SLIDE 1 Purposeful ¡Data ¡Visualization ¡with ¡Tableau
Jeremy ¡Buhler, ¡Assessment ¡Librarian, ¡UBC ¡| ¡jeremy.buhler@ubc.ca Ebony ¡Magnus, ¡Assessment ¡& ¡User ¡Experience ¡Librarian, ¡SAIT ¡| ¡ebony.magnus@sait.ca ¡
Workshop ¡material ¡and ¡data ¡files ¡at http://bit.ly/claw-‑tableau Please ¡download ¡copy ¡of ¡Excel ¡files
SLIDE 2 Outline
- what ¡we ¡mean ¡by ¡“purposeful”
- preparing ¡your ¡data
- introducing ¡the ¡Tableau ¡interface
- exercise/practice
break, ¡10:30-‑11:00
- creating ¡dashboards
- exercise/practice
- refining ¡the ¡visual ¡presentation
- exercise/practice
SLIDE 3 Goals
- not ¡intimidated ¡by ¡the ¡software
- curious ¡about ¡what ¡more ¡it ¡can ¡do
- prepared ¡to ¡tackle ¡your ¡own ¡datasets
SLIDE 4
SLIDE 5
data ¡visualization
“all ¡types ¡of ¡visual ¡representation ¡that ¡ support ¡the ¡exploration, ¡examination, ¡and ¡ communication ¡of ¡data” ¡(Few, ¡2009)
SLIDE 6
points lines bars
relationships
time-‑series nominal ¡comparison ranking part-‑to-‑whole deviation correlation geospatial
SLIDE 7
pre-‑attentive ¡processing
the ¡perception ¡of ¡basic ¡attributes ¡“prior ¡ to ¡and ¡without ¡the ¡need ¡for ¡conscious ¡ awareness” ¡(Few, ¡2009)
SLIDE 8 Attentive ¡ processing Preattentive ¡ processing
From ¡Stephen ¡Few, ¡Tapping ¡the ¡Power ¡of ¡Visual ¡Perception http://www.perceptualedge.com/articles/ie/visual_perception.pdf
SLIDE 9 form
length width
shape size blur curvature enclosure
SLIDE 10
colour position motion
hue intensity 2-‑D ¡position direction ¡of ¡ motion spatial ¡grouping
SLIDE 11
data ¡cleaning ¡& ¡prep
SLIDE 12
more polished = more true?
SLIDE 13
more polished = more true? faster ¡= better?
SLIDE 14
more polished = more true? faster ¡= better? understand ¡your ¡data, ¡understand ¡your ¡tools
SLIDE 15 Choosing ¡and ¡preparing ¡your ¡data
- level ¡of ¡detail ¡or ¡aggregation
- format
- privacy
- description
- quality
SLIDE 16 Choosing ¡and ¡preparing ¡your ¡data
- choose ¡raw over ¡aggregated ¡data
- normalize cross-‑tabulated ¡datasets
SLIDE 17 Choosing ¡and ¡preparing ¡your ¡data
- choose ¡raw over ¡aggregated ¡data
- normalize cross-‑tabulated ¡datasets
Related ¡resource: ¡Preparing ¡Excel ¡files ¡for ¡analysis ¡[in ¡Tableau]. ¡ http://kb.tableau.com/articles/knowledgebase/preparing-‑excel-‑files-‑analysis
Tall data, ¡not ¡wide
SLIDE 18
raw vs aggregated ¡data
SLIDE 19
raw vs aggregated ¡data
SLIDE 20
tall vs cross-‑tabulated ¡(wide) ¡data
SLIDE 21
tall vs cross-‑tabulated ¡(wide) ¡data
SLIDE 22 tall vs cross-‑tabulated ¡(wide) ¡data
Like ¡with ¡like, ¡ in ¡the ¡same ¡column
SLIDE 23
<software ¡demo ¡and ¡hands-‑on ¡practice>
SLIDE 24
Junk ¡drawer, ¡tickle ¡trunk Try ¡to ¡break ¡your ¡viz. ¡ ¡Throw ¡everything ¡at ¡it, ¡ try ¡things ¡you ¡don’t ¡understand, ¡create ¡a ¡mess ¡ and ¡see ¡what ¡you ¡find. ¡
SLIDE 25
<software ¡demo ¡and ¡hands-‑on ¡practice> Participants ¡encouraged ¡to ¡share ¡examples ¡at https://public.tableau.com/profile/claw.2017
SLIDE 26 Explore your ¡chosen ¡data ¡set. ¡Try ¡to ¡identify ¡
- ne ¡pattern, ¡one ¡outlier, ¡and ¡one ¡relationship. ¡ ¡
Consider ¡how ¡this ¡changes ¡your ¡initial ¡ assumptions ¡about ¡the ¡service ¡or ¡product ¡ represented ¡in ¡the ¡data ¡set.
SLIDE 27
<software ¡demo ¡and ¡hands-‑on ¡practice>
SLIDE 28
Communicate something ¡of ¡import ¡about ¡your ¡ data ¡set. ¡Consider ¡who you’re ¡speaking ¡to ¡and ¡ what ¡you ¡hope ¡to ¡accomplish. ¡Use ¡Tableau’s ¡ features ¡strategically ¡to ¡highlight ¡aspects ¡of ¡ your ¡data ¡that ¡are ¡most ¡important ¡to ¡your ¡ message.
SLIDE 29
<hands-‑on ¡practice>
