視覚属性
from データ可視化のコツ
（本項の内容はおすすめの本#6545a559dbcf3c00009437f5にある「データビジュアライゼーションの教科書」を参考にしています）
人間の認知のクセを利用するデザイン
ここで問題。下に「9」は何個ある？
https://gyazo.com/cf97111900462c979f35c53e27c6bcd7
答えは下のほうにスクロールすればあります。まずは見ずにやってみよう
答えは5個
すぐに見つけられましたか？
ここで、このようにしてみましょう
https://gyazo.com/666a4e0ca4ed69d0f820761c7c717882
こちらのほうが圧倒的に短時間で見つけられる
人間の視覚認知において、「色」がとても強力な属性であることを示す
表や図を識別・理解するために役立てる表現を「視覚属性」と呼ぶ
視覚属性はエスセティクス（aesthetics）とも呼ばれる
視覚属性とその強弱
https://gyazo.com/f599e4a3705dac817913055468180151
データビジュアライゼーション＝データから視覚属性へのマッピング
データ可視化（ビジュアライゼーション）とは、「定量化できる特徴にデータの値をマッピングして最終的なグラフィック上に表示すること」といえる（出典：「データビジュアライゼーションの基礎」）
この「定量化できる特徴」が視覚属性（エスセティクス）
たとえばTableauで描いた以下の散布図を例にすると、「教養力検定点数」と「TOEIK点数」という2つの量的変数（メジャー）の値をそれぞれ横軸・縦軸上の位置という視覚属性にマッピングし、「学年」という質的変数（ディメンション）を色および形（形状）という視覚属性にマッピングしている、といえる
https://gyazo.com/3463849d876ef1ad2cf062e4cc667781 → 　https://gyazo.com/d4a1c50bedc6f840086835a083c58bba
このように、多次元分析においては、ディメンションやメジャーの変数を何らかの形で視覚属性に対応させてビジュアライゼーションをしているといえる
BIツールや、R、Pythonなどの可視化ライブラリは、この捉え方を理解していると、見通しがとてもよくなる
→ 多次元分析とビジュアライゼーション
（参考）視覚属性とグラフ
用いる視覚属性により伝わるメッセージが異なる
以下はいずれも全く同じ時系列の量的データを表現しているが…
https://gyazo.com/4012556b1305ba0f86c24f3cd4e3d972
データの尺度によって適切な視覚属性を用いる必要がある
以下は全く同じ量的データを「企業」という名義尺度の間で比較をしているが…
https://gyazo.com/70673e79676fd2e062cd5836d0a78855