Ferramentas para Dashboardo - Unidade 02 - 2022

Prévia do material em texto

- -1
FERRAMENTAS DE DASHBOARD
UNIDADE 2 - VISUALIZAÇÃO DE DADOS 
MULTIDIMENSIONAIS
ELTON SARMANHO SIQUEIRA
- -2
Introdução
Neste capítulo apresentaremos a visualização de dados multidimensionais, representações visuais e algumas
estratégias que correspondem ao contexto. Você também conhecerá várias estruturas, técnicas e ferramentas
que utilizam dados multidimensionais.
Você sabe qual é a importância de visualizarmos dados multidimensionais? Será que existe somente uma solução
para visualizarmos um conjunto de dados dessa natureza? Conforme a natureza dos dados, qual é a melhor
visualização a ser utilizada?
Vamos apresentar os fundamentos básicos da visualização de dados multidimensionais, mostrando a
importância dessa área de estudo e como podemos representar e agrupar esses dados da melhor forma possível
a fim de que empresas e gestores possam tomar decisões precisas e consistentes sobre seus negócios.
2.1 Pesquisa por ferramentas de para dados dashboard
multimodais
Com o rápido desenvolvimento de recursos tecnológicos para capturar dados a partir de diversas fontes (redes
sociais, aplicativos de mensagens entre outros) tem-se produzido um aglomerado de dados cada vez mais
volumoso e complexo (considerando a tipagem: textos, imagens, áudio, vídeo etc.).
A exploração e a análise dessa massa de dados tornou-se uma tarefa árdua que somente pode ser executada com
o uso de ferramentas computacionais adequadas, as chamadas , que algumas vezes dependem dodashboard
domínio dos dados. Isso é uma questão problemática quando nos deparamos com dados de N-dimensionalidade,
pois correspondem a conjuntos de vários atributos.
O campo da visualização de informações visa a facilitar o entendimento e a interação dessa massa de dados
diversificada (SPENCER, 2000) por meio do uso de técnicas e interações que buscam representar visualmente os
dados para auxiliar o usuário no que diz respeito à percepção.
As técnicas de visualização multidimensionais são planejadas para a representação de dados que possui N-
dimensionalidade (caracterizados por múltiplos atributos) e que, normalmente, são representados por estrutura
tabular, em que cada linha corresponde a um objeto de dado, com as colunas representando os respectivos
atributos.
Apesar da existência de várias técnicas para exibir dados multidimensionais, pode ser que o uso exclusivo de
uma técnica não seja suficiente, pois natureza/domínio dos dados impacta fortemente no processo de
compressão, logo, o usuário, provavelmente, precisará visualizar os dados usando diferentes técnicas a fim de
buscar ou descobrir novos relacionamentos e informações.
- -3
Um termo importante a ser discutido é o da , que é usado para referir-se tanto ao número dedimensionalidade 
dimensões do espaço quanto aos atributos de um objeto e pode ser classificado em: , unidimensional (1D)
, ou .bidimensional (2D) tridimensional (3D) N-dimensional (nD)
Desta forma, dados multidimensionais são aqueles que podem ser caracterizados como uma tabela de dados
multivariados, em outras palavras, que detém muitas variáveis (também chamado de atributos) as quais devem
ser organizadas em uma estrutura visual 1D, 2D ou 3D (CARD ., 1999). Como exemplo, podemos mostrar umet al
esquema de uma tabela de dados multivariados em que as colunas da tabela configuram as variáveis (ou
atributos). As linhas representam os registros de dados e as células são os valores que de fato correspondem a
um determinado atributo.
Figura 1 - Esquema da Tabela de Dados Multivariado.
Fonte: PILLAT, 2006, p. 16.
VOCÊ SABIA?
Conforme estudos feito por Baldonado . (2000), que explora o contexto e os problemaset al
sobre o uso de dados multidimensionais, o respectivo trabalho mostra a abordagem chamada
“Múltiplas Visualizações Coordenadas” ( ), a qual visa a reduzirCoordinated Multiple Views
alguns problemas encontrados ao se trabalhar com dados N-dimensionais. Nessa abordagem,
temos diferentes visualizações que podem ser combinadas em um ambiente e utilizadas de
forma coordenada, ou seja, instituindo-se uma ligação semântica entre as visualizações de tal
forma que as ações sobre uma se reflitam nas demais. Assim, com abordagem de Múltiplas
Visualizações Coordenadas podemos obter vantagens de cada visualização de modo que os
dados possam ser visualizados por meio de técnicas apropriadas e pré-definidas.
- -4
Agora que você possui o entendimento sobre a visualização de dados multidimensionais, podemos ver agora as
suas representações visuais e as técnicas de visualizações de informações, assuntos dos próximos tópicos. Vale
ressaltar que uma vez que são coletados os dados, eles devem ser categorizados e agrupados conforme a sua
natureza. Entretanto, reuni-los de forma ordenada e lógica não é uma tarefa fácil e, nesse caso, utilizamos 
como meio de obter sucesso nessa tarefa. O conceito de será apresentado no tópico as dashboard dashboard
seguir.
2.2 Dashboard
Few (2006) conceitua um como um virtual das informações mais relevantes para alcançar umdashboard display
ou mais objetivos. Normalmente, é construído e estruturado para ser capaz de enquadrar em uma única tela para
que a informação seja encontrada com facilidade.
