IT在2月15日的新闻中，技术媒体Marktechpost昨天（2月14日）发布了一篇博客文章，报道Microsoft的Microsoft研究团队提出了数据配方器，该研究人员通过概念驱动的方法有效地解决了数据转换的持续挑战。
现有的挑战
主页注：现代可视化工具，例如图表标记，数据插图器，Lyra以及GGPLOT2和VEGALITE等库通常需要“干净的数据”作为输入，这意味着每个可视化变量都是列，每个观察结果都是一行。
如果不是这种格式，即使原始数据完好无损，用户也需要转换数据。这需要编程专业知识和专业工具，例如Tidyverse，Pandas或Wrangler，从而导致工作流效率低下，并不断切换数据转换和可视化步骤。
数据配方器
数据配方器引入了“概念绑定”范式，用户将数据“概念”绑定到视觉频道。概念可以来自现有列，也可以根据需要创建。
创建新概念的方法有两种：自然语言提示（用于数据推导）和基于示例的输入（用于数据重塑）。用户选择图表类型并映射所需概念后，数据配方器的AI后端侵入必要的数据转换并生成候选可视化结果。
该系统为多个候选结果提供了解释反馈，用户可以通过直观界面可视化结果。结合自然语言和编程示例，用户可以在访问强大的转换功能的同时使用熟悉的配置工具。
测试结果
用户测试结果表明，数据配方器在任务完成和可用性方面表现出色。参与者平均完成了所有分配的可视化任务，在20分钟内，由于7天移动平均计算的参与，任务6的时间最长。
展望未来，这种概念驱动的可视化方法有望影响下一代的视觉数据探索和创建工具，从而消除了可视化创建中长期存在的数据转换障碍。
参考
