《鲜活的数据》的读后感10篇
《鲜活的数据》是一本由[美] Nathan Yau著作，人民邮电出版社出版的平装图书，本书定价：69.00元，页数：281，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。
《鲜活的数据》读后感(一)：可视化，是连接人和机器的有效手段
各种关系的图形化表达，比较系统的一本书：
● 单向量 （比较）：
○ 柱状图，
○ 点图，
○ 线图，
○ 阶梯图，
○ 平滑拟合图；
○ 多向量叠加：柱状堆叠图
● 比例关系 （比较） ：
○ 饼图，
○ 面包圈图，
○ 板块层级图
● 关联关系（主成分） ：
○ 双向量，
○ 多向量两两关联，
○ 三向量两主一副
● 分布（主成分 ） ：
○ 茎叶图，
○ 直方图，
○ 密度图
● 多变量对照（主成分 ） ：
○ 多变量分布图对照，
○ 多变量数值对照热点图（颜色），
○ 多变量数值对照雷达图（形状），
○ 多变量趋势对照平行坐标图，
○ 多变量差距对照欧式距离
● 异常值 （异常 ） 。
《鲜活的数据》读后感(二)：不错的一本俯瞰数据可视化全局的书
本书内容十分丰富，涉及到数据可视化的方方面面，适合任何需要处理数据、解读数据的人看。对已经入门且想更加深入了解数据可视化相关资料的，亦可从本书中获得很多的资料。不过对于想深入了解数据可视化算法和程序设计等相关目的的人来说，则本书并非很合适。
另外，虽然本书中有不少例子中用到python/R/js/as等程序，但即使完全不懂程序设计的人，阅读本书也不会感到吃力。而对于已经 有丰富的程序设计经验的人来说，阅读本书的程序则会知道，书中的程序写的很一般。故，程序，只是本书的一个点缀，读者完全不必因此而却步。
最后再提一点，本书的一个观点——“讲故事”——是很赞的观点。数据本身并不是目的，目的是更好的发现数据中隐藏的“故事”，而数据可视化则可以更好的发现这些故事，并且更加丰富生动的讲故事。
《鲜活的数据》读后感(三)：数据可视化 方面的工具 -- 简单高效得呈现数据
本文摘自 《鲜活的数据 数据可视化指南》这书里。 这本书还是不错的，作为可视化数据入门的书还是很好用哒，其实书里就告诉你一些工具怎么用，然后是一些简单的统计学知识。看完这本书应付平时一些简单的数据可视化工作，在朋友面前露几手应该是没有问题的。。
如果想在可视化数据方面进阶的话，还需要统计学 和 一些图标制作方面的知识。
////// 收集数据
1. 搜索引擎： wolfram.com
2. 向媒体记者讨要。
3. 大学资源
erkeley Data Lab HTTP://sunsite3.berkeley.edu/wikis/data/
4. 综合数据类应用
freebase： www.freebase.com
Infochimps : infochimps.com
umbrary : Numbrary.com
AggData : aggdata.com
Amazon Public Data Sets : aws.amazon.com/publicdatasets
维基百科
5. 专题性数据
地理：TIGER / OpenStreetMap / Geocommons / Flickr Shapefiles
全球： Global Health Facts( globalhealthfacts.org )
UNdata ( data.un.org )
World Health Organization ( who.int/research/en/ )
OECD Statistics ( stats.oecd.org )
World Bank ( data/wordbank.org )
DATA.GOV
6.自动收集数据的python 函数库：Beautiful Soup
////// 处理数据
1. Google Refine
2. Mr .Data Converter 数据格式转换。 支持XML / JSON / CSV /EXCEL
