Jorge Camoes 说，在准备阶段，你可以从数据中学到很多东西。 Jorge Camoes 对数据可视化充满热情。在默克 (Merck) 从事商业分析方面的成功职业生涯之后，Camoes 创立了 WiseVis，这是一家位于葡萄牙奥埃拉斯的数据可视化咨询公司。Camoes 被广泛认为是流行博客的作者Excel图表，他在其中分享了使用 Excel 等常用工具充分利用数据的策略。
他刚刚出版了他的第一本书，工作中的数据，在那里，他进一步探讨了这些主题，向读者展示了有关数据可视化的潜力和实施执行仪表板的策略的深思熟虑的讨论。他最近在 JMP Explorers 研讨会上发表在英国马洛。你可以阅读他的演讲摘要他的博客.
我问了他几个关于探索和可视化数据的问题。
第 1 步：数据准备。 我的数据必须有多好或多完整才能可用？
如果您可以轻松连接到组织的信息基础设施，并以您想要的方式准确获取您想要的数据，并如实、彻底和及时地回答问题，那么恭喜您，您可能有很好的数据可供使用。你是一只美丽的独角兽。
Jorge Camoes 刚刚出版了他的第一本书，Data At Work。现实世界更丑陋：在每个组织中，都有一个秘密的黑暗地下室（高层管理人员不知道），那里有一些潜伏在那里的生物，他们的工作描述包括“数据准备”和其他类似令人讨厌的任务。好吧，我无法证明这些地下室是真实的，但数据准备确实是任何数据分析项目中的一项资源密集型、耗时、无趣、未被重视但基本的任务。
虽然我们有越来越多更好的 ETL 工具，但我们经常不得不处理一些我们不应该遇到的问题，比如转换 PDF 文件。下面是一个良好做法的例子：联合国人口司在常规 Excel 电子表格中发布人口预测和估计数，需要一些工作来转换。它还使数据在格式良好的 CSV 文件中可用。这种双重格式满足了大多数用户的需求，应该是一种标准做法。如果您想知道为什么结构良好的数据是数据分析的基石，Hadley Wickham 的整理数据(PDF) 是必不可少的读物。
我假设在使用数据时概念不会有问题，但情况并非总是如此。例如，美国农业部发布食品供应数据。根据美国农业部的说法，这是实际食物消费的一个很好的代表，使其成为分析美国饮食变化模式的重要来源。你的项目应该明确解释这一点，并确保观众知道其中的区别。通常，您必须管理不太良性的假设。
最后提示：我不会将数据准备和数据使用视为两个不同的步骤。在准备阶段，您可以了解/从数据中学到很多东西。
第 2 步：我应该为我的数据选择哪个图表？我不应该为我的数据选择哪些图表？
您应该考虑两件事：第一，图表本身，第二，特定情况下的图表。 想想折线图：发现趋势非常容易。具有相同数据的表格会告诉您一些有趣的事情，但要意识到这种趋势会困难得多。数据可视化在某种程度上就像一个烹饪机器人：它不会让你成为一个更好的厨师，但它会整理桌子并优化一些更耗时的步骤，让你专注于结果。
换句话说，数据可视化对数据进行预处理，卸载一些认知任务，让大脑专注于更高层次的任务。如果您想设计一个有效的图表，您应该选择您认为可以最大化此效果的图表类型和格式选项。永远别忘了这个是针对特定情况的。人们倾向于从纯粹理性的角度考虑“有效性”，但您可能想要考虑情绪或更引人注目的设计。你应该期待一些权衡。
不应从数据可视化工具包中删除任何图表。条形图通常被视为一个安全的赌注，但它可能是一个糟糕的选择。饼图受到诽谤，但它们非常适合显示总体比例。
如果图预处理数据的能力较低，则不应使用该图，但需要考虑更多。使用数据可视化进行交流时，图表是对话的一部分，因此不应感觉它不属于那里。如果你认为这个图表是正确的沟通方式这个消息，只需使用它。解释一下，如果你的听众不熟悉它，就像你对一个不太熟悉的词做的那样。相反（愚蠢的图表和复杂的主题）可能会破坏您的信息：如果您在讨论大数据时使用 3D 饼图，我不会认真对待您。有一种我无法解开的认知失调。
