《數據故事化：從數據感知到數據認知》是2022年電子工業出版社出版的圖書，作者是朝樂門。
基本介紹
- 書名：數據故事化：從數據感知到數據認知
- 作者：朝樂門
- 出版社：電子工業出版社
- 出版時間：2022年9月
- 頁數：296 頁
- 定價：98.0 元
- 開本：16 開
- ISBN：9787121446146
內容簡介,圖書目錄,
內容簡介
本書是創新性系統講述數據故事化的理論與實踐的教材，特別注重相關理論的繼承和創新，不僅吸收全球一流大學及國外相關領域的標誌性成果及最新進展，還充分體現了我國傳統文化及人才培養的需要及未來社會的人才需求，系統講解數據故事化的理論、方法、技術、工具與代表性實踐。全書分為三篇：基礎篇主要講解數據故事與文學故事的聯繫及區別，以及數據故事的定義、特徵、認知和套用；理論篇主要分析數據故事化的核心理論、數據故事化的理論基礎及數據故事化的方法與技術；實戰篇主要講解Tableau的數據故事化功能和基於Tableau的數據故事化實踐。 本書既可以滿足數據科學與大數據技術、大數據管理與套用、計算機科學與技術、管理工程、工商管理、數據統計、數據分析、信息管理與信息系統、商業分析、數據新聞、數字人文等專業的教學需求，還可以滿足數據科學領域緊缺人才培養和職業能力提升的需求。
圖書目錄
第一篇 基礎篇
第1章 故事 3
1.1 故事的定義和特徵 4
1.1.1 故事的定義 4
1.1.2 故事的特徵 7
1.2 故事的發展史 8
1.2.1 視覺/口述講故事（約公元前700年之前） 8
1.2.2 書面講故事（約公元前700年至20世紀） 11
1.2.3 數位化講故事（20世紀至今） 11
1.3 故事的要素 12
1.3.1 意圖——為什麼要講故事 13
1.3.2 內容——要講什麼故事 13
1.3.3 方式——如何講故事 14
1.3.4 客群——給誰講故事 14
1.3.5 衝突——故事的關鍵在哪裡 15
1.4 故事的情節 16
1.4.1 金字塔結構 16
1.4.2 英雄之旅結構 17
1.4.3 “男孩追到女孩”結構 19
1.5 故事的敘述 19
1.5.1 故事的創作與敘述的區別 19
1.5.2 故事的敘述方法 20
1.5.3 故事的敘述原則 22
1.6 故事的生成 26
1.6.1 Storytelling Alice和Looking Glass 26
1.6.2 BeemGee作者工具 27
1.6.3 Worldbuilding 28
小結 29
思考題 30
第2章 數據故事 31
2.1 數據故事的定義 32
2.1.1 數據與故事的聯繫 32
2.1.2 數據故事及數據故事化 34
2.1.3 數據故事的金字塔模型 35
2.1.4 數據故事化的相關術語 36
2.1.5 數據故事的作用——EEE作用 36
2.2 數據故事的特徵 37
2.3 數據故事的認知模型 40
2.3.1 數據故事的感知 41
2.3.2 數據故事的認知 41
2.3.3 數據故事的行動 42
2.4 數據故事的套用 42
2.4.1 解決數據科學的“最後一英里”問題 42
2.4.2 提升數據的可認知和可記憶能力 43
2.4.3 推動“數據—洞見—行動”的轉換 47
2.4.4 數據新聞及數據產品開發 47
小結 49
思考題 50
第二篇 理論篇
第3章 數據故事化的基礎理論 53
3.1 數據故事的要素 54
3.2 數據故事化的原則 55
3.3 數據故事化的流程 58
3.3.1 數據理解 58
3.3.2 明確目的 61
3.3.3 了解客群 62
3.3.4 識別關鍵數據 63
3.3.5 數據故事的建模 63
3.3.6 敘述準備 64
3.3.7 敘述設計及二度創作 65
3.3.8 敘述與互動 65
3.4 數據故事化的模型 66
3.4.1 分析模型 67
3.4.2 故事模型 67
3.4.3 敘述模型 70
3.5 數據故事的敘述 71
3.5.1 敘述者驅動型敘述 71
3.5.2 客群驅動型敘述 72
小結 72
思考題 73
第4章 數據故事化的理論基礎 74
4.1 數據科學 76
4.1.1 與數據故事化的聯繫 76
4.1.2 數據科學的理論與方法 77
4.1.3 數據科學的套用 85
4.2 認知科學 90
4.2.1 與數據故事化的聯繫 91
4.2.2 認知科學的理論與方法 92
4.2.3 認知科學的套用 95
4.3 數據可視化 96
4.3.1 與數據故事的聯繫 96
4.3.2 可視化的理論與方法 97
4.3.3 數據可視化的套用 109
4.4 可解釋性機器學習 111
4.4.1 與數據故事化的聯繫 112