3. Mr.People 功能同上，新增名字处理功能。
////// 数据可视化工具
把数据呈现出来的工具/。。。
1. excel
2. Google Spreadsheets
3. Many Eyes. IBM Visual Communication Lab 主导的一个项目。比较酷。
4. Tableau Software ..面向windows的程序。
自己写一个可视化工具：
1. python: NumPy 和 SciPy ( numpy.scipy.org ) —— python 科学计算模块
umPy 是一个数据处理函数 SciPy 是科学研究用额函数库，再Numpy的基础上开发。
2. Sparkline PHP图形函数库 ( sparkline.com )
3. Processing.. 适合设计师和数据艺术家用的轻量级编程语言，很容易上手。
4. Flash 和 Actionｓｃｒｉｐｔ.. 适合大多数网页
5. 关于web的工具：
rotovis / jquery的Sparklines插件 / Polymaps ( javaｓｃｒｉｐｔ地图函数库)
6. R. 统计学家开发，面向统计学家的编程语言。
《鲜活的数据》读后感(四)：PM.camp对本书译者向怡宁老师的访谈
MInterview产品经理精英访谈录—— HP China +Design Team 设计总监向怡宁
M.camp：我们知道您在游戏、软件、网页交互设计和翻译、写书等方面都取得了不俗的成绩，请您介绍一下自己吧。新锐设计师？翻译？摇滚音乐人？您最喜欢那个称呼？
向怡宁：“不俗的成绩”是过誉了，我只是闲不住，总想做点事找寻一些满足感而已。我是视觉设计出身，从中学就开始自己琢磨纸上游戏，后来接触了Flash就开始做动画和交互游戏。06年到了北京专职做Flash游戏策划和美术。网页和游戏都离不开交互行为，几年下来也有了不少心得体验，就在清华出了两本书，后来承蒙图灵公司高看就一直为他们兼职翻译IT引进图书了，和他们合作得很愉快。今年初回到武汉，一方面是想多和家人在一起，另一方面是想为提升家乡的UE业界环境贡献一点力量。
我并不是什么新锐设计师，自我感觉不会到“新锐”的份上:-)我只是逐渐摸清了交互设计的脉络而已，这个很多人都已经做到了。翻译不是我的主业，但它是个难得的学习和积累的机会，同时也能帮助其他从业者自我提高，我应该会继续下去。摇滚音乐人是我的另一面，呵呵，到现在也弹了十几年的吉他了，参与过很多地下乐队，很喜欢摇滚那种无拘无束的感觉。现在和武汉的几个老朋友又走到一起，翻唱一些80年代的欧美硬摇滚，重拾中学时刚接触摇滚乐时的那种心情。
我就是我自己，正如每个人都是他们自己一样，不可复制，没有高低。如果一定要安个头衔或称呼的话，那么我就是个设计师，喜欢尝试自己感兴趣的东西而已。我觉得作为人来说，最重要的是要有兴趣去体验这个世界。
M.camp：您认为最好的交互设计的步骤和过程是怎样的？
向怡宁：什么都离不开需求。产品是为用户提供服务，交互设计则是为产品本身提供服务。
步骤其实还是很常见的步骤了，用户调研，绘制框图然后制作Axure原型。在初期基本上依靠设计师的经验或者专家式评估，之后需要进行用户测试才能进入细化设计阶段。这整个过程需要不断快速迭代。但话说回来，目前很多公司都没有真正落实这些步骤，有的是出于成本考虑，有的则是观念过于陈腐，还有的是组织架构上难以快速转变，有心无力。我觉得就产品设计来说，功能无疑是最重要的，其次是用户体验，开发团队应该是居于用户体验之下的。有句话听过很多遍了，“没有好的用户体验，再强大的功能也不能赢取用户的青睐。”但现实情况还远不到乐观的程度，尤其是在内地。
M.camp：有人说苹果的成功，主要依靠的是设计，我们知道您认为如今信息设计的趋势是“内容至上”，您能具体谈谈两者之间的关系吗？