“饼图”是这个问题的默认答案，也是通常预期的答案。我认为这是一种平衡的方法：饼图和仪表等效果较差的图形可以用作切入点，并且始终遵循相同数据的更复杂视图。但是，如果饼图或仪表被广泛用作独立图形，我会怀疑组织数字和视觉素养很低（应该对此做些什么）。
第 3 步：在数据探索过程中我应该注意哪些常见的陷阱？
假设您拥有正确的数据并且您打开了数据探索模式。首先，不要指望遵循一个线性路径，通过该路径您可以一个接一个地找到预定义问题的答案。这是一个简单的表更新，而不是探索。你对一个主题了解得越多，你就越倾向于接受单一路径的想法。抵制：为一些随机探索留出空间，即使它最终无济于事。
这有助于对抗确认偏见（我们倾向于选择确认我们先前存在的信念的数据），这是困扰我们探索的众多个人偏见之一。不可能知道所有这些，所以我们的结果越早向广大观众展示越好。 通常，只有当您使用不同的技术或改变您的观点时，某些事情才会变得显而易见。这安斯科姆四重奏是不同探索技术如何相互补充的一个很好的例子：分布显然是相同的，但只有图表揭示了它们非常不同的轮廓。但是，既然您了解了这些配置文件，您就可以选择更好的统计指标（例如，中位数而不是均值）。
探索一个分布是必要的第一步，因为它的中心提供了一个心理锚点，而异常值通常是有意义的。但是，当您开始探索变量之间的关系时，事情会变得更加有趣。我喜欢中的链接数据功能JMP ，例如。但是有一个网站喜欢的原因虚假相关太有趣了：我们天生就会寻找模式和关系。事实是，我们通常不了解这些关系的本质，并愿意从明显的关联转变为强烈的因果关系。
最后，不用说，不要强迫数据说出它不存在的内容：不要歪曲事实，不要随意挑选，不要使用格式选项发送错误信息。
第 4 步：您是否在数据可视化中看到任何潜在的或统一的原则来指导最佳实践？
想想一首诗和一篇文章：它们可以使用相同的语言，但它们没有更多的共同点，甚至可以以“艺术许可”的名义打破。数据可视化也是如此，在某种程度上，它也是一种语言。在我看来（并遵循 Jacques Bertin），“数据可视化”仅意味着底层表格的可视化转录。从这个意义上说，没有统一的目的或共同的原则。您必须对其进行细分并尝试识别一些集群，例如数据艺术、视觉统计、媒体信息图表或业务可视化。
试图找到适用于所有这些集群的基本原则是一种疯狂的追逐。即使你专注于眼脑系统的共同特征（眼睛生理学、格式塔定律、色彩处理），每个小组也会以不同的方式使用它们。其中一些集群会优先考虑沟通效率，其他人会更喜欢审美体验，而有些则会介于两者之间。JMP用户可能会重视有效性，但请注意，这不是制作丑陋图表的许可。
如果你像我一样，身体里没有一个平面设计师，那就尽力去理解影响并证明每个设计选项的合理性。以颜色这样的复杂问题为例：您可以从功能角度（管理刺激强度或象征意义）来解决它，然后应用专业设计的调色板（从色彩酿酒师，例如）。
第 5 步：您是否有向那些没有数据意识的人（例如，管理人员）展示数据的技巧？
这一切都归结为最小化良好决策的成本。数据可视化不应该作为灵丹妙药出售。许多经理并没有认真对待数据可视化，因为他们所看到的只是饱和的颜色和闪亮的 3D 效果，以及很容易让人上瘾但对决策的积极影响为零的空卡路里。更糟糕的是，好的数据可视化，就像好的设计一样，是不可见的和显而易见的。要认识到它的优点，经理必须意识到它们。称之为 A/B 测试，之前/之后，游击队（强调为你发现的每一个无效的设计一个更好的图表），但展示具体的改进是让人们购买你的想法的关键，摆脱应用程序的花里胡哨，图形默认值，并与惯性作斗争。
一些经理倾向于喜欢表格中的硬数据。确保他们可以轻松访问格式良好的表格，但同时，设计图表来解决几乎不可能从表格中获得的痛点和见解（有用的关系、分组、快速异常值识别）。 不要假设高层管理人员对数据可视化工具感兴趣，或者他们渴望使用您精心设计的仪表板花一小时探索数据。同样，关键思想是您的可视化应该最大限度地减少获取洞察力的成本。
你喜欢这次采访吗？观看录音豪尔赫·卡莫斯研讨会你方便的时候。