O estudo feito por Schwendimann (2016) apresenta uma revisão sistemática sobre e mostra queet al. dashboard
o gráfico de barras, o gráfico de linhas e as tabelas são os mais encontrados em um . A seguirdashboard
conceituamos cada deles.
• Gráfico de Barras: esse tipo de gráfico mostra os dados categorizados em barras retangulares de modo 
que uma barra corresponde a uma categoria e o tamanho é proporcional ao número de observações na 
respectiva categoria. Esse tipo de gráfico é muito usado para realizar comparações entre as categorias de 
uma variável. Este gráfico pode ser utilizado na vertical ou horizontal, como vemos na figura a seguir 
(DOUMONT; VANDENBROECK, 2002).
VOCÊ O CONHECE?
Stephen Few tem mais de 20 anos de experiência como inovador, consultor e educador nos
campos de (também conhecido como ) e design debusiness intelligence decision support
informação. Através de sua empresa, a , ele se concentra na análise eficaz e naPerceptual Edge
apresentação de informações de negócios quantitativos. Few é reconhecido como um líder
mundial no campo da visualização de dados, leciona regularmente em conferências como as
apresentadas pelo (TDWI) e também no programa de MBA da The Data Warehousing Institute
, na Universidade de Berkeley. Few é o autor do livro “Show Me theHaas School of Business
Numbers: Designing Tables and Graphs to Enlighten” (2004) e para saber mais detalhes ele,
acesse: .http://www.stephen-few.com/
•
http://www.stephen-few.com/
- -5
Figura 2 - Gráfico de Barra.
Fonte: XCEPTICZP, 2007.
• Gráfico de Linhas: normalmente, visa a apresentar um conjunto de dados numéricos ao longo do tempo. 
É fortemente indicado para mostrar evoluções (ou regressões lineares) que ocorrem a partir de um 
conjunto de dados sequenciais ou não, de modo a verificar o comportamento do fenômeno observado. 
Recomendado quando se tem um conjunto de dados contínuos.
•
- -6
Figura 3 - Gráfico de Linha.
Fonte: PORTALACTION, [201-].
• Gráfico de Pizza: é frequentemente utilizado quando se quer comparar um setor em relação ao total. 
Esse gráfico possui uma estrutura circular com segmentos divididos pela proporção dos subconjuntos de 
dados, ou seja, cada segmento representa uma categoria e a soma dos segmentos forma o todo. Veja a 
seguir um exemplo desse gráfico.
•
- -7
Figura 4 - Gráfico de Pizza.
Fonte: PORTALACTION, [201-].
Outra questão relevante no desenvolvimento de um é o uso da paleta de cores. Ying e Anshul (2015)dashboard
afirmam que a possui papel fundamental no de e impacta diretamente na percepção docor design layout
observador. Os autores elaboraram uma tabela (pode ser vista logo a seguir) que relaciona uma determinada
com cor a uma respectiva mensagem. Conforme o trabalho feito por Santos (2017) existe uma combinação de
cores para um , em que seria preto eazul por transmitir calma, segurança e autoridadedashboard
- -8
Quadro 1 - Mapeamento de Cores e seus Significados.
Fonte: Elaborado pelo autor, baseado em SANTOS, 2017.
Em seus estudos, Few (2006) verifica diversos exemplos de s. Um bom exemplo pode ser visto nadashboard
figura a seguir apresenta agradável para mostrar a informação.design
- -9
Figura 5 - Exemplo de Dashboard.
Fonte: SANTOS, 2017, p 43.
Considera-se a figura um bom exemplo devido ao uso do espaço em branco para separar as seções que são
visualizadas e, além disso, o uso da paleta de cores colabora para uma ótima visualização, em que somente as
cores detectadas são os tons de cinza, verde e dois tons de vermelho. Por fim, ressalta-se que toda a informação
relevante se encontra em um único e é organizada logicamente, facilitando a leitura por parte dolayout
observador.
A partir do entendimento básico sobre podemos explorar outras técnicas de visualizaçõesdashboard
VOCÊ QUER VER?
O estatístico Ola Rosling, da , desenvolveu um dashboard intitulado “Google Public Data Google
” que demonstra a eficácia da visualização de conjuntos de dados. Ele fezPublic Data Explorer
uma apresentação dessa ferramenta na . Rosling foi umBerkeley Graduate School of Journalism
dos fundadores da Fundação e liderou o desenvolvimento do , um Gapminder Trendalyzer
 que converte estatísticas de séries temporais em gráficos animados, interativos esoftware
compreensíveis. O objetivo de seu trabalho é promover uma visão de mundo baseada em fatos
através do aumento do uso e da compreensão de dados públicos e de livre acesso.
Para saber detalhes da ferramenta, acesse: .https://www.youtube.com/watch?v=RgA4aaEfgPQ
https://www.youtube.com/watch?v=RgA4aaEfgPQ
- -10
A partir do entendimento básico sobre podemos explorar outras técnicas de visualizaçõesdashboard
multidimensionais que contribuem para enriquecer nosso painel de visualização de dados.
2.2.1 Visualizações multidimensionais
Há um conjunto imenso de técnicas voltadas para visualização de dados multidimensionais, entretanto, em nossa
disciplina, estaremos direcionados a mostrar algumas técnicas tradicionais enfatizando as mais representativas
(frequentemente utilizadas em ) e citadas na literatura acadêmica. Essas técnicas serão apresentadasdashboard
conforme o critério de classificação definido por Keim (1996), em que autor diferencia tais técnicas conforme a
forma de mapeamento adotada para transformar dados em formas visuais.
