových analýz v závislosti jak na typu úloh a různých typech dat, tak i v závislosti na cílovém publiku, konkrétním zadání analýzy a celkovém kontextu. Studenti se dále naučí, jak správně používat jednotlivé grafické a vizualizační prvky, jejich rozložení, barevná schémata a fonty. Velká část přednášek je věnována i konkrétním možnostem vizualizace a prezentace tzv. Big dat a výsledků analýz jednotlivých oborových segmentů. Součástí předmětu je také ukázat studentům, jaké nástroje a platformy je možné pro interpretace a vizualizace výsledků použít včetně jejich praktického použití na seminářích.

Sylabus předmětu

1. Důležitost interpretace a prezentace dat a datových analýz, jejich vývoj, základní principy kognitivních procesů a procesů paměti, význam vizualizačního vnímání

2. Principy vizuální estetiky, barvy a barevná schémata, typografie, rozložení a strukturalizace jednotlivých prvků a jejich vzájemný poměr. Vliv vizuálního ztvárnění na vnímání obsahu
3. Základní grafické a vizualizační komponenty (včetně interaktivních prvků) pro prezentaci numerických i dalších typů dat, orientace, měřítko zobrazení metriky, principy grafické integrity
4. Prezentační platformy – reporty, dashboardy, scorcards, mobilní platformy a nejčastěji používané technologie
5. Využití grafických method při zkoumání dat a datových analýzách
6. Prezentace a vizualizace dat pro operativní rozhodování (data senzorů, data v reálném čase, datové proudy atp.)
7. Vizualizace velkých datových objemů, interpretace a vizualizace dat webových logů, sociálních sítí a tzv. clickstream dat
8. Interpretace a metody vizualizace vícedimenzionálních geografických a prostorových dat
9. Vizualizace dat  grafových analýz a dat hierarchických struktur
10.  Různé způsoby použití grafických a vizualizačních prvků v závislosti na konkrétních datech a prezentačních platformách, vizuální ovlivnění cílového respondenta použitím kompozice barev a fontů, zdůraznění částí obsahu rozložením grafických prvků
11. Metody a způsoby prezentací analytických studií a projektů, důležitost kontextu, zacílení na odběratele výsledků, tzv. Story telling, prezentace klíčových výstupů analýzy
12. Nejpoužívanější nástroje a platformy pro vizualizaci a prezentaci dat, jejich porovnání, plusy a minusy, použití v závislosti na konkrétních úlohách

Organizace výuky

Prezenční forma

Výuka probíhá ve 12 přednáškách po 3 hodinách a 12 seminářích po 3 hodinách.

Doporučená literatura

  • HOWSON, Cindi. Successful business intelligence: unlock the value of BI & big data. Second edition. New York: McGraw-Hill Education, 2014. ISBN 007180918X.
  • SURMA, Jerzy a TRANSLATED BY MAGDALENA GÓRNIAKOWSKA AND PETER GEE. Business intelligence making decisions through data analytics. [New York, N.Y.] (222 East 46th Street, New York, NY 10017): Business Expert Press, 2011. ISBN 9781606491867.
  • SHMUELI, Galit, Nitin R. PATEL a Peter C. BRUCE. Data mining for business analytics: concepts, techniques, and applications with XLMiner. Third edition. Hoboken, New Jersey: John Wiley, 2016. ISBN 978-1-118-72927-4.
  • SCHUTT, Rachel a Cathy O'NEIL. Doing data science. Sebastopol: O'Reilly Media, 2013. ISBN 9781449358655
  • ATMAJITSINH, Gohil. R Data Visualization Cookbook, Packt Publishing, 2015, ISBN 9781783989508. 
  • TUFTE, Edward R. Visual explanations: images and quantities, evidence and narrative. Cheshire: Graphics Press, c1997. ISBN 0-9613921-2-6.
  • BERINATO, Scott. Good charts: the HBR guide to making smarter, more persuasive data visualizations. Boston, Massachusetts: Harvard Business Review Press, 2016. ISBN 9781633690707.