"Ora lo vedi" è esperto di visualizzazione dati Stephen Pochi Il nuovo libro, che spiega come utilizzare semplici tecniche visive per l'analisi quantitativa. In questa offerta di dimensioni da manuale, Stephen esplora uno degli aspetti più trascurati dell'analisi: la rappresentazione grafica delle informazioni.
Stephen pone le basi per una buona analisi visiva nella Parte I definendo il modo in cui percepiamo le informazioni. Afferma, "... ci sono modi per visualizzare visivamente i dati che sono efficaci perché corrispondono naturalmente al funzionamento della visione e della cognizione, e ci sono modi che infrangono le regole e di conseguenza non funzionano. Se desideriamo visualizzare le informazioni in un modo che consenta a noi e agli altri di dare un senso a questo, dobbiamo capire e seguire le regole ".
Prosegue spiegando che "... percepiamo diversi attributi di base delle immagini visive in modo pre-attento, cioè prima e senza la necessità di una percezione cosciente".
Di seguito è riportato un elenco di quegli attributi pre-attentivi che sono percepiti quantitativamente in sé e per sé, senza avere valori arbitrariamente assegnati a loro:
Lunghezza - più lunga = maggiore
Posizione 2-D: offset superiore / inferiore o sinistra / destra = maggiore
Larghezza - Più ampia = maggiore
Dimensione - Più grande = maggiore
Intensità - Più scura = maggiore
Sfocatura: più chiara = maggiore
Questi attributi pre-attentivi ci aiutano a consumare e digerire le informazioni e a dare un senso al loro significato. Tuttavia, Stephen sottolinea che "i simboli pre-attentivi diventano meno distinti man mano che aumenta la varietà dei distrattori. È facile individuare un singolo falco in un cielo pieno di piccioni, ma se il cielo contiene una maggiore varietà di uccelli, il falco sarà più difficile da vedere. "
Le buone visualizzazioni non solo sfruttano gli attributi pre-attentivi di cui sopra, ma li usano anche in modo appropriato, considerando i limiti della nostra memoria visiva.
Stephen spiega che abbiamo sia "memoria di lavoro che memoria a lungo termine. La memoria di lavoro memorizza le informazioni solo brevemente. La memoria di lavoro è dove le informazioni risiedono quando ci stiamo pensando. Se ci pensiamo abbastanza a lungo, finirà nella memoria a lungo termine. "
E la memoria visiva (che fa parte della memoria di lavoro) è molto limitata. La memoria visiva elabora le informazioni in "blocchi". Quanto costa una porzione di informazioni? Bene, dipende da come viene trasmesso. I blocchi di informazioni devono essere relativamente piccoli quando sono costituiti da testo o numeri. Tuttavia, possono essere più grandi quando vengono pubblicati graficamente.
La Parte II, che è la carne del libro, porta il lettore attraverso diverse analisi e mostra esempi di buone tecniche visive per trasmettere al meglio le informazioni utilizzate in ciascuna.
La parte III riguarda le nuove tendenze promettenti. Qui, Stephen parla di "Illuminare modelli predittivi", ed è qui che JMP è in primo piano.
Notando che il suo libro si concentra in gran parte sull'analisi di informazioni esistenti, o statistiche descrittive , qui evidenzia i benefici di statistiche predittive . "Se comprendiamo abbastanza bene il passato per descriverlo in modo chiaro e accurato, possiamo spesso costruire un modello che possiamo usare per prevedere cosa accadrà probabilmente come risultato di particolari condizioni, eventi o decisioni in futuro", scrive Stephen.
Spiega che "l'obiettivo dell'analisi predittiva non è quello di produrre certezza sul futuro, ma di ridurre l'incertezza in misura tale da consentirci di prendere decisioni migliori".
Descrive quindi ciò che definisce "modelli predittivi trasparenti". Ed è qui che Stephen usa JMP spiegare come i modelli predittivi trasparenti ci aiutano a prendere decisioni migliori con meno rischi. Dice: "Questo livello di coinvolgimento nel processo analitico [utilizzando modelli predittivi trasparenti] si avvantaggia del nostro cervello in un modo che apre le finestre a intuizioni che altrimenti non potremmo mai sperimentare."
Molte delle visualizzazioni discusse nel libro di Stephen sono disponibili in JMP. Ma ancora più importante, le visualizzazioni di JMP incorporano anche analisi di livello mondiale. Ecco perché, quando Stephen rivolge la sua attenzione a un'analisi più avanzata, come la modellazione predittiva, JMP è in primo piano.
"Now You See It" è una lettura obbligata per chiunque abbia bisogno di esplorare e comprendere i dati che guidano il suo processo decisionale. Seguendo il consiglio di Stephen, i lettori potranno esplorare meglio i loro dati, scoprire tendenze e modelli più rapidamente e prendere decisioni con sicurezza.
Stephen McDaniel ha scritto:
Chuck, ottimo post su un grande libro.
Penso che JMP si collochi su una via di mezzo tra SAS e R che è stato trascurato.
Mentre SAS 9.2 ha apportato miglioramenti significativi nella visualizzazione dell'analisi, JMP ha un livello molto più alto di interattività a causa della natura del prodotto. Mentre R è stato spesso pubblicizzato in modo prominente da statistici accademici e teorici per grandi visualizzazioni combinate con analisi, personalmente ritengo che JMP sia un ambiente molto più produttivo di R per lo statistico applicato. Penso soprattutto che questo sia vero in un contesto aziendale in cui più progetti sono spesso collegati in brevi periodi di tempo. Infine, JMP ha fatto passi da gigante nella visualizzazione interattiva, che applaudo.
Secondo me, JMP è il miglior strumento interattivo che combina l'analisi avanzata con la visualizzazione. Apprezzo in particolare gli algoritmi di data mining e le capacità di modellazione statistica interattiva. SAS si adatta meglio, ma JMP è abbastanza semplice, flessibile e potente per la visualizzazione statistica avanzata.
Migliore,
Stephen McDaniel
Co-fondatore e principale, Freakalyticsâ ¢ LLC
Analisi rapida da esplorare, capire, comunicare e attuare ¢
www.Freakalytics.com
Martin Owen ha scritto:
Non ho ancora letto "Adesso lo vedi", ma ho appena finito di leggere il precedente libro di Stephen Few "Information Dashboard Design".
Questa è una lettura eccezionale - sia pragmatica che stimolante. Ho immediatamente distribuito il consiglio di Stephen e ho utilizzato queste tecniche per ridisegnare una dashboard esistente per fornire sia valore aggiunto che chiarezza. E una volta che siete a conoscenza dei 13 errori comuni nella progettazione di cruscotti, vedete esempi spaventosi di questi ovunque, che emergono come pasticche.
Essere bravi con gli strumenti statistici non è abbastanza.
Chi ha bisogno di sapere l'output?
Cosa devono sapere?
Quanto hanno bisogno di sapere?
Perché hanno bisogno di sapere?
Se vuoi avere un impatto immediato sulla rimozione di ciò che è più importante e quindi ottenere dati complessi in modo efficace, consiglio vivamente questo libro.
Martin Owen