4.4.2 可解釋性機器學習的理論與方法 113
4.4.3 可解釋性機器學習的套用 116
4.5 自然語言處理 117
4.5.1 自然語言處理與數據故事化的聯繫 117
4.5.2 自然語言處理的理論與方法 118
4.5.3 自然語言處理的套用 123
小結 124
思考題 126
第5章 數據故事化的方法與技術 127
5.1 可視故事化 128
5.1.1 可視故事化的定義 128
5.1.2 可視故事化的特徵 129
5.1.3 可視故事化的方法 130
5.2 SHAP 137
5.2.1 SHAP的定義 137
5.2.2 SHAP的方法 138
5.2.3 SHAP的特徵 139
5.2.4 SHAP的套用 140
5.3 Facet 140
5.3.1 Facet的定義 140
5.3.2 Facet的方法 141
5.3.3 Facet的特徵 142
5.3.4 Facet的套用 142
5.4 反事實解釋 144
5.4.1 反事實解釋的定義 144
5.4.2 反事實解釋的特徵 144
5.4.3 反事實解釋的方法 144
5.4.4 反事實解釋的套用 145
5.5 LIME 146
5.5.1 LIME的定義 146
5.5.2 LIME的特徵 147
5.5.3 LIME的方法 147
5.5.4 LIME的套用 150
5.6 Anchors 150
5.6.1 Anchors的定義 150
5.6.2 Anchors的方法 151
5.6.3 Anchors的特徵 151
5.6.4 Anchors的套用 151
5.7 對比解釋法 153
5.7.1 對比解釋法的定義 153
5.7.2 對比解釋法的特徵 154
5.7.3 對比解釋法的方法 155
5.7.4 對比解釋法的套用 156
5.8 A/B測試 157
5.8.1 A/B測試的定義 157
5.8.2 A/B測試的方法 157
5.8.3 A/B測試的特徵 158
5.9 混淆矩陣 159
5.9.1 混淆矩陣的定義 159
5.9.2 混淆矩陣的特徵 160
5.9.3 混淆矩陣的方法 160
5.9.4 混淆矩陣的套用 160
小結 163
思考題 163
第三篇 實戰篇
第6章 Tableau及其數據故事化功能 167
6.1 Tableau概述 168
6.2 Tableau的安裝 173
6.3 Tableau的界面 174
6.3.1 選單及工具列區域 175
6.3.2 數據源、工作表、儀錶板和故事標籤及狀態欄 177
6.3.3 側欄及窗格區域 178
6.3.4 畫布及視圖區域 180
6.3.5 卡和功能架區域 180
6.3.6 智慧型推薦區域 184
6.4 Tableau的術語 184
6.4.1 數據來源（Data Source） 184
6.4.2 工作簿及其組成 185
6.4.3 窗格及其類型 186
6.4.4 功能架及其類型 188
6.4.5 視圖及其智慧型推薦 189
6.4.6 儀錶板 189
6.4.7 故事 192
6.4.8 參數 192
6.4.9 維度和度量 194
6.4.10 連續欄位和離散欄位 196
6.5 Tableau的關鍵技術 198
6.5.1 VizQL 198
6.5.2 HyPer 201
6.6 Tableau的操作方法 203
6.6.1 連線到數據來源 203
6.6.2 工作表及視圖的編輯 205
6.6.3 儀錶板的編輯 207
6.6.4 故事的編輯 210
6.6.5 數據的分析 211
6.6.6 線上發布 216
6.7 Tableau的故事化功能 217
小結 223
思考題 224
第7章 數據故事化實戰 225
7.1 Tableau數據故事化的流程 226
7.2 地震數據故事的需求分析 228
7.2.1 業務背景 228
7.2.2 數據分析 229
7.2.3 數據故事化的目的 230
7.3 地震數據故事的設計 231
7.3.1 數據故事的類型 231
7.3.2 數據故事的要素 232
7.3.3 數據化故事的模型 233
7.3.4 數據故事的敘述 234
7.4 地震數據故事的生成 235
7.4.1 連線數據源 235
7.4.2 設計工作表 237
7.4.3 設計儀錶板 247
7.4.4 設計故事 252
7.5 地震數據故事的發布 265
7.6 地震數據故事的評價與改進 266
小結 267
思考題 268
附錄A 數據故事化的重要文獻 269
附錄B 數據故事化相關工具軟體 273
附錄C 數據故事化相關課程資源 276
參考文獻 279
