Redigerer Datavisualisering (avsnitt)

== Visuell representasjon ==
[[Fil:Kencf0618FacebookNetwork.jpg|miniatyr|høyre|En datavisualisering av [[Sosiale medier|sosial media]]]]
Visuelle representasjoner av data tar sikte på å utnytte menneskets intuitive evne til å gjenkjenne struktur og mønstre.<ref>Philip K. Robertson (1990). A Methodology for Scientific Data Visualisation:
Choosing Representations Based on a Natural Scene Paradigm"</ref> Dette kan være viktig for å få en helhetlig oversikt over data, slik at man kan dra fordeler av den. Det blir for eksempel brukt til å presentere Big Data i selskapers søk etter bedre beslutninger.<ref>Dorie Clark, "Data Visualization Is The Future - Here's Why", CNN.com, Mars 10, 2014. http://www.forbes.com/sites/dorieclark/2014/03/10/data-visualization-is-the-future-heres-why/</ref>
Det er flere metoder som kan benyttes til å representere data. Forskjellige representasjoner kan finne helt andre mønstre ved dataen. Selve oppgaven med å velge en passende representasjon er vanskelig hvis flere variabler skal presenteres eller sammenlignes for relasjoner.
Ifølge Friendly(2008) har datavisualisering hovedsakelig fokus på to forskjellige representasjoner: statistisk grafikk og tematisk kartografi. Begge er opptatt av den visuelle representasjonen av kvantitative og kategoriske data, men drevet av ulike representasjons mål. Kartografisk visualisering er primært opptatt av representasjon av et geografisk/romlig domene, mens statistisk grafikk kan benyttes i alle domener og spesielt til å visualisere kvantitative data i statistisk analyse. Det er mye overlapping, men kartografi og statistisk grafikk deler felles mål for visuell representasjon for utforskning og oppdagelse. Disse spenner fra enkel kartlegging av steder(landmasse, elver, terreng), til romlige fordelinger av geografiske karakteristikker(arter, sykdom, økosystemer), til det store utvalget av grafiske metoder som brukes til å beskrive mønstre, trender, og indikasjoner.<ref> Michael Friendly (2008). "Milestones in the history of thematic cartography, statistical graphics, and data visualization"</ref>