Heatmap เป็นการแสดงภาพกราฟิกของข้อมูลตัวเลขที่ใช้สีเพื่อแทนค่า ในบริบทของการทำเหมืองข้อมูล heatmaps มีประโยชน์โดยเฉพาะสำหรับสองวัตถุประสงค์ — สำหรับการแสดงภาพตารางสหสัมพันธ์ (correlation tables) และสำหรับการแสดงภาพค่าที่หายไป (missing values) ในข้อมูล ในทั้งสองกรณี ข้อมูลถูกสื่อสารในตารางสองมิติ
Heatmap เป็นการอธิบายกราฟิกของข้อมูลที่ต้องการระบบ color-coding เพื่อกำหนดค่าหลายค่า Heatmaps ถูกใช้ในรูปแบบ analytics ต่างๆ แต่ใช้บ่อยที่สุดเพื่อแสดงพฤติกรรมผู้ใช้บนหน้าเว็บหรือเทมเพลตหน้าเว็บเฉพาะ Heatmaps สามารถใช้แสดงว่าผู้ใช้กดที่ไหนบนหน้า, พวกเขาเลื่อนลงมากแค่ไหน หรือใช้แสดงผลของ eye-tracking tests
ตารางสหสัมพันธ์สำหรับ p variables มี p rows และ p columns ตารางข้อมูลมี p columns (variables) และ n rows (observations) หากหลาย rows ใหญ่เกินไป ดังนั้น subset สามารถใช้ได้ ในทั้งสองกรณี มันง่ายและเร็วกว่าที่จะสแกน color-coding แทนที่จะเป็นค่า
Heatmaps มีประโยชน์เมื่อกำหนดจำนวนค่ามาก แต่พวกเขาไม่ใช่การแทนที่สำหรับการแสดงภาพที่แม่นยำมากกว่า รวมถึง bar charts เพราะความแตกต่างของสีไม่สามารถระบุได้อย่างแม่นยำ
ใน missing value heatmap rows สอดคล้องกับ data และ columns สอดคล้องกับ variables ต้องการ binary coding ของ initial dataset ที่ 1 บ่งชี้ missing value และ 0 ในกรณีอื่น ตาราง binary ใหม่นี้ถูกสี โดยมีเพียง missing value cells (ที่มีค่า 1) ถูกสี
ข้อมูลเกี่ยวข้องกับเศรษฐกิจ, สังคม, การเมือง, และ "well-being" data บนหลายประเทศทั่วโลก (แต่ละ row เป็นประเทศ) Variables ถูกรวมจากหลายแหล่ง และสำหรับแต่ละแหล่ง ข้อมูลไม่ได้ available ในทุกประเทศเสมอไป
Missing data heatmap ช่วยแสดงภาพระดับและปริมาณของ "missingness" ใน combined data file บาง patterns ของ "missingness" เพียงแค่ emerge variables ที่ missing สำหรับ virtually all observations และ clusters ของ rows (countries) ที่ missing หลาย values
Variables ที่มี missingness น้อยก็ชัดเจน ข้อมูลนี้สามารถใช้สำหรับตัดสินใจวิธีจัดการ missingness (เช่น dropping some variables, dropping some data, imputing ฯลฯ)
Analytics tools เช่น Google Analytics หรือ Site Catalyst เยี่ยมที่จะ support metrics เพื่อแสดงหน้าที่ users visit แต่พวกเขาอาจขาด detail เมื่อมาถึงการเข้าใจว่าผู้ใช้ใช้หน้าเหล่านั้นอย่างไร Heatmaps สามารถให้ภาพรวมที่ครอบคลุมมากขึ้นของว่าผู้ใช้พฤติกรรมอย่างไร
Heatmaps มี visual มากกว่า standard analytics reports ซึ่งทำให้พวกเขาเข้าใจง่ายกว่าใน一瞥 (at a glance) นี่ทำให้พวกเขา accessible มากกว่า โดยเฉพาะสำหรับคนที่ไม่คุ้นเคยกับการวิเคราะห์ปริมาณข้อมูลมหาศาล
Good heat mapping tools เช่น CrazyEgg เปิดใช้งาน analysts เพื่อ segment และ filter data นี่หมายความว่ามันสามารถง่ายที่จะดูว่าประเภทผู้ใช้หลายอย่างกำลัง engage กับหน้าเฉพาะอย่างไร