As visualizações que são projetadas para decodificar dados que podem ser mostrados em formas de tabelas
multivariável são chamadas de . As técnicas de visualizaçãovisualizações multidimensionais
multidimensionais podem ser classificadas conforme alguns critérios, segundo Keim (1996) em (clique para ler):
i) a natureza do dado a ser visualizado;
ii) a maneira de como o mapeamento é seguido pela técnica;
iii) os procedimentos de interação relacionados à manipulação da representação visual.
Baseado nesse critério de classificação as técnicas podem ser divididas em: técnicas de projeção geométrica,
iconográficas e orientadas a pixel.
2.2.2 Técnicas de projeção geométrica
Nessa categoria de visualização temos a utilização de algum tipo de projeção geométrica para mapear dados
para formas visuais e dentre as principais técnicas desta classe estão: Coordenadas Paralelas, Matriz de Scatter
, gráficos de linhas, gráfico de barras e histogramas, , Curvas de Andrews e Radviz. Cada umaPlots Survey Plots
dessas técnicas será explicada de forma macro com uso de exemplos.
• Coordenadas Paralelas: Essa técnica foi proposta por Inselberg (1985) para mostrar múltiplas 
dimensões sem usar eixos cartesianos. Nessa abordagem, os dados multidimensionais são projetados 
usando linhas verticais e horizontais. Cada linha no sentido vertical corresponde a uma variável e os 
valores dessas variáveis são mapeados para pontos nessas linhas verticais, de tal modo que cada tupla 
(ou item de dado) seja mostrado como uma linha reta horizontal que intercepta cada linha vertical em 
seu ponto representativo, gerando um acumulado de linhas horizontais. Os valores extremos (mínimo e 
máximo) de uma variável são, normalmente, configurados na extremidade superior e inferior de uma 
linha vertical. Além disso, a técnica de coordenadas paralelas ajuda na compreensão de algumas 
características, como as diferenças na distribuição dos dados e as correlações entre variáveis. A seguir, 
mostramos um exemplo da técnica de coordenadas paralelas.
•
- -11
Figura 6 - Coordenadas Paralelas.
Fonte: INGENIOVIRTUAL, [201-].
• Matriz de Scatter Plots: Primeiramente, devemos apresentar a como uma técnica na qual Scatter Plot 
pontos (itens de dados) são projetados em coordenadas (x, y) semelhantes aos outros gráficos 2D. Desta 
forma, podemos dizer que Matriz de é uma extensão da técnica voltada para a Scatter Plots Scatter Plot
visualização de dados multidimensionais. Essa técnica exibe concomitantemente múltiplas visualizações 
bidimensionais dos diferentes pares de variáveis do conjunto de dados. Veja como funciona: temos um 
conjunto de dados com 4 dimensões, logo, podemos ter uma matriz 4 x 4 (4 linhas e 4 colunas) a qual é 
usada para fornecer a visualização de cada dimensão todas as outras. Podemos verificar que a versus
técnica é de fácil interpretação quando utilizada corretamente, pois fornece a visualização de todas as 
possíveis correlações entre os pares de atributos (ou variáveis). A figura a seguir apresenta um exemplo 
de visualização gerada com a técnica Matriz de .Scatter Plots
•
- -12
Figura 7 - Matriz de Scatter Plots.
Fonte: STDHA, [201-].
• Histogramas: uma representação gráfica da distribuição de frequências de um conjunto de dados 
(geralmente contínuos) e representada por barras verticais ou barras horizontais. É um modelo que 
mede a distribuição das frequências ou dos intervalos em relação a determinadas amostras ou grupos. 
Logo, podemos considerar como um método estatístico que mede a real situação em questão.
•
- -13
Figura 8 - Histograma.
Fonte: ABRITO, 2013.
• : é uma representação gráfica em que os dados de cada dimensão são mapeados para linhas Survey Plots
estendidas a partir de um elemento central (LOHNINGER, 1994). O comprimento de cada linha está em 
correspondência ao valor do item de dado sendo representado. A visualização de possibilita Survey Plots
realizar correlações entre duas dimensões do conjunto de dados. Mostramos um exemplo de visualização 
 a seguir, em que temos conjunto de dados “ ”.Survey Plots Iris Flower Data Set
•
- -14
Figura 9 - Survey Plot.
Fonte: ORANGE, [201-].
• Curvas de Andrews: Andrews (1971) propôs um método baseado na transformação de Fourier para 
representar dados multivariados em duas dimensões. Cada ponto k dimensional é representado por uma 
função F(x). Pode-se mostrar que essa representação preserva as distâncias euclidianas, no sentido de 
que dois elementos da população com valores semelhantes das variáveis correspondem a curvas 
próximas. Cada variável de cada observação é representada por um componente individual na soma da 
transformada de Fourier. A magnitude de cada variável de um determinado elemento afeta a frequência, 
amplitude e periodicidade da função, dando uma representação única para cada sujeito.
•
- -15
Figura 10 - Curva de Andrews.
Fonte: WIKIPEDIA, [201-].