向怡宁：苹果的成功在于对用户体验的极端追求，这无疑是最正确的方向。我说的“内容至上”指的是信息设计，而且是相对于视觉层面而言。我们先说一般的产品视觉设计。首先视觉设计是辅助而非主角。80%的用户不会单纯为了你的设计选择你的产品，他们选择产品首先是因为直观、好用，带来了方便、节省了时间，其次才是它有多炫有多酷。或者有一些用户因为漂亮在一开始选择了你的产品，但如果体验上感觉别扭，最终还是会放弃而选择其他产品的。苹果的产品视觉做得很好，但它成功的前提是具有优秀的用户体验。而且就算视觉设计再细腻精彩，用户也会看腻的，就好比很多iPhone用户会下载新的皮肤。就算有人不下载，也不会在使用半年后还整天去仔细品味那些图标。
咱们再掰扯掰扯信息设计。信息设计的目标是顺畅地传递信息或内容，从这种角度来看，如果是以信息传递为目的的产品，视觉设计就应该做到“大相无形，大音无声”。但并不是说要完全抛弃掉视觉设计，而是去掉多余的视觉元素，完全以信息本身作为主体。当然这里面其实还是有视觉设计的，比如字体的大小、颜色、对比关系等等。比如微软的新Metro设计语言，视觉元素很少，也不像苹果那种Aqua晶莹透亮的，但必要的信息都得到了充分的展示，而且用起来你不会觉得寡然无味。延伸来看，机场的信息标识也没说要做个高光、倒影什么的，反而是越简单越好，单色的表意性图标加上大大的文字。再举个简单例子就是6、7年前市面上到处都是Photoshop做网页的教程，教你怎么制作出黑暗风格、金属风格的酷炫网页，很多设计师的个人网站都很复杂精致，现在这种网页应该已经很少了吧？精致和细节是必需的，但复杂是必然要抛弃的，除非你的用户本身就是Photoshop爱好者。
M.camp：作为一个优秀的设计师，您能给我们年轻的刚刚入行的设计师们分享一些您的经验吗？或者说有哪些忠告？
向怡宁：忠告真谈不上，好像我现在多成功似的……用周润发的话说，我才刚上路咧！而且我自己感觉也还算蛮年轻的吧T_T 反正做到现在，我的经验就是多看、多分享、多借鉴、多尝试。20出头的时候，我发现世界越来越大，很多我没有发现的东西，而且变化很快；后来慢慢又开始感觉世界越来越小，原来很多东西是有共性的。如果你即将或者刚刚踏入工作岗位，千万不要束手束脚，保持开放的心态、细心大胆，世界自己会在我们眼前慢慢展开。
很多大师都提出过他们自己总结出的交互设计原则，但归根结底也就翻来覆去的那么几条。不是说这些大师是在搞微创新，而是因为交互设计本身就是以心理学和人性为基础，而人类在这方面的变化是很缓慢的。有人说移动终端和Web产品不一样，但原理还是相通的，无非是怎么方便怎么来嘛，移动的特性决定了交互行为的特性。在理解了原理之后，多看些好书，多接触资讯，像我之前说的主动去体验这个世界，你会发展出自己独立的个性和风格。
另外有一点还想强调的是“永远不要过于自信”，测试才是最有效的验证途径。前两个月我的团队协助美国惠普针对笔记本屏幕的一点硬件改动进行了用户人因测试。我自认为是心细如发的人，在收到两款样品后观察了20分钟楞没找出来改动是在哪里。但最后25个用户中有6个都发现了。
M.camp：《就这么简单——Web 产品的可用性和用户体验》能为我们介绍一下您的这本著作吗？
向怡宁：这本书是07年底完稿的，我到现在都觉得有用。它从头到尾讲述了用户体验的方方面面。现在我周围要是有设计师不太理解这一行当，我就把书扔给他们先回家看一遍。其实我当时写这本书的初衷是觉得要想把一件事情了解清楚，最好的办法就是把这件事情给别人讲清楚。这一目的达到了。
这本书应该确实帮到了一些人吧……当时国内UE环境还不像现在这样普及，也没有通俗易懂的UE方面原创著作，全是国外的，而且基本上都属于深入而非全面那种。另外我把书写得还算是挺好玩的，加了很多漫画在里头，就是希望读者别半途而废。现在某个知名公司有位交互设计师挺出名的，微博粉丝是我的20倍吧……她说她入行就是因为读到了我这本书。说实话我听说后感觉蛮欣慰的，她又能带动多少人呢是吧。算是出了点力吧。
