"Ahora lo ves" es experto en visualización de datos Stephen Few El nuevo libro, que explica cómo utilizar técnicas visuales simples para el análisis cuantitativo. En esta oferta del tamaño de un libro de texto, Stephen explora uno de los aspectos del análisis que más se pasa por alto: la representación gráfica de la información.
Stephen sienta las bases para un buen análisis visual en la Parte I al definir cómo percibimos la información. Afirma que "... hay formas de mostrar visualmente los datos que son efectivos porque corresponden naturalmente al trabajo de la visión y la cognición, y hay formas que rompen las reglas y, por lo tanto, no funcionan. Si deseamos mostrar información de una manera que nos permita a nosotros y a otros darle sentido, debemos entender y seguir las reglas ".
Continúa explicando que "... percibimos varios atributos básicos de las imágenes visuales antes de la atención, es decir, antes y sin la necesidad de una percepción consciente".
A continuación se muestra una lista de los atributos de atención previa que se perciben cuantitativamente en sí mismos, sin que se les asignen valores de forma arbitraria:
Longitud - más larga = mayor
Posición 2-D: desplazamiento superior / inferior, o izquierda / derecha = mayor
Ancho - Ancho = mayor
Tamaño - Mayor = mayor
Intensidad - Más oscuro = mayor
Desenfoque - más claro = mayor
Estos atributos pre-atentos nos ayudan a todos a consumir y digerir información y dar sentido a su significado. Sin embargo, Stephen señala que "los símbolos pre-atentos se vuelven menos distintos a medida que aumenta la variedad de distractores. Es fácil detectar un solo halcón en un cielo lleno de palomas, pero si el cielo contiene una mayor variedad de aves, será más difícil ver el halcón ".
Las buenas visualizaciones no solo aprovechan los atributos pre-atentos mencionados anteriormente, sino que también los utilizan de manera apropiada al considerar las limitaciones de nuestra memoria visual.
Stephen explica que tenemos "memoria de trabajo y memoria a largo plazo. La memoria de trabajo almacena información solo brevemente. La memoria de trabajo es donde reside la información cuando estamos pensando en ella. Si lo pensamos lo suficiente, terminará en la memoria a largo plazo ".
Y la memoria visual (que es parte de la memoria de trabajo) es muy limitada. La memoria visual procesa la información en "trozos". ¿Cuánto es un trozo de información? Bueno, depende de cómo se transmita. Los fragmentos de información tienen que ser relativamente pequeños cuando consisten en texto o números. Sin embargo, pueden ser más grandes cuando se sirven gráficamente.
La Parte II, que es la carne del libro, lleva al lector a través de varios análisis diferentes y muestra ejemplos de buenas técnicas visuales para transmitir mejor la información utilizada en cada uno.
La parte III cubre nuevas tendencias prometedoras. Aquí, Stephen analiza los “Modelos predictivos iluminadores”, y aquí es donde JMP se destaca prominentemente.
Notando que su libro se enfoca en gran medida en el análisis de la información existente, o estadísticas descriptivas , aquí destaca los beneficios de estadística predictiva . "Si entendemos el pasado lo suficientemente bien como para describirlo con claridad y precisión, a menudo podemos construir un modelo que podamos usar para predecir lo que probablemente sucederá como resultado de condiciones, eventos o decisiones particulares en el futuro", escribe Stephen.
Explica que "el objetivo del análisis predictivo no es producir certeza sobre el futuro, sino reducir la incertidumbre a un grado que nos permita tomar mejores decisiones".
Luego describe a lo que se refiere como "modelos predictivos transparentes". Y es aquí donde Stephen usa JMP para explicar cómo los modelos predictivos transparentes nos ayudan a tomar mejores decisiones con menos riesgo. Él dice: "Este nivel de participación en el proceso analítico [utilizando modelos predictivos transparentes] aprovecha nuestros cerebros de una manera que abre las ventanas a ideas que de otra manera nunca podríamos experimentar".
Muchas de las visualizaciones discutidas en el libro de Stephen están disponibles en JMP. Pero aún más importante, las visualizaciones de JMP también incorporan análisis de clase mundial. Esta es la razón por la que, cuando Stephen dirige su atención a análisis más avanzados, como el modelado predictivo, JMP se destaca prominentemente.
"Now You See It" es una lectura obligada para cualquier persona que necesite explorar y comprender los datos que guían su proceso de toma de decisiones. Seguir los consejos de Stephen ayudará a los lectores a explorar mejor sus datos, descubrir tendencias y patrones más rápidamente y tomar decisiones con confianza.
Stephen McDaniel escribió:
Chuck, gran post sobre un gran libro.
Creo que JMP encaja en un punto medio entre SAS y R que se ha pasado por alto.
Si bien SAS 9.2 ha realizado mejoras significativas en la visualización de análisis, JMP tiene un nivel mucho más alto de interactividad debido a la naturaleza del producto. Si bien los estadísticos académicos y teóricos han promocionado a menudo a R para grandes visualizaciones combinadas con análisis, personalmente creo que JMP es un entorno mucho más productivo que R para el estadístico aplicado. Especialmente creo que esto es cierto en una configuración corporativa donde a menudo se adjuntan múltiples proyectos en cortos períodos de tiempo. Finalmente, JMP ha hecho grandes avances en la visualización interactiva, lo cual aplaudo.
En mi opinión, JMP es la mejor herramienta interactiva que combina análisis avanzados con visualización. Aprecio especialmente los algoritmos de minería de datos y las capacidades de modelado estadístico interactivo. SAS escala mejor, pero JMP es simplemente rápido, flexible y potente para la visualización estadística avanzada.
Mejor,
Stephen McDaniel
Co-fundador y Director, Freakalyticsâ ¢ LLC
Análisis rápidos para explorar, comprender, comunicar y actuar
www.Freakalytics.com
Martin Owen escribió:
Todavía no he leído "Ahora lo ves", pero acabo de leer el libro anterior de Stephen Few "Diseño del panel de información".
Esta es una lectura excepcional, tanto pragmática como estimulante. Inmediatamente implementé el consejo de Stephen y utilicé estas técnicas para rediseñar un tablero de instrumentos existente para brindar valor agregado y claridad. Y una vez que esté al tanto de los 13 errores comunes en el diseño del tablero, verá ejemplos espantosos de estos en todas partes, destacándose como pulgares doloridos.
Ser bueno con herramientas estadísticas no es suficiente.
¿Quién necesita saber la salida?
¿Qué necesitan saber?
¿Cuánto necesitan saber?
¿Por qué necesitan saber?
Si desea tener un impacto inmediato en la selección de lo que es más importante y luego transmitir datos complejos de manera efectiva, le recomiendo este libro.
Martin Owen