• Radviz: nessa representação visual temos que "n" linhas, correspondentes à "n dimensões", derivam 
radialmente do centro de um círculo e se direcionam ao perímetro, em pontos uniformemente espaçados 
chamados de (HOFFMAN ., 1997). Cada item de dado projetado está dimensional anchors (DAs) et al
conectado por meio de molas imaginárias às DAs e a posição em que são visualizados é aquela em que 
existe uma estabilidade das forças das molas associadas a cada dimensão. De certa forma, cada ponto de 
dado é apresentado especificamente em que a soma das forças das molas é respectivamente igual à zero. 
Além disso, os valoresdos itens de dados são comumente normalizados para valores na faixa entre 0 e 1 
(FAYYAD; GRINSTEIN; WIERSE, 2002). Alguns pontos importantes dessa representação: i) valores 
maiores dos atributos fazem com que o ponto projetado fique em regiões próximas aos eixos associados a 
estes atributos; ii) itens de dados com valores de atributos similares (após o processo de normalização) 
são posicionados adjacentes ao centro do círculo. Temos um exemplo a seguir dessa técnica.
•
- -16
Figura 11 - RadViz.
Fonte: SCIKIT, [201-].
Nesse ponto concluirmos apresentação de principais técnicas de projeção geométrica.
Na próxima seção abordaremos de forma macro algumas representações Iconográficas.
2.2.3 Iconográficas
As principais visualizações do tipo iconográficas são e . Em cada uma destas representações asglifos ícones
dimensões de um conjunto de dados são mapeadas conforme algumas características.
Podemos considerar a técnica de (CHERNOFF, 1973) uma das mais conhecidas na literaturaFaces de Chernoff 
acadêmica com respeito às visualizações iconográficas. Na referida técnica temos que as dimensões dos dados
são exclusivamente mapeadas utilizando as configurações de uma face por inteira (veja figura a seguir),
provindo diversos formatos de faces (predefinida conforme os valores mapeados). Entretanto, a eficácia desta
VAMOS PRATICAR?
Apresentamos alguns exemplos de visualização de dados usando representação de Projeção
geométrica. Faça uma pesquisa sobre essa mesma categoria de representação visual e faça um
texto apresentando 2 ou 3 técnicas que não estejam nesse tópico.
- -17
provindo diversos formatos de faces (predefinida conforme os valores mapeados). Entretanto, a eficácia desta
técnica é questionada pela dificuldade e pela limitação de percepção de imagens e pela mesma ser, algumas
vezes, imprópria para a identificação de agrupamentos.
Figura 12 - Faces de Chernoff.
Fonte: AVENUE, 2010.
Nesse ponto concluirmos apresentação da principal técnica das representações Iconográficas.
Na próxima seção abordaremos de forma ampla as representações orientadas a pixel.
VAMOS PRATICAR?
Apresentamos alguns exemplos de visualização de dados usando representações Iconográficas.
Faça uma pesquisa sobre essa mesma categoria de representação visual e faça um texto
apresentando 1 ou 2 técnicas que não estejam nesse tópico.
- -18
2.2.4 Orientadas a pixel
As técnicas dessa classe qualificam-se por mapear um grupo de valores de cada dimensão dos dados em pixels
no . O grupo de valores de cada dimensão é apresentado em um recorte de tela (janela) individual, emdisplay
outras palavras, para um grupo de dados que possui dimensões, a tela é segmentada em menores.n n janelas 
Além disso, para cada uma das janelas temos que cada valor da dimensão é constituído por um pixel colorido de
acordo com o valor que está sendo representado. Devemos considerar que a distribuição espacial dos pixels na
janela pode ser definida de diversas maneiras, de tal modo que as relações nos dados possam ser compreendidas
pela análise das áreas correspondentes nas janelas (KEIM, 1996).
As técnicas com propósito de realizar a distribuição espacial dos pixels são divididas em: técnicas independentes
e dependentes de consulta. Na primeira, os valores das dimensões são mapeados para os pixels e mostrados nas
janelas. Nesse caso, usam-se as curvas de preenchimento de espaço (curvas de Peano-Hilbert ou Morton) ou
espiral, que garantem um agrupamento consistente sobre os itens de dados relacionados e uma melhor
distribuição destes. Como exemplo, veja figura a seguir que mostra uso dessa técnica.
Figura 13 - Técnicas independentes de consulta: a) Padrão Espiral; b) Curvas de Peano-Hilbert; c) Curvas de 
Morton.
Fonte: KEIM, 1996, p. 24.
Temos ainda as técnicas dependentes de consulta, que ao contrário dos valores das dimensões serem mapeados
para pixels, as distâncias destes valores a uma respectiva consulta é que são mapeadas. Desta maneira, além dos
itens de dados que estão inclusos conforme os critérios da consulta, também são apresentados aqueles valores
que ficam próximos da resposta por meio da apresentação da distância de cada valor a um respectivo valor
estabelecido na consulta.
O processamento da distância é diretamente dependente da aplicação ou natureza dos dados. As dimensões
referentes a um item de dado alocam a mesma posição relativa nas suas respectivas janelas, sendo que a
sequência de apresentação dos itens de dados na janela é definida por uma distância global. O processamento
dessa distância é realizado pela combinação das distâncias de cada dimensão, ponderadas por um peso
correspondente, que define a importância dada a dimensão.
- -19
Com a respectiva técnica podemos ter as seguintes representações visuais: , em que as respostasem espiral
certas são mostradas no centro do display e os valores vizinhos ao redor desta área; ou , indicandopor eixos
distâncias positivas e negativas, como vemos na figura a seguir.
