[論文レビュー] DataSite: Proactive Visual Data Exploration with Computation of Insight-based Recommendations

Zhe Cui, Sriram Karthik Badam+2 more|arXiv (Cornell University)|Feb 23, 2018

Data Visualization and Analytics参考文献 30被引用数 5

ひとこと要約

DataSite は、サーバーサイドの計算エンジンを用いて、多様なデータ分析を自動的に実行・ランク付けし、ソーシャルメディア風のフィードに顕著なインサイトを通知として提示する、能動的で視覚的分析を支援するシステムである。ユーザースタディーの結果、特に複雑で未知のデータセットにおいて、手動（PoleStar）や推薦ベース（Voyager 2）のシステムと比較して、インサイトのカバレッジと複雑さが顕著に向上していることが示された。

ABSTRACT

Effective data analysis ideally requires the analyst to have high expertise as well as high knowledge of the data. Even with such familiarity, manually pursuing all potential hypotheses and exploring all possible views is impractical. We present DataSite, a proactive visual analytics system where the burden of selecting and executing appropriate computations is shared by an automatic server-side computation engine. Salient features identified by these automatic background processes are surfaced as notifications in a feed timeline. DataSite effectively turns data analysis into a conversation between analyst and computer, thereby reducing the cognitive load and domain knowledge requirements. We validate the system with a user study comparing it to a recent visualization recommendation system, yielding significant improvement, particularly for complex analyses that existing analytics systems do not support well.

研究の動機と目的

• アナリストが分析を手動で選択する必要を減らすことで、探索的データ分析における認知的負担と知識的負担を軽減すること。
• 仮説が不明瞭またはデータが複雑な場合に、アナリストの手に完全に任せる伝統的なビジュアルアナリティクスツールの限界を克服すること。
• 自動計算を通じて高利便性のインサイトを能動的に提示するシステムを構築し、アナリストとシステムの間の協働的対話に似せること。
• 非エキスパートや時間制約のあるアナリストにとっても、インサイトの広がりと深さを向上させることで、データ探索の成果を改善すること。
• 現在の反応型および部分的に自動化されたビジュアライゼーション推薦システムと比較して、能動的で計算駆動型のアプローチの有効性を評価すること。

提案手法

• 手動によるデータ探索に適した、Tableau に類似したシェルフ型デザインのウェブベースのビジュアルアナリティクスインターフェースを導入する。
• すべてのデータ次元の組み合わせに対して、（クラスタリング、回帰、相関、次元削減など）あらゆる可能な分析を実行するサーバーサイドでマルチスレッド処理が可能な計算エンジンを実装する。
• 各計算モジュールに標準化されたプラグインインターフェースを用いて、データセットに対する認識された利便性に基づき分析をランク付け・優先順位付けする。
• 各インサイトに自然言語による説明とインタラクティブなサムネイル可視化を含む、動的でインタラクティブな通知として結果をフィードタイムラインに表示する。
• ユーザーがフィードをフィルタリング、ソート、検索可能であり、任意の通知を展開して詳細なインサイトを閲覧するか、手動探索パネルにインポートできるようにする。
• ユーザーのインタラクションデータ（例：クリック、選択）を統合し、将来の推薦をガイドしたり、フィードアイテムを動的に再ランク付けする可能性を秘めている。

実験結果

リサーチクエスチョン

• RQ1 能動的で計算駆動型のビジュアルアナリティクスアプローチは、従来の手動による探索と比較して、インサイトのカバレッジと深さにおいてどのように異なるか？
• RQ2 自動インサイト推薦は、非エキスパートユーザーまたは未知のデータセットにおいて、発見の質と複雑さを向上させることができるか？
• RQ3 DataSite のフィードベース通知システムは、Voyager 2 などの既存の推薦システムと比較して、効果的なデータ探索をどのように支援するか？
• RQ4 インサイトの能動的配信は、アナリストの認知的負担とドメイン知識の負担をどの程度軽減するか？
• RQ5 自動計算と手動探索の統合は、探索的データ分析における全体的な意味づけプロセスをどのように向上させるか？

主な発見

• PoleStar（手動ビジュアライゼーションシステム）を使用した参加者と比較して、DataSite を使用した参加者はより豊富で複雑かつ主観的によりインサイトに満ちた発見をした。
• DataSite は、PoleStar と比較して、データカバレッジの広がりと深さの両面で顕著に優れており、探索の効率性とインサイト発見の質が向上していることが示された。
• Voyager 2 と比較して、DataSite は同等の使いやすさを維持しながら、より意味的で実行可能なチャートとインサイトを提供した。
• フィードベース通知システムは、迅速なスキャン、詳細な検査、アクティブなパス選択のすべての段階を効果的に支援し、特定の分析パスに完全にコミットする必要がなかった。
• ユーザースタディーにより、能動的インサイト配信が、仮説が不明瞭な初期段階の探索的分析において、意味づけを促進することが確認された。
• システムが自動的にインサイトを提示できる能力のおかげで、アナリストが仮説を自ら生成する必要や分析手法を選択する手間が軽減され、非エキスパートの入り口障壁が低下した。