[论文解读] zenvisage: Effortless Visual Data Exploration.

Tarique Siddiqui, Albert Kim+3 more|arXiv (Cornell University)|Apr 12, 2016

Data Visualization and Analytics参考文献 32被引用 6

一句话总结

zenvisage 引入了一个视觉分析平台，通过一种与领域无关的视觉查询语言 ZQL 和用户友好的界面，实现轻松发现有价值的可视化结果。该平台通过引导用户发现生物学、工程学和商业等多样化领域中的有意义模式，减少了耗时的探索过程，评估结果表明其在实际应用中提升了可用性和效率。

ABSTRACT

Data visualization is by far the most commonly used mechanism to explore data, especially by novice data analysts and data scientists. And yet, current visual analytics tools are rather limited in their ability to guide data scientists to interesting or desired visualizations: the process of visual data exploration remains cumbersome and time-consuming. We propose zenvisage, a platform for effortlessly visualizing interesting patterns, trends, or insights from large datasets. We describe zenvisage's general purpose visual query language, ZQL (zee-quel) for specifying the desired visual trend, pattern, or insight - zenvisage draws from use-cases in a variety of domains, including biology, mechanical engineering, commerce, and server monitoring. While analysts are free to use ZQL directly, we also expose zenvisage via a visual specification interface, which we also describe in this paper. We then describe our architecture and optimizations, preliminary experiments in supporting and optimizing for ZQL queries in our initial zenvisage prototype, as well as a user study to evaluate whether data scientists are able to effectively use zenvisage for real applications.

研究动机与目标

• 为解决新手和经验丰富的数据分析师在视觉数据探索中繁琐且耗时的问题。
• 通过允许用户直观指定期望的洞察，减少在选择有意义可视化时对手动试错的依赖。
• 设计一种通用的视觉查询语言 ZQL，以捕捉多个领域中的模式、趋势和洞察。
• 提供直接的 ZQL 界面和可视化指定界面，以提升广泛用户的可访问性。
• 通过用户研究和原型优化，评估 zenvisage 在真实世界数据分析任务中的有效性和可用性。

提出的方法

• 该平台引入了 ZQL（zē-kuèl），一种视觉查询语言，允许用户使用高层次、声明式语法指定期望的视觉趋势、模式或洞察。
• 提供可视化指定界面，使用户可通过点击操作构建 ZQL 查询，降低非专业用户的学习门槛。
• 系统架构设计支持 ZQL 的高效查询处理与优化，利用索引和查询重写技术。
• 原型包含针对常见 ZQL 模式的优化，提升了在大规模数据集上的性能。
• 该平台支持生物学、机械工程、商业和系统监控等多样化应用场景。
• 开展了用户研究，以评估平台在真实数据分析工作流中的可用性和有效性。

实验结果

研究问题

• RQ1 像 ZQL 这样的通用视觉查询语言能否有效表达多个领域中的多样化数据洞察？
• RQ2 可视化指定界面在多大程度上提升了非专业用户在视觉数据探索中的可访问性和可用性？
• RQ3 与传统工具相比，zenvisage 在多大程度上减少了发现有意义可视化所需的时间和精力？
• RQ4 查询优化技术在支持大规模数据集上的交互式性能方面有多有效？
• RQ5 数据科学家能否成功使用 zenvisage 在真实世界的数据分析任务中识别出洞察？

主要发现

• 用户研究显示，数据科学家能够有效利用 zenvisage 在实际应用中发现有意义的可视化结果，表明其具有强大的实际可用性。
• 可视化指定界面显著降低了复杂视觉查询的思维负担和学习曲线。
• ZQL 的表达能力使用户能够跨多样化数据集指定广泛的洞察，包括趋势、异常和相关性。
• 原型中的优化显著提升了查询响应时间，即使在大规模数据集上也能实现交互式探索。
• 该平台成功支持了生物学、机械工程、商业和服务器监控等应用场景，证实了其跨领域的适用性。
• 与传统工具相比，用户在使用 zenvisage 进行视觉数据探索时报告了更高的满意度和效率。