Figura 14 - Técnicas dependentes de consultas: espiral (esquerda) e por eixos (direita).
Fonte: KEIM, 1996, p. 26.
Nesse ponto concluirmos a apresentação das principais técnicas das representações orientadas a pixel. Na
próxima seção abordaremos algumas representações em redes e hierárquicas.
2.3 Visualização de dados em redes e hierárquicos
A representação visual com que as informações são apresentadas ao observador tem um impacto direto no
processo de extração do conhecimento de um determinado sistema de visualização de informações e é
fortemente dependente dos dados.
VOCÊ QUER LER?
Existem textos acadêmicos que apresentam outras técnicas com relação às representações
orientadas a pixel que mostram melhorias na percepção dos relacionamentos entre os
atributos. A seguinte dissertação de mestrado trata desse assunto. Acesse: https://lume.ufrgs.
.br/handle/10183/12423
https://lume.ufrgs.br/handle/10183/12423
https://lume.ufrgs.br/handle/10183/12423
- -20
Conforme Shneiderman (1996), conceituamos os dados hierárquicos e rede da forma como vemos a seguir.
• Hierárquico: geralmente, é representado por diagramas com nós, com ligações entre os mesmos e é 
muito usado em algoritmos de classificação de dados. Veja o exemplo de um dendrograma.
Figura 15 - Dendrograma.
Fonte: MINITAB, [201-].
• Rede: estes são caracterizados por nós ou nodos conectados por ligações previamente definidas. Essas 
ligações podem ser estruturadas em árvores (ver figura a seguir).
CASO
Com ascensão do "Big Data”, a visualização se tornou incrivelmente importante para
interpretar e melhor compreender os dados gerados por diversas fontes existentes. A
visualização auxilia na decodificação dos dados, tornando-os um formato mais compreensível
ao usuário, destacando tendências e padrões existentes. No Brasil, temos vários
desenvolvedores, pesquisadores e empresas focados nesse ramo. Um pesquisador em
destaque é professor Bianchi Serique, que desenvolveu uma ferramenta robusta para análise
multivariada de dados (considerando grande base de dados), chamada "Prisma" (PRISMA - A
). UsandoMultidimensional Information Visualization Tool Using Multiple Coordinated Views
essa ferramenta ele obteve sucesso sobre a análise de dados geográficos e sociais.
Para mais detalhes sobre autor e a ferramenta, acesse: https://scholar.google.com.br/citations?
.user=YM9xFA8AAAAJ&hl=pt-BR
•
•
https://scholar.google.com.br/citations?user=YM9xFA8AAAAJ&hl=pt-BR
https://scholar.google.com.br/citations?user=YM9xFA8AAAAJ&hl=pt-BR
- -21
Figura 16 - Estrutura de rede de dados.
Fonte: KISSPNG, [201-].
A partir desses breves conceitos sobre dados em redes e hierárquicos, abordaremos algumas técnicas de
visualizações que utilizam os mesmos. Nesse caso, vamos abordar Treemap e Grafo.
2.3.1 Treemap
A técnica chamada atende os casos em que dados são de natureza hierárquicas. A respectiva técnica fazTreemap
uso de 100% do espaço disponível na tela para mostrar uma estrutura hierárquica e consiste em exibir o nível
mais alto da hierarquia comouma área retangular que ocupa todo o espaço da figura (JOHNSON;
SHNEIDERMAN, 1991). Já os níveis mais baixos são projetados recursivamente como retângulos dentro da área
maior.
Devemos considerar que o tamanho de cada retângulo é diretamente proporcional à quantidade de itens de
- -22
Devemos considerar que o tamanho de cada retângulo é diretamente proporcional à quantidade de itens de
dados nos níveis imediatamente abaixo na hierarquia. A visualização do é dependente do algoritmo atreemap
ser adotado e destacam-se: , e . Um exemplo dessa técnica é mostrado a seguir.slice and dice cluster squarified
Figura 17 - Treemap.
Fonte: REEMAP, [201-].
A seguir veremos sobre os grafos. Acompanhe!
2.3.2 Grafos
Um grafo G = (V, E) é modelo matemático constituído por um conjunto V de vértices e um conjunto E de arestas
em que cada aresta é um par de vértices (Ex.: (a, b), com base na figura abaixo). A representação visual de um
grafo consiste em círculos preenchidos para vértices e curvas (ou retas) para arestas. Abaixo mostramos um
exemplo de grafo:
- -23
Figura 18 - Grafo
Fonte: NASCIMENTO; FERREIRA, 2019, p. 1282.
A representação visual de Grafos é uma das técnicas geralmente usadas para apresentar relações entre objetos
(DI BATTISTA ., 1999) em rede. Existem diversas aplicações, desde eletrônica (projeção de circuitos VLSI)et al
chegando ao campo de estudo da Engenharia de (apresentando estruturas modulares de programasSoftware
durante processo de desenvolvimento de software). Os grafos podem ser representados visualmente por
diversas estruturas de dados. Vamos focar em uma estrutura academicamente conhecida por Matriz de
adjacência.
Uma matriz de adjacência pode ser definida estabelecendo o número de vértices de um grafo , logo uman G
matriz de adjacência (A) para G é uma matriz pertence (Conjunto dasA = (aij) n X n tal que aij = 1 se (vi,vj) E
arestas). Na figura a seguir temos um exemplo dessa estrutura.