现在抱着批判的心态再看这书，说实话感觉有点过时了，用的案例不再有现代的感觉，有些包袱抖得也稍嫌幼稚。图灵公司希望我在他们那再版一次，我一直拖着，感觉再要出肯定得重新考虑一下，怎么把这几年的心得再融进去。编辑们也挺有责任感的，一点不催我。再要出这本书，我希望能发到二三线城市，让更多人了解、喜爱最终踏入这一行业。
M.camp：您翻译过好几本国外的设计类著作，是这些书里的哪些内容打动了您，使您选择翻译他们？
向怡宁：写书译书其实都是一样的，一方面自己写或者翻译，肯定比读一遍要理解更为深刻，我就当免费拿到原版书学习了，还有稿费挣，这不天上掉馅饼么。另一方面出版社通过他们的渠道让更多人有机会了解这些优秀著作，让我感觉做了点实在的事情。
我有时候也给图灵出主意，要他们拿选题。比如最近正在翻译的这本《鲜活的数据：数据可视化指南》就是我年初给他们推荐的，不是信息图最近特火吗，很快就拿到了版权。
M.camp：这些年，应该说中国的设计师们已经逐渐成长，有了不小的进步，您觉得在国际上，中国设计水平处在一个怎样的位置上？相对于国外优秀的设计师/作品，您觉得导致这种差距最核心的问题在哪里？如何改善？
向怡宁：我不觉得中国设计师能力很差。我们确实常看到一些国外的优秀设计，但这并不一定代表整体水平，正是因为它们优秀，才有可能被传播，对吧？不优秀的那些作品，不主动去找是很难发现的。我有时候逛到一些国外网站，感觉也很坑爹的，所以大家彼此彼此吧。
如果真要找差距，我觉得一是差在时间上，毕竟很多方法论都是国外传进来的，自然晚人一步。但这一差距逐渐会越来越小。二是在土壤上面，有时候并不是设计师有想法，硬件就能跟上的。比如我在香港看到地铁站台很有设计感，北京的就比不上，整面墙也是大喷绘，可惜全是广告。
M.camp：听说您是个摇滚乐队的吉它手兼词作者，对你来说音乐、翻译、设计是一体的，是吗？他们相互融合是否使您觉得工作也是一种享受？或者说音乐是您最好的放松或是表现自己的方式？
向怡宁：我高三开始弹吉他到现在。摇滚让我放得很开，不拘泥于陈规，这个对我个性的影响是很大的，也是很正面的。但其他方面音乐对于设计似乎帮助不大……所以应该算是放松的方式吧，我每天工作累了就会搞翻译，翻译烦了就开始练琴，靠这样换脑子。之前我在北京的乐队叫做KICK ASS，基本上每个月会有大概一到两场演出，在Livehouse那种，确实是一种调剂。现在回到武汉重新开始新乐队。我今天还跟朋友聊天，说要是不玩乐队，我早就宅死家中了。
曾经有位吉他大师说：“吉他弹得不好很难。弹好则非常容易。”这话似乎很令人费解。但其实弹过吉他的人就知道，一旦你全身心地融入到音乐中，就会进入一种类似禅的平静状态，一种高度的集中。你不是为了在每个小节里塞满音符而弹奏，而是在其中呼吸、畅游。音符会自然而然地流淌出来，就好像心灵在歌唱，而不是在努力去证明自己手指的灵巧或者技术的高超。这是一种非常美妙的体验，对弹奏者和听众来说都是如此。
无论是设计、翻译、音乐还是其他行业，如果你投入其中，就会心无旁骛、乐在其中，自然会得到令自己满意的结果。
《鲜活的数据》读后感(五)：一个外行的购买意见
本书的可视化数据基本上是用Python完成数据收集与基本处理，再以R软件制作，最后用Adobe Illustrator修饰完成的。静态部分基本上大同小异，无非只是在R创建的时候，更改一下创建图表的类型（什么情况该用什么图表，本书还是给了很详细的说明的）。如果还想创建互动版本，则需要用到Javaｓｃｒｉｐｔ。更高阶的动画部分还需要Flash的知识。
所以阅读的时候基础的程序知识是必不可少的。如果不是真的想要创建生动的图表，只是想要了解一下可视化数据的知识，就会像我一样草草翻完，所以像我这样的还是不怎么建议购买本书。不过这本书的确让我这样的门外汉知道了除了Excel之外创建图表的方法。
如果工作学习中的确会遇到数据可视化的处理，或者为了以防日后工作中遇到多掌握点技能，可以买来跟着书中的例子做一做，我觉得还是会有提高的。如果有C的基础的话，Python和R还是蛮好看懂的。
《鲜活的数据》读后感(六)：激发对数据的变态欲望
[作者]
