[论文解读] 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 5

一句话总结

DataSite 是一种主动的可视化分析系统，利用服务器端计算引擎自动运行并排序多种数据分析，将关键洞察以类似社交媒体动态信息流的形式作为通知呈现。用户研究表明，与手动（PoleStar）和基于推荐（Voyager 2）的系统相比，该系统显著提升了洞察的覆盖范围和复杂度，尤其在处理复杂且未知的数据集时表现更优。

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.

研究动机与目标

• 通过减少分析师手动选择分析任务的需求，缓解探索性数据分析中的认知负担与知识负担。
• 克服传统可视化分析工具将全部控制权交由分析师所带来的局限，尤其是在假设不明确或数据复杂时。
• 开发一种系统，通过自动化计算主动呈现高价值洞察，模拟分析师与系统之间的协作式对话。
• 提升非专家和时间受限分析师的数据探索效果——尤其在洞察的广度与深度方面。
• 评估一种主动的、计算驱动的方法相较于现有被动及部分自动化的可视化推荐系统的效果。

提出的方法

• 部署一个基于网页的可视化分析界面，采用类似 Tableau 的面板式设计，用于手动数据探索。
• 实现一个服务器端的多线程计算引擎，对所有数据维度组合自动运行所有可能的分析（如聚类、回归、相关性分析、降维等）。
• 基于分析对数据集的感知实用性对结果进行排序与优先级划分，每个计算模块通过标准化插件接口进行集成。
• 将结果以动态、可交互的通知形式在信息流时间轴中呈现，每条通知包含自然语言描述和可交互的缩略图可视化。
• 允许用户对信息流进行过滤、排序和搜索，并可展开任意通知以查看详细洞察或将其导入手动探索面板。
• 整合用户交互数据（如点击、选择等），以潜在方式指导未来推荐，并动态重新排序信息流项目。

实验结果

研究问题

• RQ1 与传统的手动探索相比，主动的、计算驱动的可视化分析方法在洞察覆盖范围和深度方面表现如何？
• RQ2 自动化洞察推荐是否能提升发现的质量与复杂度，尤其是在非专家用户或未知数据集场景下？
• RQ3 DataSite 的基于信息流的通知系统与 Voyager 2 等现有推荐系统相比，在支持有效数据探索方面表现如何？
• RQ4 主动推送洞察在多大程度上减轻了分析师的认知负担与领域知识负担？
• RQ5 将自动化计算与手动探索相结合，如何增强探索性数据分析中的整体认知建构过程？

主要发现

• 使用 DataSite 的参与者发现的洞察比使用手动可视化系统 PoleStar 的参与者更丰富、更复杂，且在主观上更具洞察力。
• DataSite 在数据覆盖的广度与深度方面均显著优于 PoleStar，表明其提升了探索效率与洞察发现能力。
• 与 Voyager 2 相比，DataSite 提供了更多有意义且可操作的图表与洞察，同时保持了相当的可用性与易用性。
• 基于信息流的通知系统有效支持了探索的各个阶段——快速浏览、详细检查与主动路径选择——而无需用户完全投入任一分析路径。
• 用户研究证实，主动推送洞察显著增强了认知建构过程，尤其在假设不明确的早期探索阶段。
• 系统自动呈现洞察的能力降低了分析师手动生成假设或选择分析方法的需求，显著降低了非专家用户的使用门槛。