Figura 19 - Matriz de adjacência.
Fonte: WIKICIENCIAS, [201-].
Veremos a seguir sobre pacotes e ferramentas para visualizar dados.
VAMOS PRATICAR?
Apresentamos algumas técnicas que utilizam dados em redes e hierárquicos. Entretanto,
existem outras técnicas utilizadas que não estão no escopo desse material, por exemplo, força
dirigida, lista de adjacências, icicletree, sunburst e etc. Faça um texto dissertativo que
apresente 3 técnicas que utilizam esses dados e que não estejam presentes nesse material.
- -24
2.3.3 Pacotes e Ferramentas para visualização de dados
Vários pacotes e ferramentas que auxiliam no processo de desenvolvimento de visualizações, como vemos a
seguir (clique para ler).
1
Graphviz – Open source library com finalidade de elaborar grafos.
2
JGraph – Open source library em Java para elaboração de grafos.
3
XmdvTool – Pacote para visualizar dados multidimensionais.open source
4
Matplotlib – Biblioteca em para visualizar dados multidimensionais.python
5
Linguagem R – Consideramos um ambiente de programação que visa à manipulação, análise e visualização
gráfica de dados. Quando o usuário não detém certo conhecimento em linguagem de programação, há a
alternativa de usar linguagem R que, de certa forma, é muito intuitiva e proporciona resultados excelentes.
Síntese
Finalizamos este estudo introdutório, que apresentou os conceitos de visualização de dados multidimensionais.
Além disso, neste capítulo você teve a oportunidade de:
Nesta unidade, você teve a oportunidade de:
• conhecer técnicas de visualizações não tradicionais de dados multidimensionais;
• conhecer conceito de dados hierárquicos e redes;
• conhecer algumas visualizações que utilizam dados em redes e hierárquicos;
• conhecer alguns pacotes e ferramentas para ajudar em projetos de visualização de dados 
multidimensionais.
Bibliografia
ABRITO. Histograma de um grupo de 18 pacientes. , 2013. Disponível em: Wikipédia https://pt.wikipedia.org
/wiki/Histograma#/media/Ficheiro:Histograma_wiki1.png. Acesso em: 26 ago. 2019.
ANDREWS, L. F. o conceito e o aparelho. Califórnia: L. A. Wells, 1971.Straight wire: 
AVENUE. , 2010. Disponível em: This example shows Chernoff faces for lawyers' ratings of twelve judges
https://en.wikipedia.org/wiki/Chernoff_face#/media/File:Chernoff_faces_for_evaluations_of_US_judges.svg.
Acesso em: 26 ago. 2019.
BALDONADO, M. Q.; WOODRUFF, A.; KUCHINSKY, A. Guidelines for using multiple views in information
. : Proceedings of the working conference on Advanced visual interfaces (AVI '00). New York:visualization In
ACM, 2000. p. 110-119.
CARD, S. K.; MACKINLAY, J. D.; SHNEIDERMAN, B.; CARD, M. usingReadings in Information Visualization: 
vision to think. : Kaufmann, M. . Amsterdam:In Series in Interactive Technologies Academic Press, 1999.
CHERNOFF, H. The use of faces to represent points in k-dimensional Space Graphically. Journal Amer.
, v. 68, p. 361-368, 1973.Statistical Association
DI BATTISTA, G. . Algorithms for drawing graphs: an annotated bibliography. .,et al Comput. Geom. Theory Appl
•
•
•
•
https://pt.wikipedia.org/wiki/Histograma#/media/Ficheiro:Histograma_wiki1.png
https://pt.wikipedia.org/wiki/Histograma#/media/Ficheiro:Histograma_wiki1.png
https://pt.wikipedia.org/wiki/Histograma#/media/Ficheiro:Histograma_wiki1.png
https://en.wikipedia.org/wiki/Chernoff_face#/media/File:Chernoff_faces_for_evaluations_of_US_judges.svg
https://en.wikipedia.org/wiki/Chernoff_face#/media/File:Chernoff_faces_for_evaluations_of_US_judges.svg
- -25
DI BATTISTA, G. . Algorithms for drawing graphs: an annotated bibliography. .,et al Comput. Geom. Theory Appl
v. 4, p. 235–282, 1994.
DOUMONT, J. L.; VANDENBROECK, P. Choosing the right graph. IEEE transactions on professional
, v. 45, n. 1, p. 1–6, 2002.communication
FAYYAD, U.; GRINSTEIN, G. G.; WIERSE, A. Information visualization in Data Mininig and Knowledge
. San Francisco: Academic Press, 2002.Discovery
FEW, S. - The effective visual comunication of data. Sebastopol: O’Reilly, 2006.Information Design Dashboard
FEW, S. , 2019. Disponível em: http://www.stephen-few.com/. Acesso em: 25 ago. 2019.Stephen Few
FORATV. Google's public data explorer: A New Tool for Visualizing Information. , 2 jun. 2010. DisponívelYoutube
em: . Acesso em: 25 ago. 2019.https://www.youtube.com/watch?v=RgA4aaEfgPQ
HERMAN, I; MELANÇON, G.; MARSHALL, M. S. Graph Visualization and navigation in information visualization: a
survey. , v. 6, n. 1, p. 24-42, 2000.IEEE Transactions on Visualization and Computer Graphics
HOFFMAN, P. E. . . : IEEE Proceedings e Visualizations, 1997.et al DNA Visual and Analytic Data Mining In
Phoenix: IEE, 1997.