athan Yau 博士 超级数据迷 flowingdata.com
=================================
[本书思路]
数据可视化的作用 -> 处理数据 -> 各样式的数据可视化
=================================
[摘抄]：
1 从数据中获得什么{ 模式、相互关系、有问题的数据 }
2 数据来源 {
1 大学资源 { DASL cmu, Berkeley Data Lab , UCLA statistics data sets }
2 综合类{ freebase , infochimps, numbrary}
3{openstreetmap***,geocommons,global health facts,undata***, data.worldbank.org*****}
3 工具 {
ython {Beautiful soup} ,
google spreadsheets,
many eyes ***,
rocessing {设计师与数据艺术家的开源语言} ,
rotovis{js} *******,
google charts API,
jQuery Sparklines,
R******,
airGIS*****}
《鲜活的数据》读后感(七)：About Nathan who writes for FlowingData
About Nathan who writes for FlowingData
My name is Nathan Yau, and I'm the one writing for FlowingData. In a previous life I was an electrical engineering and computer science student at Berkeley, but now I'm a UCLA PhD candidate in statistics with a focus in data visualization.
More specifically, I'm most interested in
Data for non-professionals
Information design
elf-surveillance
In a nutshell, I want to make data available and useful to those who aren't necessarily data experts; I think visualization plays a major role in this.
Here are some of my random experiments with both print and interactive stuff. I also wrote a book.
When I'm not playing with data, I'm usually cooking, eating, watching basketball, or hanging out with my wife.
除了Flowing Data的网站，还有以下数据可视化的两个网站，很不错。
《鲜活的数据》读后感(八)：不够“鲜活”，“指南”够格
作者Nahan Yau，创建了可视化博客flowingdata.com，拥有66000用户，查看了下Amazon.com，发现作者一共只出版了两本书，一本书是这本《鲜活的数据-数据可视化指南》，另一本是2013年出版的《Data Points: Visualization That Means Something》，算是对上一本的补充，侧重讲各种图形化在各领域的利用，但貌似还没有中译本。作者的背景是在《纽约时报》、CNN从业的媒体工作者，本身即非程序员、也不是统计分析的专业人士，但看得出来，作者出书也好，个人网站也好，都在传递一个观点：让普通大众都能更好利用可视化技术，也希望通过这种方式讲述与数据有关的故事。