INGENIOVIRTUAL. , [201-]. Disponível em: Gráfico de coordenadas paralelas https://www.ingeniovirtual.com
/wp-content/uploads/grafico-de-coordenadas-paralelas.jpg. Acesso em: 26 ago. 2019.
INSELBERG, A. The Plane with Parallel Coordinates. , New York, v. 1, p. 69-91, 1985.The Visual Computer
Special Issue on Computational Geometry.
JOHNSON, B.; SHNEIDERMAN, B. Tree-maps: a space-filling approach to the visualization of hierarchical
information structures. : . IEEE ComputerIn VIS ’91: Proceedings of the 2nd conference on Visualization ’91
Society Press. p. 284–291. Disponível em: https://www.cs.umd.edu/~ben/papers/Johnson1991Tree.pdf. Acesso
em: 28 ago. 2019.
KEIM, D. A. , New York, v. 8, n. 6, 1996.Transactions on knowledge and data engineering
KEIM, D. A. . : INTERNATIONAL CONFERENCE IN KNOWLEDGEVisual database exploration techniques In
DISCOVERY AND DATA MINING, KDD/97. New Port Beach, 1997.
KEIM, D. A. Visualization Techniques for Mining Large Database: A Comparation. Transactions on Knowledge
, New York, v. 8, n. 6, 1996.and Data Engineering
KISSPNG. , [201-]. Disponível em: Data visualization computer network mappin https://banner2.kisspng.com
/20180326/gww/kisspng-data-visualization-computer-network-network-mappin-network-5ab969a0617579.
3609138615221006403992.jpg. Acesso em: 27 ago. 2019.
LI, Y.; SHEOPURI, A. Creative design of color palettes for product packaging. : In IEEE International Conference
,Torino, 2015. p. 1–6.on Multimedia and Expo (ICME)
LOHNINGER, H. INSPECT: a program system to visualize and interpret chemical data. Chemometrics and
, v. 22, n. 1, p. 147-153, 1994.Intelligent Laboratory Systems
MINITAB. , [201-]. Disponível em: Dendograma https://support.minitab.com/pt-br/minitab/18
/cluster_obs_dendrogram_with_final_partition_glove_testers.png. Acesso em: 26 ago. 2019.
NASCIMENTO, H.; FERREIRA, C. . Livro Texto da XXIVVisualização de Informações – Uma Abordagem Prática
Jornada de Atualização em Informática, 2019. p. 1262–1312.
ORANGE. , [201-]. Disponível em: Survey Plot https://docs.biolab.si//2/widgets/rst/visualize/surveyplot.html.
Acesso em: 26 ago. 2019.
PILLAT, R. M. . 2006. 206 f. DissertaçãoCoordenação dinâmica de visualizações de dados multidimensionais
(Mestrado em Ciência da Computação) - Universidade Federal do Rio Grande do Sul, Porto Alegre, 2006.
Disponível em: https://lume.ufrgs.br/handle/10183/12423. Acesso em: 26 ago. 2019.
PORTALACTION. , [201-]. Disponível em: Estatística básica http://www.portalaction.com.br/sites/default/files
/resize/EstatisticaBasica/figuras/ex3.3.2-500x500.png. Acesso em: 25 ago. 2019.
SANTOS, L. M. . 2017. 85Criação de um para monitoramento de perfis de qualidade de softwaredashboard
f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Software) - Universidade de Brasília, Brasília,
2017. Disponível em: http://bdm.unb.br/handle/10483/19778. Acesso em: 25 ago. 2019.
SCHWENDIMANN, B. et al. Perceiving learning at a glance: A systematic literature review of learning dashboard
https://www.youtube.com/watch?v=RgA4aaEfgPQ
https://www.ingeniovirtual.com/wp-content/uploads/grafico-de-coordenadas-paralelas.jpg
https://www.ingeniovirtual.com/wp-content/uploads/grafico-de-coordenadas-paralelas.jpg
https://www.ingeniovirtual.com/wp-content/uploads/grafico-de-coordenadas-paralelas.jpg
https://www.cs.umd.edu/~ben/papers/Johnson1991Tree.pdf
https://www.cs.umd.edu/~ben/papers/Johnson1991Tree.pdf
https://banner2.kisspng.com/20180326/gww/kisspng-data-visualization-computer-network-network-mappin-network-5ab969a0617579.3609138615221006403992.jpg
https://banner2.kisspng.com/20180326/gww/kisspng-data-visualization-computer-network-network-mappin-network-5ab969a0617579.3609138615221006403992.jpg
https://banner2.kisspng.com/20180326/gww/kisspng-data-visualization-computer-network-network-mappin-network-5ab969a0617579.3609138615221006403992.jpg
https://banner2.kisspng.com/20180326/gww/kisspng-data-visualization-computer-network-network-mappin-network-5ab969a0617579.3609138615221006403992.jpg
https://support.minitab.com/pt-br/minitab/18/cluster_obs_dendrogram_with_final_partition_glove_testers.png
https://support.minitab.com/pt-br/minitab/18/cluster_obs_dendrogram_with_final_partition_glove_testers.png
https://support.minitab.com/pt-br/minitab/18/cluster_obs_dendrogram_with_final_partition_glove_testers.png
https://docs.biolab.si//2/widgets/rst/visualize/surveyplot.html
https://docs.biolab.si//2/widgets/rst/visualize/surveyplot.html
https://lume.ufrgs.br/handle/10183/12423
https://lume.ufrgs.br/handle/10183/12423
http://www.portalaction.com.br/sites/default/files/resize/EstatisticaBasica/figuras/ex3.3.2-500x500.png
http://www.portalaction.com.br/sites/default/files/resize/EstatisticaBasica/figuras/ex3.3.2-500x500.png
http://www.portalaction.com.br/sites/default/files/resize/EstatisticaBasica/figuras/ex3.3.2-500x500.png
http://bdm.unb.br/handle/10483/19778
http://bdm.unb.br/handle/10483/19778
- -26
SCHWENDIMANN, B. et al. Perceiving learning at a glance: A systematic literature review of learning dashboard
research. , 2016.IEEE Transactions on Learning Technologies
SCIKIT. Radviz for 5 features, [201-]. Disponível em: https://www.scikit-yb.org/en/latest/_images/radviz.png.
Acesso em: 27 ago. 2019.
SCIKIT. , [201-9]. Disponível em: Radviz https://www.scikit-yb.org/en/latest/_images/radviz.png. Acesso em:
25 ago. 2019.
SHNEIDERMAN, B. The eyes have it: a task by data type taxonomy for information visualizations. : In
. Boulder: ACM, 1996. p. 336-343.Proceedings of IEEE Symposium on Visual Languages
SPENCE, R. . New York: ACM Press, 2000.Information Visualization
STHDA. , [201-]. Disponível em: Scatter Plot http://www.sthda.com/sthda/RDoc/figure/graphs/scatterplot-
matrices-scatter-plot-matrices-1.png. Acesso em: 26 ago. 2019.
WIKICIENCIAS. , [201-]. Disponível em: Matriz de adjacências https://i0.wp.com/wikiciencias.casadasciencias.
org/wiki/images/c/cb/Matrizadjacencias.png. Acesso em: 26 ago. 2019.
WIKIPEDIA. , [201-]. Disponível em: Andrews curve for Iris data https://upload.wikimedia.org/wikipedia
/commons/thumb/0/03/Andrews_curve_for_Iris_data_set.png/360px-Andrews_curve_for_Iris_data_set.png.
Acesso em: 27 ago. 2019.
XCEPTICZP. Gráfico de barras verticais, também chamado de gráfico de colunas. Wikipedia - Selected
.incarceration rates worldwide. The stats source is the World Prison Population List (6th edition)
Disponível em: https://pt.wikipedia.org/wiki/Gr%C3%A1fico_de_barras#/media/Ficheiro:
Incarceration_Rates_Worldwide_ZP.svg. Acesso em: 25 ago. 2019.
https://www.scikit-yb.org/en/latest/_images/radviz.png
https://www.scikit-yb.org/en/latest/_images/radviz.png
https://www.scikit-yb.org/en/latest/_images/radviz.png
https://www.scikit-yb.org/en/latest/_images/radviz.png
http://www.sthda.com/sthda/RDoc/figure/graphs/scatterplot-matrices-scatter-plot-matrices-1.png
http://www.sthda.com/sthda/RDoc/figure/graphs/scatterplot-matrices-scatter-plot-matrices-1.png
http://www.sthda.com/sthda/RDoc/figure/graphs/scatterplot-matrices-scatter-plot-matrices-1.png
https://i0.wp.com/wikiciencias.casadasciencias.org/wiki/images/c/cb/Matrizadjacencias.png
https://i0.wp.com/wikiciencias.casadasciencias.org/wiki/images/c/cb/Matrizadjacencias.png
https://i0.wp.com/wikiciencias.casadasciencias.org/wiki/images/c/cb/Matrizadjacencias.png
https://upload.wikimedia.org/wikipedia/commons/thumb/0/03/Andrews_curve_for_Iris_data_set.png/360px-Andrews_curve_for_Iris_data_set.png
https://upload.wikimedia.org/wikipedia/commons/thumb/0/03/Andrews_curve_for_Iris_data_set.png/360px-Andrews_curve_for_Iris_data_set.png
https://upload.wikimedia.org/wikipedia/commons/thumb/0/03/Andrews_curve_for_Iris_data_set.png/360px-Andrews_curve_for_Iris_data_set.png
https://pt.wikipedia.org/wiki/Gr%C3%A1fico_de_barras#/media/Ficheiro:Incarceration_Rates_Worldwide_ZP.svg
https://pt.wikipedia.org/wiki/Gr%C3%A1fico_de_barras#/media/Ficheiro:Incarceration_Rates_Worldwide_ZP.svg
https://pt.wikipedia.org/wiki/Gr%C3%A1fico_de_barras#/media/Ficheiro:Incarceration_Rates_Worldwide_ZP.svg
	Introdução
	2.1 Pesquisa por ferramentas de dashboard para dados multimodais
	2.2 Dashboard
	2.2.1 Visualizações multidimensionais
	2.2.2 Técnicas de projeção geométrica
	2.2.3 Iconográficas
	2.2.4 Orientadas a pixel
	2.3 Visualização de dados em redes e hierárquicos
	2.3.1 Treemap
	2.3.2 Grafos
	2.3.3 Pacotes e Ferramentas para visualização de dados
	Síntese
	Bibliografia