给我印象最深的是，作者是一个好学的人，而且是一个非常“聪明”的学习者（褒义非贬义），有点像那种“唯工具论者”，也有点像互联网时代“利用网络资源倍增学习的技术达人”，作者的主要方法是：混合使用各种工具和方法（其实更偏爱R语言），特别是涉及到编程技术时，不需要先要完整学习Python，R等编程工具，也不需要深入学习Abobe lilustrator等绘图软件，作者大而全的介绍了可视化的种种：
1、如何选择可视化工具，包括开箱即用的可视化工具（指那种需熟悉操作界面，用鼠标操作 ）、编程工具（靠编程语言）、绘图软件、地图绘制工具
2、不同类型的可视化应用类型及创建案例：有关比例的可视化（有用R创建的板块层级图、flash builder工具创建的交互式堆叠面积图，protovis工具创建的面包圈图）、有关关系的可视化，有关空间关系的可视化
3、很初步的介绍了一些可视化原则：比如第一章节：用数据讲故事，介绍了可视化在一些领域的应用情况，探讨了可视化的内核是追寻一种【模式和相互关系】，也谈可视化从设计方面的组成。
4、作者也谈到了如何收集数据，如何设置数据的格式，里面也提供了一些可供下载的数据源，一些自动处理收集的工具和方法（这点我个人最感兴趣，而且也确实提供了一些好资源和工具）
作者的背景知识也表明：他是那种提供给非程序员而看的书籍，虽然里面涉及很多编程工具的知识。而且，令人佩服的是，他是那种“适度学习者”，不会因为对信息可视化感兴趣，而先要深入学习各种Python和R等编程语言，然后学习设计理论，最后结合统计分析知识的那种学习路径，这点确实应该值得推崇，特别是针对非程序员和非统计分析专业人士来说。
作者充分利用了现有的一些互联网工具，而且也多次重申和主张，不要被各种编程语言所吓坏，它模式很简单，也有模式可寻，这里作者谈的模式就像我们平时去网上收集信息，只有百度上有教程，哪怕不懂原理也没事，依葫芦画瓢就行。更难得的是，作者不是简单罗列各种应用案例和方法，他简明扼要，而且是那种“投机取巧”的方式介绍了各种软件和工具的一些应用的场景，优势和劣势，和背后的逻辑模式，这样他的这些罗列才显得更有价值，而不会简单变成那种百年不会碰一下的工具书，即使翻了看也不知道工具书怎么使用。
所以，这本书可以算是一本够格的“指南”，因为确实具有实操价值，书中的很多案例，我都在网上下载了软件，按照案例操作试了看。但也仅仅是够格，它会成为很多对信息可视化感兴趣的人士，愿意亲自动作去感受它的有趣，也同时提供了框架入门的指引，当然，要象作者一样，成为每个工具都略懂一二，能合理地混合利用各个工具创作信息可视化的人，这背后当然没作者说的那样容易，还需以某个领域为焦点深入下去。
作者是媒体传播者，着重点在“讲故事”，那“适当学习”，混合使用各工具去创建就说得通，但如果你是企业人士从事市场分析工作，那重点可能就放在了统计分析的原理理解和应用上，信息可视化作为辅助工具加持，恐怕就不能大范围的尝试使用各种工具，而是固定在某一种工具上发力。
遗憾和不足：可视化的原理，设计准则，各统计内涵与图形表达之间的关系，等等，作者都未有涉猎讲解，这也是这本书没把数据讲“鲜活”的原因，不怪作者，本身它的目标群体就不是那些专而精的人。
4颗星，少一星是不够格成为经典，没法定位在这个领域给一个独一无二的位置，但推荐，国人写的那种全是从别人论文和外文书籍拔下来的“没错误”的书籍，还真是不如那种“专业实践几年”的技术博客达人的接地气书籍，好歹可以试试动动手，没法子的时候还真用得着。
学习任何一个领域，都需要一本这样大而全的操作指南工具书，在没有看到更好的书籍前，就拿这本放桌面吧。
161116留
《鲜活的数据》读后感(九)：我能说这本书写的好没有重点吗
这里无意冒犯谁，因为类似这样的图，我自己在分析的过程中做过一个，发现作用真的十分有限，除了炫还是炫。
这个作者的能力肯定是有的，只是我觉得这本书和他博客上的文章比起来，后者明显会好一些。